原贴链接

我创建了一个免费的开源网站，在这个网站上，两个大型语言模型（LLM）构建同一个应用程序，投票选出表现最佳的模型，并能看到最佳开源编码大型语言模型的实时排行榜。本质上这是一个专注于代码的聊天机器人竞技场！自7小时前推出以来，已经有350多票，目前Qwen 2.5 32B Coder在开源编码大型语言模型中排名领先。应用程序网址：

image

讨论总结

帖子作者创建了一个专注于编码的开源语言模型（LLM）竞技平台，自发布7小时有350 +投票且有实时排行榜。评论者们反应多样，有的认可这个平台并提出添加模型、设置多行输入功能等建设性建议，有的质疑前端渲染提示内容对结果的影响、遇到模型输出异常情况，还有的对平台排行榜呈现形式、与其他项目的关系表示疑问，以及寻求适合设计网站的AI模型等，整体氛围较为平和，不过讨论热度较低。

主要观点

  1. 👍 认可创建的开源编码语言模型竞技平台
    • 支持理由：觉得平台创意不错，如“这很棒！”之类的积极评价。
    • 反对声音：无。
  2. 🔥 建议添加特定模型到平台中
    • 正方观点：可以使平台更加丰富实用，像提到Athene v2在编码基准测试中表现最佳，DeepSeek是有力竞争者等。
    • 反方观点：无。
  3. 💡 质疑生成前端渲染的提示内容对结果的影响
    • 解释：认为提示内容可能使结果产生偏差，并举例llama模型比较结果。
  4. 🤔 执行特定查询时遇到模型输出异常情况
    • 解释：在进行特定查询时，不同模型输出有很大差异，比较结果不符合预期。
  5. 👀 编码工作需要最佳性能，非免费且API受限的模型也应被纳入竞技场
    • 解释：因为最佳性能关系到开发者薪水、软件使用者权益和开发者理智。

金句与有趣评论

  1. “😂 Great! How about adding "qwen2.5 coder 7b", "qwen2.5 coder 14b", "deepseek coder v2 lite" models? Also make multiline input.”
    • 亮点：直接提出对平台改进的具体建议。
  2. “🤔 What’s the prompt to have it generate the whole front end it renders? I think it may be skewing results.”
    • 亮点：对平台结果可能存在偏差的关键疑问。
  3. “👀 当涉及到编码时，你经常需要尽可能最佳的性能，你的薪水取决于它，使用你软件的人依赖它，你的理智（“代码无法工作，请修复”连续1小时）取决于它。”
    • 亮点：阐述编码工作中性能重要性的生动表述。
  4. “😎 I’d recommend Qwen Coder 2.5 32B with some chained LLM calls (Architect agent -> Coder agent).”
    • 亮点：对寻找设计网站AI模型者的针对性推荐。
  5. “💡 In some coding benchmarks Athene v2 is the best open source model, and DeepSeek is always a contender.”
    • 亮点：为平台添加模型提供依据。

情感分析

总体情感倾向较为积极，大部分评论者认可这个平台的创意。主要分歧点在于部分人对平台结果的质疑以及模型的选择范围。可能的原因是大家从不同角度看待这个平台，使用者关注功能和准确性，而创建者更多考虑开源等特性。

趋势与预测

  • 新兴话题：可能会对如何解决模型输出异常情况以及如何优化平台功能（如添加模型、设置多行输入等）进行进一步讨论。
  • 潜在影响：如果按照建议改进平台，可能会吸引更多人使用这个开源编码语言模型竞技平台，在编码领域推动开源模型的发展和对比研究。

详细内容：

《关于开源编码聊天机器人竞技场的热门讨论》

近日，Reddit 上有一则帖子引发了广泛关注。有人创建了一个免费且开源的网站，即https://www.llmcodearena.com/ ，在这个网站中，两个 LLMs 构建相同的应用程序，用户可以投票选出表现最佳的，并能看到开源编码 LLMs 的实时排行榜。自 7 小时前上线以来，已获得 350 多次投票，目前 Qwen 2.5 32B Coder 在排行榜上领先。

此帖子引发了众多讨论，主要观点包括： 有人建议添加“qwen2.5 coder 7b”“qwen2.5 coder 14b”“deepseek coder v2 lite”等模型，并实现多行输入。创建者表示感谢并接纳了这些建议。 有人询问生成整个前端渲染的提示是什么，认为这可能会影响结果。创建者解释在系统提示中只生成 React 应用，如果输入 Python 可能会导致混乱，并表示会更明确这一点。 有人提出该列表需要非免费 API 锁定的模型，认为在编码中常常需要最佳性能，创建者表示不认为这一观点有争议，会考虑添加。 有人询问是否有当前排名前 10 的排行榜样式页面。

还有用户分享个人经历，比如有人表示正在寻找能帮助设计非模板化、带有微妙动画和微交互的网站的 AI 模型；有人表示对如何进行链式 LLM 调用及实际操作一无所知。

总之，这次讨论中既有对模型添加和优化的建议，也有用户在实际使用中的疑问和分享。这场关于开源编码聊天机器人竞技场的讨论，为相关领域的发展提供了丰富的思路和方向。