Πίνακες κατάταξης μοντέλων AI

Πολυ-πηγαίες κατατάξεις AI για συνομιλία, ομιλία, TTS, ASR, κώδικα, εικόνα, βίντεο και πράκτορες — από arena.ai, OpenRouter και Artificial Analysis.

Κατάταξη	Μοντέλο	Προμηθευτής	Μερίδιο % ?	Tokens ?	Input ?	Output	Cache ?
1	deepseek-v4.1-flash-20260910	DeepSeek	23.9%	6.0T	0.045	0.891	0.0054
2	step-5-preview-20261008	Stepfun	12.9%	3.2T	1.00	2.70	0.050
3	glm-5.3-flash-20260826	Zhipu	8.1%	2.0T	0.026	0.900	0.011
4	mimo-v2.6-flash-20260921	Xiaomi	6.3%	1.6T	0.140	0.280	0.0028
5	nemotron-3-ultra-550b-a55b-20260604	Nvidia	4.5%	1.1T	0.600	2.40	0.120
6	hy4-preview-20260827	Tencent	4.4%	1.1T	0.834	2.50	0.042
7	gpt-6-luna-20260922	OpenAI	3.4%	856.2B	0.100	0.500	0.010
8	claude-opus-5.5-20260921	Anthropic	3.1%	788.5B	4.00	20.0	0.200
9	glm-5.3-20260816	Zhipu	2.6%	652.1B	0.079	4.80	0.059
10	deepseek-v4-flash-20260731	DeepSeek	2.4%	601.1B	0.014	0.576	0.011
11	deepseek-v4-flash-20260423	DeepSeek	2%	499.8B	0.014	0.576	0.011
12	hy3-20260706	Tencent	1.9%	485.8B	0.132	0.528	0.033
13	muse-spark-1.3-contributor-20260902	Meta	1.9%	480.3B	0.100	0.200	0.0020
14	Tjev-1.13-20260917	Typesafe	1.9%	469.4B	—	—	—
15	kimi-k3-20260715	Moonshot	1.8%	452.3B	0.730	13.5	0.550
16	claude-sonnet-5.5-20260928	Anthropic	1.5%	374.3B	2.00	10.0	0.100
17	gpt-6.1-sol-20260929	OpenAI	1.2%	301.7B	2.00	10.0	0.100
18	gemini-3.8-flash-20260902	Google	1.2%	297.0B	0.750	3.75	0.075
19	mimo-v2.6-pro-20260921	Xiaomi	1.1%	268.8B	0.435	0.870	0.0036
20	claude-haiku-5.5-20261007	Anthropic	1%	253.0B	0.100	0.500	0.010
21	gpt-5.6-luna-20260709	OpenAI	1%	250.6B	0.200	1.20	0.020
22	nemotron-3.5-lightning-20260807	Nvidia	0.9%	223.4B	0.070	0.200	0.040
23	minimax-m3-20260531	MiniMax	0.8%	202.5B	0.300	1.20	0.060
24	gemini-3-flash-preview-20251217	Google	0.8%	190.7B	0.500	3.00	0.050
25	glm-5.2-20260616	Zhipu	0.6%	152.5B	0.060	7.00	0.059
26	laguna-s-2.1-20260720	Poolside	0.6%	145.1B	0.090	0.180	0.0090
27	Usolar-mini4-20260922	Upstage	0.6%	143.3B	0.050	0.200	0.0050
28	claude-opus-5-20260723	Anthropic	0.5%	131.1B	5.00	25.0	0.500
29	gpt-5.6-sol-20260709	OpenAI	0.5%	130.5B	2.00	10.0	0.200
30	deepseek-v4-pro-20260813	DeepSeek	0.5%	119.9B	0.660	1.98	0.022
31	Usolar-pro4-20260810	Upstage	0.5%	114.5B	0.090	0.360	0.018
32	Ddots-3-note-preview-20260813	Dots-studio	0.5%	113.6B	—	—	—
33	Iling-3.1-flash-20261002	Inclusionai	0.4%	107.0B	—	—	—
34	claude-sonnet-5-20260630	Anthropic	0.4%	104.7B	2.00	10.0	0.200
35	deepseek-v4-pro-20260423	DeepSeek	0.4%	102.2B	0.660	1.98	0.022
36	muse-spark-1.3-20260902	Meta	0.4%	91.6B	1.25	4.25	0.150
37	gemini-2.5-flash-lite	Google	0.4%	90.6B	0.100	0.400	0.010
38	nemotron-3-super-120b-a12b-20230311	Nvidia	0.4%	88.3B	0.080	0.450	—
39	qwen3.8-flash-20260826	Alibaba	0.3%	82.6B	0.150	0.470	0.016
40	gpt-6-astra-20260903	OpenAI	0.3%	74.2B	10.0	50.0	1.00
41	gemma-4-31b-it-20260402	Google	0.3%	73.0B	0.090	0.340	0.050
42	gpt-oss-120b	OpenAI	0.3%	71.2B	0.150	0.600	0.075
43	mimo-v2.5-20260422	Xiaomi	0.3%	70.6B	0.140	0.280	0.0028
44	pplx-decider-v1.1-27b-20261006	Perplexity	0.3%	66.9B	—	—	—
45	gemini-3.1-flash-lite-20260507	Google	0.3%	66.2B	0.250	1.50	0.025
46	qwen3.8-max-20260902	Alibaba	0.2%	63.1B	2.00	6.00	0.250
47	gemma-4-26b-a4b-it-20260403	Google	0.2%	61.1B	0.076	0.255	0.043
48	gpt-6-sol-20260922	OpenAI	0.2%	60.3B	2.00	10.0	0.200
49	gemini-2.5-flash	Google	0.2%	59.5B	0.300	2.50	0.030
50	mistral-large-4-0-20261006	Mistral	0.2%	58.4B	0.680	2.09	0.070

