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 |  gpt-image-2 (medium) | OpenAI | 1462 ±4 | 212,326 | — | — | — |
| 2 |  grok-imagine-image-2.0 (low) | SpaceXAI | 1439 ±8 | 5,936 | — | — | — |
| 3 | Microsoft AI | 1417 ±7 | 9,013 | — | — | — | |
| 4 |  muse-image | Meta | 1405 ±5 | 66,921 | — | — | — |
| 5 | Microsoft AI | 1399 ±4 | 173,251 | — | — | — | |
| 6 |  seedream-5.0-pro | Bytedance | 1395 ±4 | 129,749 | — | — | — |
| 7 |  gemini-3-pro-image-2k (nano-banana-pro) | 1390 ±3 | 530,645 | — | — | — | |
| 8 | grok-imagine-image-quality (20260519) | SpaceXAI | 1390 ±6 | 35,596 | — | — | — |
| 9 | chatgpt-image-latest-high-fidelity (20251216) | OpenAI | 1390 ±3 | 520,974 | — | — | — |
| 10 | gemini-3.1-flash-image (nano-banana-2) [web-search] | 1387 ±4 | 132,009 | 0.500 | 3.00 | — | |
| 11 | gemini-3-pro-image-preview (nano-banana-pro) | 1385 ±3 | 518,482 | 2.00 | 12.0 | 0.200 | |
| 12 |  reve-2.1 | Reve | 1375 ±6 | 19,103 | — | — | — |
| 13 | gpt-image-1.5-high-fidelity | OpenAI | 1371 ±3 | 543,542 | — | — | — |
| 14 | reve-2.0 | Reve | 1358 ±7 | 17,502 | — | — | — |
| 15 |  uni-1.1-max | Luma AI | 1333 ±5 | 40,908 | — | — | — |
Forrás: arena.ai · Frissítve Aug 25, 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.