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 |  gpt-5.6-sol-xhigh | OpenAI | 1257 ±7 | 29,663 | 2.00 | 10.0 | 0.200 |
| 2 |  claude-opus-4-6-search | Anthropic | 1253 ±5 | 134,699 | 5.00 | 25.0 | 0.500 |
| 3 | gpt-5.5-search | OpenAI | 1242 ±5 | 89,873 | 5.00 | 30.0 | 0.500 |
| 4 | claude-opus-4-7 | Anthropic | 1233 ±5 | 91,394 | 5.00 | 25.0 | 0.500 |
| 5 | claude-fable-5 | Anthropic | 1230 ±8 | 41,795 | 10.0 | 50.0 | 1.00 |
| 6 |  ernie-5.1 | Baidu | 1227 ±10 | 3,788 | — | — | — |
| 7 | claude-sonnet-4-6-search | Anthropic | 1221 ±5 | 134,905 | 3.00 | 15.0 | 0.300 |
| 8 |  grok-4.5 | SpaceXAI | 1213 ±7 | 31,505 | 2.00 | 6.00 | 0.300 |
| 9 |  gemini-3.1-pro-grounding | 1210 ±5 | 113,282 | 2.00 | 12.0 | 0.200 | |
| 10 | gemini-3-pro-grounding | 1207 ±6 | 37,024 | — | — | — | |
| 11 | gpt-5.2-search | OpenAI | 1207 ±6 | 52,712 | 1.75 | 14.0 | 0.175 |
| 12 | claude-opus-4-8 | Anthropic | 1204 ±6 | 70,998 | 5.00 | 25.0 | 0.500 |
| 13 | grok-4.20-multi-agent-beta-0309 | SpaceXAI | 1204 ±5 | 109,553 | 1.25 | 2.50 | 0.200 |
| 14 | gpt-5.1-search | OpenAI | 1199 ±5 | 59,909 | 1.25 | 10.0 | 0.125 |
| 15 | gemini-3-flash-grounding | 1198 ±5 | 149,334 | 0.500 | 3.00 | 0.050 |
Zdroj: arena.ai · Aktualizováno Aug 24, 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.