Πηγή: OpenRouter · Ενημερώθηκε 2026-10-12 · PandaNpc Ενημερώθηκε 13 Οκτ 2026, 06:00 (Συντονισμένη Παγκόσμια Ώρα)Προβολή πλήρους πίνακα κατάταξης →

Πώς να διαβάσετε τους αριθμούς

Ένας πίνακας κατάταξης LLM σας δείχνει ποιο μοντέλο προτιμούν οι άνθρωποι· ένα benchmark AI σας δείχνει τι μπορεί αντικειμενικά να κάνει ένα μοντέλο· τα δεδομένα χρήσης σας δείχνουν τι χρησιμοποιούν πραγματικά οι προγραμματιστές στην παραγωγή. Καμία μεμονωμένη κατάταξη δεν απαντά στο «ποιο είναι το καλύτερο μοντέλο AI», γι’ αυτό αυτή η σελίδα συγκεντρώνει και τα τρία — το Elo του Chatbot Arena από το arena.ai, τον Intelligence Index και τις αρένες ομιλίας της Artificial Analysis, και το μερίδιο tokens στο OpenRouter — και τα ανανεώνει καθημερινά.

arena.ai (πρώην LMArena) δείχνει στους χρήστες δύο ανώνυμες απαντήσεις στο ίδιο ερώτημα και τους ζητά να επιλέξουν μία, στη συνέχεια εξάγει μια βαθμολογία Elo από αυτές τις μάχες. Μετρά ποια απάντηση προτιμούν οι άνθρωποι — όχι αντικειμενική ικανότητα. Ένα συμπαθητικό ύφος μπορεί να κερδίσει, ενώ μια αυστηρή αλλά φλύαρη απάντηση μπορεί να χάσει.

Οι ψήφοι είναι οι μάχες που έχει συσσωρεύσει ένα μοντέλο. Ένα νεοπροστεθέν μοντέλο έχει λίγες ψήφους και μεγάλο διάστημα εμπιστοσύνης, επομένως η κατάταξή του αλλάζει εύκολα — πάντα να διαβάζετε την κατάταξη μαζί με το διάστημα ±.

Ο πίνακας Πράκτορα λειτουργεί διαφορετικά από τους υπόλοιπους: μετρά πραγματικές συνεδρίες πρακτόρων αντί για προτιμήσεις τυφλής ψηφοφορίας. Η κύρια μετρική του, Net Improvement, είναι μια ποσοστιαία βελτίωση — όχι βαθμολογία Elo — επομένως δεν μπορεί να συγκριθεί μεταξύ πινάκων. Το arena.ai αναφέρει επίσης πέντε ακόμη διαστάσεις (Confirmed Success, Steerability, Bash Recovery και άλλες) στον πλήρη πίνακα κατάταξης.

Ο πίνακας χρήσης προέρχεται από το OpenRouter και μετρά το πραγματικό μερίδιο token API — οι προγραμματιστές ψηφίζουν με τα πορτοφόλια τους, το οποίο συμπληρώνει τους υποκειμενικούς πίνακες προτίμησης.

Οι πίνακες ομιλίας προέρχονται από την Artificial Analysis: Το TTS χρησιμοποιεί το Speech Arena Elo με τυφλή ακρόαση· το ASR χρησιμοποιεί το AA-WER v2, όπου το χαμηλότερο είναι καλύτερο· και το εγγενές Speech-to-Speech χρησιμοποιεί ένα σύνθετο ίσων βαρών από τα Big Bench Audio, Full Duplex Bench και τ-Voice, όπου το υψηλότερο είναι καλύτερο. Συγκρίνετε τις βαθμολογίες μόνο εντός του ίδιου πίνακα. Πηγή: artificialanalysis.ai.

Ο πίνακας Intelligence Index προέρχεται από το Artificial Analysis: συμπυκνώνει πολλά δημόσια benchmarks σε έναν ενιαίο δείκτη Intelligence Index από 0 έως 100, μετρώντας αντικειμενική ικανότητα αντί για υποκειμενική προτίμηση — ένα φυσικό συμπλήρωμα στην ανθρώπινη τυφλή ψηφοφορία του arena.ai. Πηγή: artificialanalysis.ai.