1
AI 大模型周榜：国产 Kimi K3 首次杀入综合榜 Top 10，登顶前端开发榜
国产Kimi K3首次跻身AI大模型综合榜前十，同时登顶前端开发榜，表现亮眼
IT之家 7 月 20 日消息，Arena（ arena.ai ）平台发布了 2026-29 期大模型排行榜，统计周期为 2026 年 7 月 13 日 ~2026 年 7 月 19 日。 本周榜单迎来大规模新模型集中入榜， 其中最受关注的是国产模型 kimi-k3 的突出表现 ：它不仅首次杀入综合…
2
AI 大模型周榜：代码榜榜首易主，claude-opus-4-7-thinking 登顶
代码榜榜首易主，Claude新模型登顶，Anthropic包揽前五名，AI模型竞争白热化。
IT之家 7 月 13 日消息，Arena（ arena.ai ）平台发布了最新一期 AI 大模型周榜，本期覆盖 2026 年 7 月 6 日 ~2026 年 7 月 12 日。 本周核心变化为代码榜榜首易主， claude-opus-4-7-thinking 从第二升至第一 ，原榜首 claude…
3
AI 大模型周榜：claude-fable-5 蝉联榜首，国产模型稳定中上游
AI大模型周榜出炉，Claude蝉联榜首，国产模型稳定在中上游，美国厂商包揽前十。
IT之家 7 月 9 日消息，Arena（ arena.ai ）平台公布了最新一期大模型对战周榜，本期统计覆盖 2026 年 6 月 29 日 ~7 月 5 日。 本周榜首位置依旧由 🇺🇸 Anthropic 的 claude-fable-5 牢牢占据 ，分数微涨 1 分，美国厂商在头部占据绝对优势…
4
From Uncertain Judgments to Calibrated Rankings: Conformal Elo Estimation for LLM Evaluation
用共形预测校准LLM评估中的Elo排名，解决判分偏差与不可传递性问题。
arXiv:2606.13221v2 Announce Type: replace Abstract: Evaluating new large language models typically requires costly human annotation campaigns at scale…