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 | AA-WER ↓ ? |
|---|---|---|---|
| 1 |  Fun-Realtime-ASR-preview | Alibaba | 1.73% |
| 2 |  Scribe v2, ElevenLabs | ElevenLabs | 2.18% |
| 3 | Microsoft AI | 2.38% | |
| 4 |  Smallest AI Pulse Pro | Smallest.ai | 2.43% |
| 5 |  Gemini 3.5 Transcribe | 2.6% | |
| 6 |  Voxtral Small, Mistral | Mistral | 2.77% |
| 7 | Gemini 3.1 Pro Preview (High) | 2.82% | |
| 8 |  Universal-3.5 Pro, AssemblyAI | AssemblyAI | 3.02% |
| 9 |  Solaria-3, Gladia | Gladia | 3.23% |
| 10 |  GPT Transcribe, OpenAI | OpenAI | 3.31% |
| 11 |  Resonant-1 | Reson8 | 3.39% |
| 12 |  Inkling (256K), Thinking Machines | Thinking Machines | 3.47% |
| 13 | Qwen3.5 Omni Plus | Alibaba | 3.55% |
| 14 | Gemini 3.1 Pro Preview (Low) | 3.58% | |
| 15 | Voxtral Mini Transcribe 2, Mistral | Mistral | 3.59% |
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.