我发现了一个开源的大模型对比神器

我发现了一个开源的 AI 对比神器：再也不用在 GPT、Claude、DeepSeek 之间来回切了

如果你平时会同时用多个 AI，大概率经历过这种场景：

• 想比较 GPT 和 Claude 谁更适合写代码，只能开两个网页来回切
• 想测试同一段提示词在不同模型里的效果，只能反复复制粘贴
• 面对越来越多模型和 API 提供商，感觉“都能用”，但很难快速判断“哪个更适合自己”

我最近发现了一个开源项目，叫 LMRing。

它做的事情很直接：

把多个大模型放到同一个界面里，让你可以真正横向对比它们。

不是简单的 AI 聚合壳子，而是更偏向一个：

• 模型竞技场
• 对比工作台
• 排行和投票系统
• 还能自己部署的开源平台

如果你也经常在 GPT、Claude、DeepSeek、Gemini 之间切换，这个项目真的很值得看。

先说结论：LMRing 到底解决了什么问题？

现在的问题不是“没有 AI 可以用”，而是：

模型太多，选型成本越来越高。

你可能已经有：

• OpenAI
• Anthropic
• Google
• DeepSeek
• OpenRouter
• Groq
• Together AI

但真正麻烦的是，你很难快速回答下面这些问题：

• 写代码到底谁更稳？
• 写文案谁更自然？
• 做分析谁更清晰？
• 同一个提示词在不同模型里的差异到底有多大？

以前做这种比较，最原始的方法就是：

1. 打开多个标签页
2. 复制同一段提示词
3. 分别发给不同模型
4. 再回过头一点点比较

说实话，这个流程又慢又乱，而且对比结果也很难沉淀下来。

LMRing 的价值就在于，它把“模型对比”这件事，做成了一个完整的工作流。

LMRing 是什么？

LMRing 是一个开源、可自托管的 AI 模型对比平台。

你可以在一个界面里同时调用多个模型，让它们回答同一个问题，然后直接比较结果。
不管你是想看：

• 哪个模型代码能力更强
• 哪个模型更会写文案
• 哪个模型更适合分析任务
• 哪个模型的视频生成更好

都不需要再来回切平台。

它最吸引我的地方，不是“支持很多模型”这件事本身，而是它把模型比较做成了一个可视化、可记录、可投票、可自托管的产品。

这就意味着：

你不再只是“凭感觉选模型”，而是能系统化地比较模型。

这个项目最打动我的 4 个点

1. Arena 对战模式，真的很适合拿来比模型

LMRing 最核心的功能就是 Arena。

你可以一次选择 2 到 5 个模型，同时给它们发同一个问题，然后直接看结果谁更好。

这个体验和传统 AI 聊天工具最大的区别是：

它不是让你“用一个模型”，而是让你“比较多个模型”。

而且支持流式输出，模型会边生成边显示。
也就是说，你不需要等所有模型都回答完，再去切屏看结果，而是可以直接同屏观察它们的输出过程。

这个场景特别适合几类任务：

• 算法题和代码实现
• 技术解释和方案对比
• 文案改写和表达风格比较
• 复杂分析任务的推理能力观察

比如你同时让 GPT、Claude、DeepSeek 去写一道算法题，谁的代码更完整，谁的注释更清楚，谁的思路更稳，其实一下就能看出来。

对于经常做模型选择的人来说，这种能力太实用了。

2. 排行榜 + 投票，让模型比较不只是“一次性体验”

很多工具的问题在于，你用完一次就结束了。

但 LMRing 不是。

它把模型对比的结果继续往下做成了排行榜和投票系统，这一点我觉得很聪明。

因为模型对比这件事，本来就不应该只是“我自己看一眼”。
更好的方式是把结果积累下来，慢慢形成一种：

• 社区共识
• 场景偏好
• 真实使用体验下的排名参考

LMRing 支持多种排行榜视图，比如：

• 表格视图
• 柱状图
• 散点图

你可以把它理解成：
它不仅是一个比较工具，还是一个不断沉淀模型表现的评测平台。

这类能力对个人用户是参考，对团队用户就更有价值了。

3. 模型和提供商支持很广，这点决定了它有没有长期价值

如果一个对比平台只能接两三个模型，其实用不了多久就会被淘汰。

LMRing 这点做得比较完整，支持的提供商范围很广，包括：

• OpenAI
• Anthropic
• Google
• DeepSeek
• Mistral
• Groq
• OpenRouter
• Together AI
• Azure
• Amazon Bedrock
• Fireworks
• Perplexity
• X.ai

