近日，上海人工智能实验室联合魔搭社区推出中国大语言模型评测竞技场CompassArena，首度集齐国内主流大模型全阵容，阿里通义千问、百度文心一言、腾讯混元、字节跳动豆包、书生·浦语等20款国产大模型出战，角逐中国大模型“最强王者”。
当下，“百模大战”厮杀正酣，谁才是最强王者？各类榜单也层出不穷，其中国际开放研究组织LMSYSOrg（LargeModelSystemsOrganization）推出的大模型竞技场ChatbotArena，已成为海外最具公信力的大模型榜单之一，遗憾的是该榜单中文化程度相对不足。为此，CompassArena的推出将有效填补这一领域的空白。
相比考题固定的传统测评，中国大语言模型评测竞技场CompassArena采用盲测、开放的测评模式，可以更全面地检验模型实力。CompassArena设置了随机、匿名对战，大模型选手们成为“蒙面唱将”，模型信息隐去后，由系统随机匹配进行PK，用户可以天马行空自由出题，并作为评委主观评判和投票。如果大模型不小心“自报家门”，则对话被过滤，不计入成绩。通过成千上万轮PK挑战和用户投票，系统将对大模型进行自动排名。
魔搭社区直播时，网友在线给大模型出题。
CompassArena由上海人工智能实验室OpenCompass司南评测体系与魔搭社区联合建设，前者负责组织评测，后者负责开源模型引入及社区打造。据上海人工智能实验室OpenCompass团队介绍，CompassArena力求体现社区用户的真实反馈，评测机制借鉴ChatbotArena，采用Elo评分系统，即国际象棋等对弈活动评估的权威标准。在这种模式下，大模型竞技类似“在游戏中打排位”，胜率成为评估模型水平的关键指标，同时随着排位变高，系统也会自动匹配高段位选手进行对战。
与ChatbotArena相比，CompassArena更聚焦中文大模型，主流国产大模型全覆盖，同时评测用户大多使用中文，可以充分评估国产大模型的性能。
目前，CompassArena已汇聚超20款商业及社区模型，包括Qwen-Max、ERNIE-4.0-8K、Spark3.5Max、Abab6.5、GLM4等国内头部厂商的旗舰款大模型，并引入了Llama3、Mixtral等海外标杆模型进行参照。更多模型及厂商还在不断加入中。
上线不到一周，已有上万人访问魔搭CompassArena页面。魔搭社区表示，欢迎广大开发者和网友参与大模型排位赛的投票，共同促进国产大模型的进步和赶超。后续，CompassArena首期排行榜将揭晓，并将定期公布更新。
CompassArena首批大模型名单：
Abab6.5-Chat（MiniMax）
Baichuan4（百川智能）
C4AICommandR+（Cohere）
DBRX-Instruct（DataBricks）
Deepseek-LLM-67B-Chat（深度求索）
Deepseek-MoE-16B-Chat（深度求索）
Doubao-Pro-4K（字节豆包）
ERNIE-4.0-8K（百度文心一言）
GLM4（智谱AI）
Hunyuan-Pro（腾讯混元）
InternLM2系列（上海AILab书生·浦语）
Llama3系列（Meta）
Mixtral8x22BInstruct（Mistral）
MoonShot-V1-32K（月之暗面）
Qwen1.5系列（阿里通义千问）
Qwen-Max（阿里通义千问）
Spark3.5-Max（讯飞星火）
Yi-34B-Chat（零一万物）
Yi-Large（零一万物）
