AI Modell Ranglisták
Többforrású AI-rangsorok csevegés, beszéd, TTS, ASR, kód, kép, videó és ügynökök terén — az arena.ai, OpenRouter és Artificial Analysis által.
| Helyezés | Modell | Gyártó | Elo ? | Szavazatok ? | 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 | — | — | — |
Forrás: arena.ai · Frissítve Aug 21, 2026 · PandaNpc Frissítve 2026. aug. 29. 06:00 UTCTeljes ranglista megtekintése →
Számok olvasása
arena.ai (korábban LMArena) két névtelen választ mutat a felhasználóknak ugyanarra a promptra, és megkéri őket, hogy válasszanak egyet, majd ezekből a küzdelmekből származtat egy Elo-pontszámot. Azt méri, hogy az emberek melyik választ preferálják – nem az objektív képességet. Egy szimpatikus stílus nyerhet, míg egy precíz, de bőbeszédű válasz veszíthet.
A szavazatok a modell által felhalmozott csaták. Egy újonnan listázott modellnek kevés szavazata van és széles a konfidenciaintervalluma, így a rangja könnyen ingadozik — mindig a rangot a ± intervallummal együtt olvassa.
Az Ágens tábla másképp működik, mint a többi: valódi ágens munkameneteket mér, nem pedig vak szavazati preferenciákat. Fő mutatója, a Net Improvement, százalékos növekedés – nem Elo-pontszám –, így nem hasonlítható össze a táblák között. Az arena.ai további öt dimenziót is jelent (Confirmed Success, Steerability, Bash Recovery és mások) a teljes ranglistán.
A használati tábla az OpenRouter-tól származik, és a valós API token megosztást számolja – a fejlesztők a pénztárcájukkal szavaznak, ami kiegészíti a szubjektív preferencia táblákat.
A beszéd-rangsorok az Artificial Analysis-től származnak: a TTS vakon hallgatott Speech Arena Elo-t használ; az ASR az AA-WER v2-t használja, ahol az alacsonyabb jobb; a natív Speech-to-Speech pedig a Big Bench Audio, Full Duplex Bench és τ-Voice egyenlő súlyú kompozitját használja, ahol a magasabb jobb. Csak ugyanazon a rangsoron belül hasonlítsa össze a pontszámokat. Forrás: artificialanalysis.ai.
Az Intelligence Index tábla az Artificial Analysis-től származik: számos nyilvános benchmarkot egyetlen 0-100-as Intelligence Index-szé sűrít, amely az objektív képességet méri a szubjektív preferencia helyett — természetes kiegészítője az arena.ai emberi vak szavazatának. Forrás: artificialanalysis.ai.