菜单
科技

阿里巴巴会在2026年11月底成为LMArena排行榜第一的AI模型吗?

结算: 更新于:

要点

市场几乎将这一结果视为不会发生。核心原因是目前该榜单的头名长期由非中国实验室的模型占据,而投票制排行榜的名次变动通常需要数月积累,留给阿里巴巴的时间窗口只剩约两周。若阿里巴巴在11月30日前发布一款明显更强、且迅速获得大量用户投票的新模型,这一判断才可能改变。

事件编辑插图:阿里巴巴会在2026年11月底成为LMArena排行榜第一的AI模型吗?

合约如何运作

这类市场的合约在结果发生时结算为1美元,未发生则结算为零,当前价格只是买卖双方此刻对“阿里巴巴夺冠”这一概率的共同判断,例如价格0.30意味着市场认为这一情形大约十次里会发生三次,这只是举例说明机制,并非本市场的实际价格。本市场将在2026年11月30日美东时间中午12点对arena.ai排行榜进行快照检查,结算日为12月1日,结算依据是当时榜单第一名模型所属公司是否为阿里巴巴。在结算日之前,持有该合约的一方通常可以随时按市场当时给出的价格卖出离场,不必等到最终结果揭晓。
市场如何评估结果
$100
是1%

事件会发生

当前价格
$0.01
如果投入 $100
$10,000
否99%

事件不会发生

当前价格
$0.99
如果投入 $100
$101

概率

自事件纳入追踪起开始记录历史

价格如何变动

目前可获得的数据显示,各平台对该事件给出的共识概率为0%,而现有信息未提供该价格在过去一天或一周内发生显著波动的具体记录。价格长期维持在接近于零的水平,说明市场自该问题开放交易以来,对“阿里巴巴登顶”这一结果的判断就高度一致且几乎没有分歧,而非经历过大幅摇摆后才收敛至当前水平。159,452美元的总成交额集中在Polymarket一个平台,也说明这是一个相对小众但持续有人参与验证既有判断的市场。

分析

背景

LMArena(原Chatbot Arena)是一个由用户投票驱动的大模型评测平台,访客对两款匿名模型的回答进行盲测打分,系统据此计算出类似Elo等级分的排名。该平台因其评测方式贴近真实用户偏好,被视为衡量大模型综合表现的重要参考之一,谷歌、OpenAI、Anthropic、xAI、Meta以及阿里巴巴的通义千问(Qwen)系列都是长期参与者。本次市场对应的问题是:截至2026年11月30日美东时间中午12点的快照时刻,排行榜“Text Arena Overall”(关闭风格控制)榜首模型的所属公司是否为阿里巴巴。该问题将于2026年12月1日结算,数据来源为arena.ai官方排行榜页面。结算规则还规定,若出现并列,先比较底层Arena分数,再按公司名称字母顺序裁定;同时,任何在快照时被标记为“AutoEval”(自动评测、非正式人工投票结果)的模型将被排除在外,这意味着某些新模型即便分数领先,也可能因未完成正式人工评测流程而不计入排名。
目前各交易平台对该事件给出的共识概率为0%,唯一有交易记录的平台Polymarket累计成交额约159,452美元,这一规模说明市场对该问题存在一定关注,但交易相对集中、参与规模有限,流动性并不算深厚。概率长期贴近零意味着交易者几乎一致认为阿里巴巴的模型在11月30日快照时刻登顶的可能性微乎其微,这种高度一致的定价本身就是一种信号,表明分歧极小,而非价格仍在博弈阶段。 要理解这一定价,需要回到LMArena的评分机制:排名基于长期积累的用户盲测投票,新模型即便表现优异,也需要经过数周到数月的投票积累才能形成稳定、可信的分数,而非一经发布就能立刻冲上总榜首位。从现在到2026年11月30日只剩约两周时间,这意味着即便阿里巴巴在此期间发布新一代Qwen旗舰模型,也很难在如此短的窗口内积累到足以超越现任头名模型的投票量和分数稳定性。 结算规则中的两个细节也值得注意。其一是“风格控制关闭”,这一设置下,回答的表达方式、格式等因素会直接影响用户投票倾向,而不同实验室的模型在风格调优上的策略差异会被放大,可能有利于已经针对该指标优化过的现任头部模型。其二是AutoEval模型将被排除,这意味着只有经过人工众包投票的正式排名才算数,进一步压缩了“黑马”模型短期内凭自动评测分数登顶的可能性。 综合来看,0%的共识概率反映的是市场对现有头部格局短期内难以被颠覆的判断,而非对阿里巴巴技术能力的否定,更多是时间窗口和评测机制共同作用的结果。

影响概率的因素

  1. 投票积累所需时间

    LMArena排名依赖长期众包投票积累,新发布的模型通常需要数周到数月才能形成稳定分数,而距结算仅剩约两周,这大幅压低了任何新模型短期逆袭的概率。

  2. 现任头部模型的既有优势

    榜单前列长期被非中国实验室的旗舰模型占据,这些模型已积累大量投票数据,分数相对稳定,构成了阿里巴巴需要跨越的直接门槛。

  3. 风格控制与AutoEval规则

    结算采用关闭风格控制的榜单版本,且排除被标记为AutoEval的模型,这两项技术细节共同限制了依靠自动评测分数或特定回答风格实现短期登顶的路径。

  4. 阿里巴巴自身的发布节奏

    若阿里巴巴在11月内发布显著升级的通义千问新版本并推送至LMArena评测,理论上可以改变局面,但目前没有证据表明已有这样的发布计划会在结算窗口内完成并积累足够投票。

