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 | 1382 ±4 | 75,014 | — | — | — |
| 2 | Microsoft AI | 1331 ±8 | 6,418 | — | — | — | |
| 3 |  grok-imagine-image-2.0 (low) | SpaceXAI | 1316 ±12 | 2,675 | — | — | — |
| 4 |  reve-2.1 | Reve | 1302 ±8 | 7,580 | — | — | — |
| 5 |  muse-image | Meta | 1281 ±6 | 22,691 | — | — | — |
| 6 | reve-2.0 | Reve | 1270 ±6 | 14,631 | — | — | — |
| 7 |  gemini-3.1-flash-image (nano-banana-2) [web-search] | 1263 ±5 | 36,392 | 0.500 | 3.00 | — | |
| 8 |  seedream-5.0-pro | Bytedance | 1258 ±5 | 48,174 | — | — | — |
| 9 |  qwen-image-3.0-pro | Alibaba | 1255 ±7 | 10,927 | — | — | — |
| 10 | Microsoft AI | 1254 ±4 | 56,737 | — | — | — | |
| 11 | gemini-3.1-flash-lite-image (nano-banana-2-lite) | 1251 ±6 | 16,381 | 0.250 | 1.50 | — | |
| 12 | gemini-3-pro-image-2k (nano-banana-pro) | 1245 ±3 | 146,806 | — | — | — | |
| 13 | gpt-image-1.5-high-fidelity | OpenAI | 1239 ±3 | 148,079 | — | — | — |
| 14 | gemini-3-pro-image-preview (nano-banana-pro) | 1232 ±5 | 82,738 | 2.00 | 12.0 | 0.200 | |
| 15 |  ideogram-4.0-quality | Ideogram | 1204 ±5 | 36,647 | — | — | — |
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.