从使用价值上看，这意味着它不是一个“单厂商客户端”，而是更接近一个 统一比较入口。

这一点很重要。

因为很多人真正想解决的问题不是“怎么调用某个模型”，而是：

当我手里有很多模型时，我怎么更高效地判断该用哪个。

LMRing 恰好就在解决这个问题。

4. 支持自托管，这点对开发者和团队非常友好

这可能是我最看重的一点。

很多 AI 工具看起来都很好，但一到真实使用场景就会遇到一个问题：

数据放哪里？

尤其是当你开始拿真实业务提示词、内部资料、代码片段去跑模型时，是否能自己掌控部署环境就非常重要。

LMRing 支持自托管，意味着：

• 对话数据可以留在自己的服务器
• API Key 不需要完全交给第三方平台
• 更适合团队内部评估模型
• 对隐私和可控性要求高的用户会更安心

如果只是个人试用，这一点可能只是加分项。
但如果你准备长期使用，或者想在团队内部落地，这几乎就是决定性优势。

不只是文本，它连视频生成都能拿来一起比

这个点挺有意思。

LMRing 不只是比文本模型，还支持视频生成模型对比，像：

• OpenAI Sora
• Google Veo
• MiniMax
• Kling
• Seedance
• Vidu

这就让它不只是“大语言模型对比工具”，而更像一个更广义的 AI 能力竞技场。

如果后面继续扩展图片、音频、多模态能力，那这个项目的上限其实挺高的。

适合哪些人？

我觉得这个项目最适合下面几类人：

• 经常在多个 AI 模型之间切换的重度用户
• 想系统比较不同模型能力的开发者
• 需要做内部模型评估或选型的团队
• 对隐私和自托管有要求的人
• 想低成本搭一个“模型对比平台”的独立开发者

如果你平时只固定用一个模型，那它未必是刚需。
但如果你已经进入“多模型工作流”，这个工具的价值会非常明显。

快速开始：本地部署并不复杂

如果你想自己跑起来，官方给的方式比较直接。

本地启动

# 克隆项目
git clone https://github.com/llm-ring/lmring.git
cd lmring

# 安装依赖
pnpm install

# 复制环境配置
cp .env.example .env

# 运行数据库迁移
pnpm db:migrate

# 启动开发服务器
pnpm dev

然后打开：

http://localhost:3000

Docker 启动

如果你更想省事，直接：

docker compose up -d

对于这种工具来说，能不能快速跑起来很关键。
因为只有真正用几个模型对比几轮，你才会立刻知道它到底值不值得留下来。

技术栈也挺现代

从栈上看，这个项目整体比较新，也比较符合现在独立开发和 AI Web 产品的主流选型：

• Next.js 16
• React 19
• TypeScript
• Tailwind CSS 4
• shadcn/ui
• Zustand
• PostgreSQL
• Drizzle ORM
• Better-Auth
• Resend
• Vercel AI SDK

这套组合本身就挺适合做一个：

• 多模型交互
• 结果沉淀
• 排行展示
• 自托管部署

的产品。

最后

我觉得 LMRing 最值得看的地方，不是“功能很多”，而是它切中了一个非常实际的问题：

现在 AI 模型越来越多，但模型之间的比较成本仍然很高。

LMRing 做的，就是把这件事变简单：

• 不用来回切模型
• 不用重复复制提示词
• 不只是看一次结果
• 还能把比较过程沉淀下来

如果你最近也经常在 GPT、Claude、DeepSeek 之间切来切去，这个项目值得试试。

项目地址

• GitHub: github.com/llm-ring/lm…
• 官网: www.lmring.com

如果你也用过类似工具，欢迎聊聊你最在意的是哪一点：

• Arena 对比体验
• 模型覆盖范围
• 自托管能力
• 排行和投票机制