1. 为什么大家都在 LMArena 蹲 Gemini 3匿名对战到底怎么玩最近 AI 圈最热闹的事莫过于 LMArena 上突然冒出来的两个神秘模型lithiumflow 和 orionmist。名字看着像随手编的代号但社区里几乎一致认定这就是 Gemini 3 系列在正式发布前的盲测版本。原因也不复杂——lithiumflow 的视觉理解强得离谱有人丢一张模拟时钟的图片过去它能准确读出指针指向的时间这个任务很多模型都会翻车还有人让它写游戏逻辑它直接用数学算法把代码优化了一遍一次成型。orionmist 整体稍弱一点但多了联网搜索能力两者分工很像 Pro 和 Flash 的搭配。LMArena 本身是加州大学伯克利分校做的开放评测平台核心玩法是匿名对战你提一个问题系统随机分配两个模型分别回答你投票选更好的那个投完票才揭晓模型身份。这种设计最大程度消除了品牌偏见你只能凭回答质量判断。也正因为匿名厂商才愿意把未发布的模型放上来跑分Grok 4、GPT-5、nano-banana 发布前都在这里露过脸。对普通用户来说这意味着什么意味着你不需要任何内测资格、不需要申请白名单、不需要付费订阅打开浏览器就能提前和可能是 Gemini 3 的模型对话。整个过程零门槛连注册都可以跳过。下面我把从访问入口到模型选择、再到对话评测和结果对比的完整流程拆开讲每一步都给可复制的操作你跟着做就行。2. 访问 LMArena 与模式选择Battle 模式才是抽到 Gemini 3 的关键先说访问。浏览器直接输入 https://lmarena.ai 回车。页面加载后你会看到输入框不需要登录就能直接开聊。如果你希望保存聊天记录、方便后续对比可以点右上角登录支持谷歌账号一键登录几秒钟搞定。不登录也完全不影响体验只是刷新后记录会丢。进入官网后注意看界面上的模式选项这是整个流程里最关键的一步。LMArena 提供几种模式模式作用能否遇到 lithiumflow/orionmistBattle随机匿名对战两个模型分别回答能这是唯一入口Side by Side指定两个模型对比不能模型需已公开Direct Chat直接选定某个模型对话不能模型需已公开划重点想遇到 lithiumflow 和 orionmist必须选 Battle 模式。这两个模型还没公开发布只会出现在随机对战里就像抽卡不是每次必中但多试几次总能抽到。Battle 也是 LMArena 的默认模式进去一般就在这个界面。选好模式后在输入框里输入你的问题发送。界面会显示 Assistant A 和 Assistant B 两个匿名模型分别给出回答。这时候你还不知道谁是谁只能看回答质量。接下来投票选项有四个Left is Better、Right is Better、Its a tie、Both are bad。这里有个小技巧测试阶段建议选 Its a tie因为投票后系统才会揭晓模型身份选平局可以让你在揭晓后继续追问、继续测试同一个模型不用重新抽。如果第一次没遇到目标模型别气馁。点左侧菜单栏的 New Chat系统会重新随机分配模型。实测下来多试几次命中率不低有人第三次就遇到了 orionmist。整个过程不需要任何配置纯靠点击这也是 LMArena 对小白最友好的地方。3. 可复制的评测配置用固定 Prompt 复现 Gemini 3 的能力对比虽然 LMArena 是网页操作但如果你想认真评测、复现对比结果光靠随手提问是不够的。你需要一套固定的测试用例这样每次抽到不同模型时才能横向比较。下面我给一份可以直接复制使用的评测配置清单包含三类 Prompt分别测视觉、编程和联网能力。第一类视觉理解测试。准备一张包含多个元素的图片比如带指针的时钟、包含文字的截图、或者复杂图表。Prompt 可以这样写请描述这张图片中的所有细节包括1) 图中主要物体及其位置关系2) 如果有时钟请读出准确时间3) 如果图中有文字请逐字转录。请用中文回答。lithiumflow 在这类任务上表现突出尤其是时钟读数这种很多模型会翻车的场景。你可以把同一张图分别喂给抽到的模型记录回答准确度。第二类编程能力测试。用一道需要算法优化的题目观察模型是否一次性给出完整逻辑用 Python 实现一个贪吃蛇游戏的核心逻辑要求1) 使用面向对象设计2) 蛇的移动用坐标队列实现3) 食物生成不能与蛇身重叠4) 给出完整可运行代码并附注释。社区反馈 lithiumflow 会用数学算法优化代码一次写出完整游戏逻辑。你可以对比不同模型在代码完整性、注释质量和边界处理上的差异。第三类联网搜索测试。这类任务主要看 orionmist因为它有联网能力请查询今天 AI 领域最重要的三条新闻并给出每条新闻的来源链接和一句话摘要。如果模型能给出实时信息说明联网生效如果只给训练数据里的旧内容说明没联网。把这三类 Prompt 存到本地文本里每次抽到新模型就粘贴一遍记录结果你就能得到一份自己的对比表。另外如果你在本地用 API 方式做批量评测需要配置 Base URL、Key 和 Model ID 三件套。以 TaoToken 为例Base URL 是 https://taotoken.net/api Key 在控制台创建Model ID 按你实际要测的模型填。配置文件可以写成这样{ base_url: https://taotoken.net/api, api_key: sk-你的密钥, model: gemini-3-pro-preview, temperature: 0.7, max_tokens: 4096 }注意LMArena 网页端不需要这套配置但如果你想把评测流程自动化、批量跑 PromptAPI 方式会更高效。两种方式可以配合使用网页端抽卡体验API 端批量复现。4. 验证请求与成功结果怎么确认你抽到的就是 Gemini 3抽到模型只是第一步关键是确认你遇到的是不是真的 Gemini 3 系列。