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-opus-5-high | Anthropic | 1520 ±15 | 1,663 | 5.00 | 25.0 | 0.500 |
| 2 | claude-opus-4-6 | Anthropic | 1510 ±6 | 37,271 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-6-high | Anthropic | 1506 ±7 | 24,973 | 5.00 | 25.0 | 0.500 |
| 4 | claude-fable-5 | Anthropic | 1504 ±9 | 5,792 | 10.0 | 50.0 | 1.00 |
| 5 | claude-opus-4-7 | Anthropic | 1498 ±7 | 18,990 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7-high | Anthropic | 1497 ±7 | 18,793 | 5.00 | 25.0 | 0.500 |
| 7 |  gpt-5.5-high | OpenAI | 1485 ±7 | 16,816 | 5.00 | 30.0 | 0.500 |
| 8 | claude-sonnet-4-6 | Anthropic | 1483 ±6 | 54,427 | 3.00 | 15.0 | 0.300 |
| 9 | gpt-5.5 | OpenAI | 1480 ±7 | 17,286 | 5.00 | 30.0 | 0.500 |
| 10 | gpt-5.6-terra-xhigh | OpenAI | 1479 ±13 | 1,969 | 2.00 | 12.0 | 0.200 |
| 11 | gpt-5.6-sol-xhigh | OpenAI | 1479 ±17 | 1,152 | 2.00 | 10.0 | 0.200 |
| 12 | claude-opus-4-8-high | Anthropic | 1475 ±8 | 8,388 | 5.00 | 25.0 | 0.500 |
| 13 |  muse-spark-1.1 | Meta | 1472 ±13 | 2,054 | 1.25 | 4.25 | 0.150 |
| 14 | claude-sonnet-5-high | Anthropic | 1470 ±10 | 3,601 | 2.00 | 10.0 | 0.200 |
| 15 | gpt-5.4 | OpenAI | 1470 ±7 | 29,809 | 2.50 | 15.0 | 0.250 |
Forrás: arena.ai · Frissítve Jul 26, 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.