Žebříčky AI modelů
Vícezdrojové žebříčky AI pro chat, řeč, TTS, ASR, kód, obrázky, video a agenty — z arena.ai, OpenRouter a Artificial Analysis.
| Pořadí | Model | Poskytovatel | Elo ? | Hlasy ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-fable-5 | Anthropic | 1508 ±5 | 24,331 | 10.0 | 50.0 | 1.00 |
| 2 | claude-opus-4-6-high | Anthropic | 1504 ±4 | 72,359 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-7-high | Anthropic | 1502 ±4 | 60,203 | 5.00 | 25.0 | 0.500 |
| 4 |  muse-spark-1.2 (xHigh) | Meta | 1498 ±10 | 3,257 | 1.25 | 4.25 | 0.150 |
| 5 | claude-opus-4-6 | Anthropic | 1497 ±3 | 76,362 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7 | Anthropic | 1494 ±4 | 61,304 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-5-high | Anthropic | 1493 ±5 | 27,610 | 5.00 | 25.0 | 0.500 |
| 8 | muse-spark-1.1 | Meta | 1491 ±5 | 20,242 | 1.25 | 4.25 | 0.150 |
| 9 |  gemini-3.7-flash-high | 1490 ±8 | 5,718 | 0.750 | 3.75 | 0.075 | |
| 10 |  kimi-k3-max | Moonshot | 1489 ±6 | 15,054 | 3.00 | 15.0 | 0.300 |
| 11 | muse-spark | Meta | 1488 ±6 | 13,584 | — | — | — |
| 12 | claude-opus-5-max | Anthropic | 1487 ±6 | 13,403 | 5.00 | 25.0 | 0.500 |
| 13 |  glm-5.3-max | Z.ai | 1487 ±10 | 3,751 | 1.40 | 4.40 | 0.260 |
| 14 | gemini-3.1-pro-preview | 1486 ±3 | 99,182 | 2.00 | 12.0 | 0.200 | |
| 15 | gemini-3-pro | 1485 ±4 | 41,491 | — | — | — |
Zdroj: arena.ai · Aktualizováno Aug 21, 2026 · PandaNpc Aktualizováno 29. 8. 2026 06:00 UTCZobrazit celý žebříček →
Jak číst čísla
arena.ai (dříve LMArena) ukazuje uživatelům dvě anonymní odpovědi na stejný dotaz a žádá je, aby jednu vybrali, poté z těchto soubojů odvodí Elo hodnocení. Měří, kterou odpověď lidé preferují — ne objektivní schopnost. Příjemný styl může vyhrát, zatímco důkladná, ale mnohomluvná odpověď může prohrát.
Hlasy jsou bitvy, které model nasbíral. Nově uvedený model má málo hlasů a široký interval spolehlivosti, takže jeho pořadí snadno kolísá — vždy čtěte pořadí společně s intervalem ±.
Deska Agent funguje odlišně od ostatních: měří skutečné relace agentů namísto preference slepého hlasování. Její hlavní metrika, Net Improvement, je procentuální zisk — nikoli hodnocení Elo — takže ji nelze srovnávat napříč deskami. arena.ai také uvádí pět dalších dimenzí (Confirmed Success, Steerability, Bash Recovery a další) na plném žebříčku.
Tabulka využití pochází z OpenRouter a počítá reálný podíl API tokenů — vývojáři hlasují svými peněženkami, což doplňuje subjektivní tabulky preferencí.
Řečové žebříčky pocházejí z Artificial Analysis: TTS používá Speech Arena Elo ze slepého poslechu; ASR používá AA-WER v2, kde nižší je lepší; a nativní Speech-to-Speech používá stejně vážený kompozit z Big Bench Audio, Full Duplex Bench a τ-Voice, kde vyšší je lepší. Porovnávejte skóre pouze v rámci stejného žebříčku. Zdroj: artificialanalysis.ai.
Žebříček Intelligence Index pochází od Artificial Analysis: shrnuje mnoho veřejných benchmarků do jediného Intelligence Indexu v rozmezí 0-100, který měří objektivní schopnosti namísto subjektivních preferencí — přirozený doplněk k lidskému slepému hlasování arena.ai. Zdroj: artificialanalysis.ai.