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 Fable 5.1 (Max) | Anthropic | 14.31% ±1.9 | 15,130 | 10.0 | 50.0 | 0.250 |
| 2 | Claude Opus 5.5 (High) | Anthropic | 13.82% ±2.17 | 5,359 | 4.00 | 20.0 | 0.200 |
| 3 | Claude Sonnet 5.5 (Max) | Anthropic | 12.52% ±3.09 | 5,219 | 2.00 | 10.0 | 0.100 |
| 4 |  GPT 6 Astra (Max) | OpenAI | 12.27% ±2.23 | 11,717 | 10.0 | 50.0 | 1.00 |
| 5 | GPT 6.1 Sol (Max) | OpenAI | 11.23% ±2.76 | 6,278 | 2.00 | 10.0 | 0.100 |
| 6 | GPT 6 Sol (Max) | OpenAI | 9.71% ±2.37 | 6,106 | 2.00 | 10.0 | 0.200 |
| 7 | Claude Opus 5 (High) | Anthropic | 8.67% ±1.41 | 27,560 | 5.00 | 25.0 | 0.500 |
| 8 | Claude Fable 5 (High) | Anthropic | 8.21% ±1.22 | 41,832 | 10.0 | 50.0 | 1.00 |
| 9 | Claude Opus 5 (Max) | Anthropic | 7.92% ±1.47 | 22,781 | 5.00 | 25.0 | 0.500 |
| 10 |  Gemini 4 Argon (High) | 7.57% ±1.93 | 10,030 | — | — | — |
Forrás: arena.ai · Frissítve Oct 2, 2026 · PandaNpc Frissítve 2026. okt. 13. 06:00 UTCTeljes ranglista megtekintése →
Számok olvasása
Egy LLM-ranglista megmutatja, melyik modellt kedvelik jobban az emberek; egy AI-benchmark megmutatja, mire képes egy modell objektíven; a használati adatok megmutatják, mit használnak ténylegesen a fejlesztők éles környezetben. Egyetlen rangsor sem válaszolja meg, hogy „melyik a legjobb AI-modell”, ezért ez az oldal mindhármat egyesíti — a Chatbot Arena Elo-pontszámait (arena.ai), az Artificial Analysis Intelligence Indexét és beszédarénáit, valamint az OpenRouter tokenrészesedését — és naponta frissíti őket.
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.