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 | Nettó javulás ? | Ülések ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5 (High) | Anthropic | 12.73% ±1.63 | 20,070 | 5.00 | 25.0 | 0.500 |
| 2 | Claude Opus 5 (Max) | Anthropic | 12.41% ±1.91 | 15,850 | 5.00 | 25.0 | 0.500 |
| 3 | Claude Fable 5 (High) | Anthropic | 11.62% ±1.63 | 32,981 | 10.0 | 50.0 | 1.00 |
| 4 |  GPT 5.6 Sol (xHigh) | OpenAI | 10.31% ±1.45 | 26,960 | 2.00 | 10.0 | 0.200 |
| 5 | Claude Opus 4.8 (High) | Anthropic | 9.99% ±1.53 | 35,588 | 5.00 | 25.0 | 0.500 |
| 6 |  Kimi K3 (Max) | Moonshot | 9.53% ±0.61 | 89,758 | 3.00 | 15.0 | 0.300 |
| 7 | GPT 5.5 (xHigh) | OpenAI | 8.56% ±0.97 | 48,549 | 5.00 | 30.0 | 0.500 |
| 8 | Claude Sonnet 5 (High) | Anthropic | 8.05% ±2.27 | 26,108 | 2.00 | 10.0 | 0.200 |
| 9 | Claude Opus 4.7 (High) | Anthropic | 7.27% ±1.26 | 36,563 | 5.00 | 25.0 | 0.500 |
| 10 | Claude Opus 4.7 | Anthropic | 7.18% ±1.28 | 37,099 | 5.00 | 25.0 | 0.500 |
Forrás: arena.ai · Frissítve Aug 24, 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.