能力榜单
RoboArena
多实验室真机双盲对比
主榜 · 采用官方至少 100 次评测的正式评级榜，降低少量样本的不确定性。
评级来自双盲成对评测；标准差越大，不确定性越高。依官网门槛分开正式与少于 100 次评测的提交。
9 条提交 · 已核查 9 条实名归属 · 当前显示 9 条 · 筛选保留赛道名次
| 名次 | 模型 / 系统与提交者 | 实名归属 | 评级 | 评测明细 |
|---|---|---|---|---|
| 01 | DreamZero 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,735.00 评级 | 评测数 190 评级标准差 42.60 |
| 02 | pi05_droid 原榜标注闭源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,608.00 评级 | 评测数 745 评级标准差 30.70 |
| 03 | pi0_fast_droid 原榜标注闭源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。论文虽精确出现该内部名称，可确认历史复测路径，但未取得当前提交者归属的公开字段。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。论文虽精确出现该内部名称，可确认历史复测路径，但未取得当前提交者归属的公开字段。 11月9日 17:57 核查 | 1,582.00 评级 | 评测数 941 评级标准差 29.60 |
| 04 | paligemma_vq_droid 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,546.00 评级 | 评测数 952 评级标准差 29.90 |
| 05 | paligemma_diffusion_droid 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,533.00 评级 | 评测数 949 评级标准差 29.70 |
| 06 | paligemma_fast_specialist_droid 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,531.00 评级 | 评测数 1,057 评级标准差 29.80 |
| 07 | paligemma_fast_droid 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,516.00 评级 | 评测数 1,062 评级标准差 29.90 |
| 08 | pi0_droid 原榜标注闭源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 1,461.00 评级 | 评测数 1,120 评级标准差 29.80 |
| 09 | paligemma_binning_droid 原榜标注开源 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 评测明细（2）
| 未披露 核查记录与证据未确认归属：本次按该精确提交名称及提交者另行执行公开搜索，未取得足以把此条提交与实名公司、高校、研究所或个人绑定的可复核公开认领证据；不沿用搜索返回的无关同名结果。官方实时接口未披露提交者；另查官方论文、项目及代码。模型开发单位或旧版策略池描述不能替代当前具体条目的参榜认领。 11月9日 17:57 核查 | 786.00 评级 | 评测数 629 评级标准差 50.00 |
如何看榜与实名核查
本站依据综合性、当前版本与有效评测样本选择默认主榜，并公开选择理由；这不代表跨榜统一认可度评级。五个榜单分别衡量真机操作、仿真策略、双盲偏好、完整执行系统与世界模型。只在同版本、同赛道和相同评测条件内比较，本站不拼接成统一总分，也不设置 S—D 等级。
首次导入时逐个检索提交者的公开认领信息，证据可在每条“核查记录与证据”中查看。“未披露”表示未取得足以确认归属的公开证据，不代表个人或匿名团队；基座模型的开发机构也不自动等于本次提交者。原榜填报内容与实名核查结果分别保留。
成绩每日 16:00 检查。新出现的提交者通过联网检索，再由灵智 deepseek-v4.1-flash 核对公开证据；失败时保留待核查，未取得明确认领依据则显示“未披露”。已有实名不因成绩刷新自动改写。你可随时要求“对整个榜单重新实名搜索”，重新逐项检索全部当前提交，包括已实名的条目。新出现且尚未核查的提交显示“未披露 / 待实名核查”。
优先关注新团队身份、同条件成绩提升、跨榜或真机佐证，以及代码与权重发布。榜单分数不能替代对本体可靠性、连续运行及交付能力的独立核验。