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 | Intelligencia Index ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5 (Adaptive Reasoning, Max Effort) | Anthropic | 63.1 | 5.00 | 25.0 | 0.500 |
| 2 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort) | Anthropic | 62.5 | 5.00 | 25.0 | 0.500 |
| 3 | Claude Fable 5 (Adaptive Reasoning, Max Effort, Opus 4.8 Fallback) | Anthropic | 62.1 | 10.0 | 50.0 | 1.00 |
| 4 | Claude Opus 5 (Adaptive Reasoning, High Effort) | Anthropic | 61.5 | 5.00 | 25.0 | 0.500 |
| 5 |  GPT-5.6 Sol (max) | OpenAI | 60.9 | 2.00 | 10.0 | 0.200 |
| 6 |  Grok 4.6 (high) | SpaceXAI | 60.9 | 2.00 | 6.00 | 0.500 |
| 7 | Grok 4.6 (xhigh) | SpaceXAI | 60 | 2.00 | 6.00 | 0.500 |
| 8 |  Kimi K3 (max) | Kimi | 59.7 | 3.00 | 15.0 | 0.300 |
| 9 |  GLM-5.3 (max) | Z AI | 59.5 | 1.40 | 4.40 | 0.260 |
| 10 | GPT-5.6 Sol (xhigh) | OpenAI | 59 | 2.00 | 10.0 | 0.200 |
| 11 | Grok 4.6 (medium) | SpaceXAI | 59 | 2.00 | 6.00 | 0.500 |
| 12 | Claude Opus 5 (Adaptive Reasoning, Medium Effort) | Anthropic | 58.6 | 5.00 | 25.0 | 0.500 |
| 13 |  Qwen3.8 Max | Alibaba | 58.1 | 2.00 | 6.00 | 0.250 |
| 14 | Qwen3.8 2.4T A95B | Alibaba | 57.7 | 2.00 | 6.00 | 0.250 |
| 15 | GLM-5.3-Flash | Z AI | 57.5 | 0.075 | 0.250 | 0.015 |
Forrás: Artificial Analysis · Frissítve Aug 29, 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.