投票后系统会揭晓模型名称如果显示 lithiumflow 或 orionmist那基本就是目标。但揭晓之后你还需要做几个验证动作确认它的能力符合社区描述。第一个验证动作切换模型复现对比。揭晓身份后不要急着关掉继续追问同一个问题观察回答是否稳定。然后点 New Chat 重新抽如果又抽到同一个模型用同样的 Prompt 再问一遍看结果是否一致。稳定输出高质量回答说明不是偶然。第二个验证动作视觉任务复现。找一张带时钟的图片分别发给 lithiumflow 和其他模型对比读数准确率。lithiumflow 能准确报出时间这是它最明显的特征之一。如果抽到的模型在时钟任务上频繁出错那大概率不是它。第三个验证动作联网能力检测。问一个需要实时信息的问题比如今天的日期加某条新闻。orionmist 能联网搜索会给出带来源的实时回答lithiumflow 没有联网能力只会基于训练数据回答。这个差异可以帮你区分两者。成功结果的标志是什么一是揭晓名称显示 lithiumflow 或 orionmist二是视觉任务准确率高尤其是时钟读数三是编程任务能一次给出完整可运行代码四是 orionmist 能返回实时信息。满足这些基本可以确认你体验到的就是 Gemini 3 预发布版本。实测下来整个流程最耗时的部分不是操作而是抽卡。有时候连续几次都抽不到这时候别放弃点 New Chat 继续。社区里有人抽了十几次才遇到也有人第三次就中。耐心一点反正免费多试几次成本很低。5. 常见报错与排查401、local proxy failed、OAuth 报错怎么处理虽然 LMArena 网页端操作简单但如果你同时用 API 方式做评测可能会遇到一些报错。下面整理几个高频问题和排查方法。第一个401 Unauthorized。这个报错通常出现在 API 调用时原因是 Key 无效或没带上。排查步骤检查请求头里 Authorization 字段格式是否为Bearer sk-xxx注意 Bearer 后面有一个空格检查 Key 是否复制完整有没有多余空格检查 Key 是否已过期或被删除。如果用的是 TaoToken去控制台重新创建一个 Key替换后重试。第二个local proxy failed。这个报错一般和本地网络环境有关不是 LMArena 本身的问题。排查步骤检查本地是否设置了系统代理如果有尝试关闭后重试检查防火墙是否拦截了请求如果是公司网络可能需要换一个网络环境。注意这里说的是本地网络配置排查不涉及任何特殊工具。第三个reading choices 报错。这个通常出现在解析 API 返回结果时原因是返回结构和你代码里解析的字段不一致。排查步骤先打印完整返回 JSON看实际结构确认 choices 字段是否存在有些模型返回的是 candidates 或 content检查是否因为 max_tokens 设置过小导致返回被截断。把返回结构打印出来对照基本能定位。第四个OAuth 报错。这个出现在登录 LMArena 时尤其是用谷歌账号一键登录。排查步骤检查浏览器是否禁用了第三方 CookieOAuth 流程需要它尝试换一个浏览器或无痕模式如果公司账号有限制换个人账号登录。登录不是必须的如果一直报错直接跳过登录用匿名模式也能体验。第五个模型不出现。这不是报错但很多人会困惑。lithiumflow 和 orionmist 只在 Battle 模式随机出现如果你在 Side by Side 或 Direct Chat 里找永远找不到。确认你在 Battle 模式然后多点几次 New Chat。如果你在配置 API 时用到 Claude Code 或类似工具需要写全三件套Base URL 填 https://taotoken.net/api Key 填控制台创建的密钥Model ID 填你要用的模型名。三者缺一不可少一个就会报 401 或 model not found。配置文件建议用 JSON 或 TOML 格式路径和字段名保持一致避免解析错误。6. 从体验到落地把 LMArena 评测结果用起来的实用建议体验完 Gemini 3 预发布版本后很多人会问然后呢我的建议是把 LMArena 当成一个持续跟踪模型能力的窗口而不是一次性尝鲜。具体怎么做分享几个实用思路。第一建立自己的评测记录表。每次抽到新模型把 Prompt、回答质量、响应速度、是否联网记下来。积累一段时间后你会对各家模型的能力边界有直观感受。这个表不需要多复杂一个 Markdown 表格就够。第二把评测结果和实际项目结合。比如你在做视觉相关的应用lithiumflow 的时钟读数能力说明它在图像理解上有优势可以考虑在正式发布后接入如果你需要联网搜索orionmist 的方向更合适。提前在 LMArena 上验证能力比等发布后再试错成本低得多。第三关注模型发布节奏。Gemini 3 在 LMArena 上跑分说明发布临近。社区里有说 10 月 22 日的有说 11 月 12 日的也有说年底的。不管哪个时间点提前在 LMArena 上熟悉它的能力特征等正式发布时你就能快速判断它适不适合你的场景。第四如果你想把评测流程自动化可以用 API 方式批量跑 Prompt。TaoToken 的 API 入口是 https://taotoken.net/api 配合前面给的 JSON 配置你可以写一个脚本把三类测试 Prompt 批量发给不同模型自动记录结果。这样比手动在网页上抽卡效率高得多。需要创建 Key 的话去控制台操作就行想先体验模型对话可以直接用模型对话入口如果是长期编码或 Agent 场景Coding Plan 会更合适。最后说一个我踩过的坑一开始我在 Side by Side 模式里找了半天 lithiumflow怎么都找不到后来才反应过来必须用 Battle 模式。这个点很容易被忽略但恰恰是能不能遇到 Gemini 3 的关键。记住Battle 模式多点 New Chat耐心抽卡你一定能遇到。