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 | Index inteligence ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5 (Adaptive Reasoning, Max Effort) | Anthropic | 63.1 | 5.00 | 25.0 | 0.500 |
| 2 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort) | Anthropic | 62.5 | 5.00 | 25.0 | 0.500 |
| 3 | Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback) | Anthropic | 62.1 | 10.0 | 50.0 | 1.00 |
| 4 | Claude Opus 5 (Adaptive Reasoning, High Effort) | Anthropic | 61.5 | 5.00 | 25.0 | 0.500 |
| 5 |  GPT-5.6 Sol (max) | OpenAI | 60.9 | 2.00 | 10.0 | 0.200 |
| 6 |  Grok 4.6 (high) | SpaceXAI | 60.9 | 2.00 | 6.00 | 0.500 |
| 7 | Grok 4.6 (xhigh) | SpaceXAI | 60 | 2.00 | 6.00 | 0.500 |
| 8 |  Kimi K3 (max) | Kimi | 59.7 | 3.00 | 15.0 | 0.300 |
| 9 |  GLM-5.3 (max) | Z AI | 59.5 | 1.40 | 4.40 | 0.260 |
| 10 | GPT-5.6 Sol (xhigh) | OpenAI | 59 | 2.00 | 10.0 | 0.200 |
| 11 | Grok 4.6 (medium) | SpaceXAI | 59 | 2.00 | 6.00 | 0.500 |
| 12 | Claude Opus 5 (Adaptive Reasoning, Medium Effort) | Anthropic | 58.6 | 5.00 | 25.0 | 0.500 |
| 13 |  Qwen3.8 Max | Alibaba | 58.1 | 2.00 | 6.00 | 0.250 |
| 14 | Qwen3.8 2.4T A95B | Alibaba | 57.7 | 2.00 | 6.00 | 0.250 |
| 15 | GLM-5.3-Flash | Z AI | 57.5 | 0.075 | 0.250 | 0.015 |
Zdroj: Artificial Analysis · Aktualizováno Aug 29, 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.