  5. 市场参与规模有限

    该事件仅在一个平台有实质交易,成交额约159,452美元,参与者相对集中,价格更多反映少数活跃交易者的一致判断,而非广泛分散的市场共识。

支持理由

  • 阿里巴巴需要在2026年11月30日美东时间中午12点前发布一款显著强于现有版本的通义千问模型,并将其提交至LMArena参与人工盲测投票。
  • 该新模型需要在不到两周的时间内积累足够多的用户投票,使其Arena分数超过当前榜首模型,且该模型未被标记为AutoEval。
  • 若现任头部模型所属实验室出现重大失误、下架或评测暂停等意外情况,也可能为阿里巴巴模型的相对排名上升创造空间。
  • 中国实验室近期在部分推理与代码类基准上缩小了与国际头部模型的差距,这类进展如果体现在用户盲测偏好上,理论上有助于推高阿里巴巴模型的Arena分数。

反对理由

  • 当前榜单首位由非中国实验室的模型占据,且该模型已积累大量投票形成相对稳定的领先分数,短期内被反超的技术和统计难度都较高。
  • 距结算快照仅剩约两周,这一时间窗口通常不足以让一款新发布模型完成足够的人工投票积累并稳定登顶。
  • 结算规则排除AutoEval模型,意味着仅凭自动评测跑分无法计入排名,进一步限制了短期内实现反超的可能路径。
  • 市场共识概率已降至0%,且交易高度集中在单一平台,反映出交易者对这一结果几乎不存在分歧,普遍认为发生概率极低。

后续关注

需要关注的关键节点是2026年11月30日美东时间中午12点的最终快照时刻,这是结算依据的唯一检查点。在此之前,任何阿里巴巴通义千问新版本的发布、谷歌Gemini系列或OpenAI等竞争对手的新旗舰模型上线,都可能改变榜单格局;同时也需留意LMArena是否对评测方法、风格控制设置或AutoEval标记规则做出调整,这些技术性变化会直接影响最终认定的“第一名”归属。

交易该结果合约

平台(1)

了解该事件

平台(1)

概率

  • Z.ai会在2026年11月底拥有最佳AI模型吗?0%
  • 阿里巴巴会在2026年11月底拥有最佳AI模型吗?0%
  • SpaceXAI会在2026年11月底拥有最佳AI模型吗?0%
  • Moonshot会在2026年11月底拥有最佳AI模型吗?0%

结算规则

结算依据
https://arena.ai/leaderboard/text/overall-no-style-control
结算日期

该事件依据arena.ai官方网站“Text Arena Overall”排行榜(关闭风格控制设置)判定,检查时间为2026年11月30日美东时间中午12点,正式结算日为2026年12月1日。若届时排名第一的模型所属公司为阿里巴巴,则结果为“是”;若为其他公司,则为“否”。若出现并列,先比较底层Arena分数,分数相同再按公司名称字母顺序裁定;任何在检查时被标记为“AutoEval”的模型不计入排名考量。目前仅Polymarket一个平台对该事件进行交易,不存在不同平台依据不同数据源而导致结算差异的情况。

计算方法 →

本地视角

阿里巴巴是中国市值最高、国际化程度最深的科技企业之一,其AI模型在国际权威评测榜单上的排名,被广泛视为观察中国大模型技术与美国及其他地区同行差距的一个具体指标,这与简体中文读者长期关注的中美科技竞争、出口管制与供应链自主议题直接相关。此外,通义千问系列模型的国际排名也会影响市场对阿里巴巴云业务及相关中概股估值预期的讨论,尽管这种联系是间接的,不构成对具体股价走势的判断。

常见问题

这个问题到底在什么时候、依据什么来结算?
结算检查点是2026年11月30日美东时间中午12点,依据是届时arena.ai网站“Text Arena Overall”榜单(关闭风格控制版本)排名第一的模型所属公司。正式结算日期为2026年12月1日,若第一名为阿里巴巴旗下模型,则该事件判定为“是”,否则为“否”。
市场给出的概率数字到底是什么意思?
这个概率是当前买卖双方对“阿里巴巴夺冠”这一结果达成的共同判断,不是对技术实力的权威评分,也不是对结果的保证。概率会随着新信息(例如新模型发布、投票数据变化)随时调整,页面上显示的数字是实时更新的。
如果快照当天排行榜出现并列第一怎么办?
结算规则规定,若出现并列,先比较模型的底层Arena分数高低,分数更高者优先;若分数也相同,则按公司名称的字母顺序裁定归属,整个流程不涉及人工主观判断。
为什么被标记为AutoEval的模型会被排除?
AutoEval通常指尚未经过完整人工众包盲测投票、而是依靠自动化评测方式得出的分数,这类结果被认为不如正式人工投票稳定可信,因此结算规则将其排除,只认定经过完整人工投票流程的正式排名。
阿里巴巴目前有没有可能在短期内实现反超?
理论上存在可能,但需要在不到两周的时间内发布显著更强的新模型并迅速积累大量用户投票,这在LMArena的评测机制下难度较高,市场目前给出的极低概率也反映了这一判断。

相关事件

0%/ 100%
是 / 否