免费模型榜：并列 1475 分，名次差了 1 位

一句话总结：Arena 免费模型周报里，GLM-5.2 和 DeepSeek-V4.1-Flash 都是 1475 分，名次却一个升到第 5、一个降到第 6；而第 1 名对第 24 名的 Elo 分差换算成胜率，也只有 57 比 43。

周报这种东西，最容易被引用的是名次。

"上升 4 位""跌出前 20"——名次变化直观，适合做标题。

但名次是序数，不是基数。第 5 和第 24 之间隔了 19 个名次，不代表实力差 19 份。这周 Arena 免费榜的数据正好能把这件事算清楚。

免费模型榜本周动了哪些名次

先看原始变动（截至 11 月 8 日的一周）：

综合榜：GLM-5.2（Max）升 1 位到第 5（1475 分），DeepSeek-V4.1-Flash（Max）降 1 位到第 6（1475 分），MiniMax-M3 降 3 位到第 24（1436 分）。

编程榜：GLM-5 降 5 位到第 30（1435 分），Muse Spark Open 降 2 位到第 17（1526 分），Kimi K2.6 降 2 位到第 18（1509 分）。

分类第一：Chat 是 Kimi K3（1488），编程是 Kimi K3.1 Pro（1684），Agents 也是 Kimi K3.1 Pro（5.3，这个榜分数口径不同）。

三条变动信息，两种不同的故事。GLM-5.2 和 DeepSeek 那条是"并列同分、名次互换"，GLM-5 那条是"连降 5 位"。

榜单名次和 Elo 分数：两种完全不同的数

Elo 分数是基数，名次是序数。

两个模型分数差 39 分，意味着对局胜率是 55.6 比 44.4；名次差 19 位，给人的感觉是"差了一个档次"。

这两种表达的信息量完全不同。名次丢失了间隔信息：第 5 和第 6 可能只差 0 分，第 1 和第 24 也只差 52 分。

Arena 榜上 #5 对 #24，胜率只有 56:44

把几组对位换算成胜率：

图 1：横轴为相对 50% 基准的胜率偏离量。名次差 19 位，胜率也只偏离 5.6 个点。数据来源：Arena 周报分数，胜率为作者按 Elo 公式换算

四行放在一起看，结论很统一：名次差得再远，胜率都离五五开不远。

第 1 名对第 24 名，也不过是 57 比 43。放到十次对话里，强者大概赢五次半到六次。

给做免费模型宣传的人提个醒

这个换算对两种人有用。

想引用榜单的人： 名次没信息量，分数才有。引用时带一句"Elo 分差 X，对应胜率约 Y 比 Z"，比"排名第 N"诚实得多。并列 1475 的两家，说谁压谁都是编。

被榜单引用的人： 如果你的模型排在第 5 和第 24 之间，宣传语里那一位数字背后的真实差距可能不到 6 个百分点。反过来，你落后竞争对手"十几名"，实际差距也可能只是"十次里输一次半"。

两边都别被名次绑架。

更细的算法在抽样误差那篇：名次只是序数，权重空间编程那篇的教训也是同一个——先看数值，再看排序。

关于 Arena 榜单的五个问题

这个榜测的是什么？ 真人盲测偏好。它衡量"人更喜欢谁的回答"，不直接等于能力。

免费模型和收费的比有意义吗？ 这份周报只统计开放权重模型，是同口径内的比较。

分数每周会变多少？ 从这周看，±17 分是相邻名次的常见间距，3 分的浮动就能换名次。

K3.1 Pro 的 1684 和别的榜能比吗？ 不能。不同榜单的 Elo 是不同分数体系，跨榜比较没有意义。

为什么 Agents 榜分数才 5.3？ 那个榜的计分口径和对话榜不同，绝对值不可比。

结语

把这份周报的名次全部抹掉，只留分数，你得到的结论会更准确。

名次适合做标题，分数适合做决策。两者都公开的时候，看分数；只报名次的地方，把"第 N 名"自动翻译成"和上下相邻的差不多"——大部分时候这个翻译是对的。

上次算抽样误差的结论是"0.3 分的差距需要 15 万题才能分辨"；这次是同一件事的榜单版：分数差 0 分，名次差 1 位。

参考资料

• Free AI models this week: 2 Nov – 8 Nov 2026（Free LLM Arena）