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 | AA-WER ↓ ? |
|---|---|---|---|
| 1 |  Fun-Realtime-ASR-preview | Alibaba | 1.73% |
| 2 |  Scribe v2, ElevenLabs | ElevenLabs | 2.18% |
| 3 | Microsoft AI | 2.38% | |
| 4 |  Smallest AI Pulse Pro | Smallest.ai | 2.43% |
| 5 |  Gemini 3.5 Transcribe | 2.6% | |
| 6 |  Voxtral Small, Mistral | Mistral | 2.77% |
| 7 | Gemini 3.1 Pro Preview (High) | 2.82% | |
| 8 |  Universal-3.5 Pro, AssemblyAI | AssemblyAI | 3.02% |
| 9 |  Solaria-3, Gladia | Gladia | 3.23% |
| 10 |  GPT Transcribe, OpenAI | OpenAI | 3.31% |
| 11 |  Resonant-1 | Reson8 | 3.39% |
| 12 |  Inkling (256K), Thinking Machines | Thinking Machines | 3.47% |
| 13 | Qwen3.5 Omni Plus | Alibaba | 3.55% |
| 14 | Gemini 3.1 Pro Preview (Low) | 3.58% | |
| 15 | Voxtral Mini Transcribe 2, Mistral | Mistral | 3.59% |
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.