纳米香蕉引爆LMArena：谷歌Gemini 2.5 Flash Image登顶图像编辑榜

今年八月，代号“纳米香蕉”的AI图像生成模型在LMArena文生图像榜单中夺冠，带动该社区流量暴涨十倍，月活跃用户突破300万。在盲测启动后的短短两周内，它吸引了超过500万次总投票，并单独赢得250万+直接投票，创下历史最高参与记录。自2023年推出以来，LMArena已成为谷歌、OpenAI等AI巨头扎堆角逐的竞技场。

8月，一款名为“纳米香蕉”的神秘AI图像编辑器轻松登顶Image Edit Arena榜首，直接引爆LMArena平台流量：

流量暴增10倍，月活用户达300万以上。

该模型在LMArena启动盲测后，仅在两周内就累计获得超500万次总投票，其中直接投票数突破250万，创造了平台史上最高的用户参与度。

nano‑banana的神秘背景，在LMArena社区引发了广泛猜测。

在谷歌正式认领“纳米香蕉”并将其命名为Gemini 2.5 Flash Image之前，已有不少网友推断谷歌是该模型背后的真正所有者。

还有网友分享了在LMArena上免费使用正版“纳米香蕉”的方法，无需登录即可体验。

LMArena不仅让用户能“近距离”接触最新AI模型，还为大模型比拼提供了一个真实的“罗马竞技场”，让谷歌、OpenAI等公司的最新模型在此真刀真枪对决，接受成千上万用户的检验。

用户的投票和反馈直接决定大模型的排名，同时也为厂商迭代模型提供了真实用例数据，帮助其针对性改进。

nano‑banana的爆红，使LMArena流量飙升10倍，据其首席技术官Wei-Lin Chiang证实，该站月活跃用户已超过300万。

无论是谷歌还是LMArena，都成为这场流量盛宴中的最大赢家。

从Chatbot Arena到LMArena

LMArena联合创始人Wei-Lin Chiang和Anastasios Angelopoulos

LMArena的前身是Chatbot Arena，最初起源于2023年伯克利的一项研究项目，随后更名为LMArena。

Chatbot Arena类似一个用户社区评测中心，它颠覆了通过传统学科测试评估AI技术的方式，将评价权交给社区用户，采用匿名、众包的成对比较来评估大模型。

用户还可以自主选择模型进行测试。

ChatGPT、Llama 1等大模型的发布，为Chatbot Arena的出现创造了契机。

当时，业界缺乏有效的大模型评测方法，因此Chiang与伯克利研究人员Anastasios Angelopoulos以及Ion Stoica共同创办了Chatbot Arena，即后来的LMArena。

他们的愿景是打造一个以社区为中心的公开网络平台，邀请所有人参与评测。

很快，Chatbot Arena吸引了大量关注，成千上万的用户前来投票，团队利用这些数据整理出第一版排行榜。

最初上榜的多为开源模型，商用模型仅包括Claude和GPT。

随着更多模型加入，Chatbot Arena的关注度持续攀升。各AI大厂纷纷请求加入排名，并竞相争夺榜首位置。

Chatbot Arena的走红，使其被众多科技公司视为AI技术风向标，它们像华尔街交易员盯盘一样密切关注榜单变化。

这一切让Meta AI产品管理总监Joseph Spisak深感惊讶，他惊叹于几个学生能产生如此重大的影响力。

Chiang希望LMArena成为一个对所有人开放的平台，鼓励更多用户测试模型、表达偏好，帮助社区和模型提供方基于真实用例评估AI。

正如Chiang所说，在LMArena社区中，最受欢迎、增长最快的模型往往源于真实场景用例，“纳米香蕉”就是最佳例证之一。

匿名登场和盲测机制让nano-banana在LMArena自然爆红，当时普通用户无法手动选择它，只能在Battle中随机遇到，社区内大量帖子讨论“刷多局才等到香蕉”的体验。

目前，Gemini 2.5 Flash Image已成为LMArena的“双料冠军”，同时登顶Image Edit Arena和Text-to-Image两个榜单。

从LMArena排名中，可以看出各领域表现最佳的模型。

例如，在编码领域，Claude排名领先；在创意领域，Gemini位居前列。

或许是因Meta内部AI团队调整，Chiang未听到太多关于Llama 4的消息。但他认为Meta正在构建的“全模型”，可能代表未来行业趋势。

大模型厂商为何钟情“屠榜”？

OpenAI、谷歌、Anthorpic等大模型厂商，为何热衷将模型放到LMArena等排行榜上？

是为了品牌曝光，还是获取用户反馈以改进模型？

显然，曝光与背书是最直观的短期效应。

LMArena是业内关注度最高的公开榜之一，累计投票已达数百万次。科技媒体也频繁引用其数据，这为大模型品牌带来显著口碑与流量红利。

其次，是更贴近“真实使用”的用户反馈。

LMArena采用匿名、随机配对投票，并结合Elo计分，减少了“品牌光环”“位置偏置”等主观影响，真实反映用户对模型回答质量的评价。

Elo系统最初用于国际象棋计分，也是LMArena排行榜的核心机制。在该规则下，每个模型都有一个实力分数（Elo分），每场对战后根据结果和预期更新分数。

每次用户投票都成为一场对战，模型Elo分经过成千上万次对战收敛，排名能更真实地反映用户偏好。

此外，LMArena提供了跨厂商、跨开源/闭源的同台竞技舞台，天然带来高流量曝光，也为用户提供了更丰富的选型信息。

正如Chiang所言，他希望将LMArena打造成一个人人能参与、表达观点的开放空间。

这里的一切由社区机制驱动，鼓励用户提问和投票，表达对不同模型的评价。

对于大模型厂商，LMArena提供了一个宝贵的“照镜子”机会。

厂商可以清晰看到自己在各领域的排名，并获得LMArena基于社区反馈提供的报告和分析，从而详细评估模型表现，针对性提升能力。

需要新的LLM基准测试吗？

当所有模型都接近现有基准测试时，还需要新的基准测试吗？

Chiang认为这非常必要，但核心原则是基准必须扎根于真实世界用例。

例如，超越传统基准测试，转向更贴近真实用户场景的基准，尤其是由善用AI工具的专业人士驱动的基准。

以LMArena最新推出的WebDev基准测试为例，用户可用提示词让模型搭建网站。这类基准能更好将AI技术与真实用例结合，加速实际场景落地。

针对MIT关于“大多数投资AI的公司未看到投资回报”的报告，Chiang认为这项研究很有意思。

他认为该研究反映了“将AI与真实用例紧密相连尤为重要”，这也正是他将LMArena平台扩展至更多行业的原因。

希望通过更多扎根真实用例的基准测试，弥合技术与实用场景的鸿沟，并提供可衡量的标准。

Chiang表示，LMArena的目标是利用平台数据理解模型局限性，保持数据研究流程透明，并公开数据，以推动社区平台持续建设。

对于大模型厂商和“用户观众”而言，这里是一个永不落幕的竞技场。

参考资料：

https://www.businessinsider.com/lmarena-cto-compare-ai-models-google-nano-banana-2025-9