Papan Peringkat LLM dan Peringkat Model AI

Satu halaman yang menghimpun benchmark dan papan peringkat AI utama — Chatbot Arena Elo (arena.ai), Artificial Analysis Intelligence Index dan Speech Arena, serta penggunaan OpenRouter — di berbagai kategori: chat, coding, TTS, ucapan-ke-teks, gambar, video, dan agen.

Peringkat	Model	Vendor	Pangsa % ?	Tokens ?	Input ?	Output	Cache ?
1	deepseek-v4.1-flash-20260910	DeepSeek	23.9%	6.0T	0.045	0.891	0.0054
2	step-5-preview-20261008	Stepfun	12.9%	3.2T	1.00	2.70	0.050
3	glm-5.3-flash-20260826	Zhipu	8.1%	2.0T	0.026	0.900	0.011
4	mimo-v2.6-flash-20260921	Xiaomi	6.3%	1.6T	0.140	0.280	0.0028
5	nemotron-3-ultra-550b-a55b-20260604	Nvidia	4.5%	1.1T	0.600	2.40	0.120
6	hy4-preview-20260827	Tencent	4.4%	1.1T	0.834	2.50	0.042
7	gpt-6-luna-20260922	OpenAI	3.4%	856.2B	0.100	0.500	0.010
8	claude-opus-5.5-20260921	Anthropic	3.1%	788.5B	4.00	20.0	0.200
9	glm-5.3-20260816	Zhipu	2.6%	652.1B	0.079	4.80	0.059
10	deepseek-v4-flash-20260731	DeepSeek	2.4%	601.1B	0.014	0.576	0.011
11	deepseek-v4-flash-20260423	DeepSeek	2%	499.8B	0.014	0.576	0.011
12	hy3-20260706	Tencent	1.9%	485.8B	0.132	0.528	0.033
13	muse-spark-1.3-contributor-20260902	Meta	1.9%	480.3B	0.100	0.200	0.0020
14	Tjev-1.13-20260917	Typesafe	1.9%	469.4B	—	—	—
15	kimi-k3-20260715	Moonshot	1.8%	452.3B	0.730	13.5	0.550
16	claude-sonnet-5.5-20260928	Anthropic	1.5%	374.3B	2.00	10.0	0.100
17	gpt-6.1-sol-20260929	OpenAI	1.2%	301.7B	2.00	10.0	0.100
18	gemini-3.8-flash-20260902	Google	1.2%	297.0B	0.750	3.75	0.075
19	mimo-v2.6-pro-20260921	Xiaomi	1.1%	268.8B	0.435	0.870	0.0036
20	claude-haiku-5.5-20261007	Anthropic	1%	253.0B	0.100	0.500	0.010
21	gpt-5.6-luna-20260709	OpenAI	1%	250.6B	0.200	1.20	0.020
22	nemotron-3.5-lightning-20260807	Nvidia	0.9%	223.4B	0.070	0.200	0.040
23	minimax-m3-20260531	MiniMax	0.8%	202.5B	0.300	1.20	0.060
24	gemini-3-flash-preview-20251217	Google	0.8%	190.7B	0.500	3.00	0.050
25	glm-5.2-20260616	Zhipu	0.6%	152.5B	0.060	7.00	0.059
26	laguna-s-2.1-20260720	Poolside	0.6%	145.1B	0.090	0.180	0.0090
27	Usolar-mini4-20260922	Upstage	0.6%	143.3B	0.050	0.200	0.0050
28	claude-opus-5-20260723	Anthropic	0.5%	131.1B	5.00	25.0	0.500
29	gpt-5.6-sol-20260709	OpenAI	0.5%	130.5B	2.00	10.0	0.200
30	deepseek-v4-pro-20260813	DeepSeek	0.5%	119.9B	0.660	1.98	0.022
31	Usolar-pro4-20260810	Upstage	0.5%	114.5B	0.090	0.360	0.018
32	Ddots-3-note-preview-20260813	Dots-studio	0.5%	113.6B	—	—	—
33	Iling-3.1-flash-20261002	Inclusionai	0.4%	107.0B	—	—	—
34	claude-sonnet-5-20260630	Anthropic	0.4%	104.7B	2.00	10.0	0.200
35	deepseek-v4-pro-20260423	DeepSeek	0.4%	102.2B	0.660	1.98	0.022
36	muse-spark-1.3-20260902	Meta	0.4%	91.6B	1.25	4.25	0.150
37	gemini-2.5-flash-lite	Google	0.4%	90.6B	0.100	0.400	0.010
38	nemotron-3-super-120b-a12b-20230311	Nvidia	0.4%	88.3B	0.080	0.450	—
39	qwen3.8-flash-20260826	Alibaba	0.3%	82.6B	0.150	0.470	0.016
40	gpt-6-astra-20260903	OpenAI	0.3%	74.2B	10.0	50.0	1.00
41	gemma-4-31b-it-20260402	Google	0.3%	73.0B	0.090	0.340	0.050
42	gpt-oss-120b	OpenAI	0.3%	71.2B	0.150	0.600	0.075
43	mimo-v2.5-20260422	Xiaomi	0.3%	70.6B	0.140	0.280	0.0028
44	pplx-decider-v1.1-27b-20261006	Perplexity	0.3%	66.9B	—	—	—
45	gemini-3.1-flash-lite-20260507	Google	0.3%	66.2B	0.250	1.50	0.025
46	qwen3.8-max-20260902	Alibaba	0.2%	63.1B	2.00	6.00	0.250
47	gemma-4-26b-a4b-it-20260403	Google	0.2%	61.1B	0.076	0.255	0.043
48	gpt-6-sol-20260922	OpenAI	0.2%	60.3B	2.00	10.0	0.200
49	gemini-2.5-flash	Google	0.2%	59.5B	0.300	2.50	0.030
50	mistral-large-4-0-20261006	Mistral	0.2%	58.4B	0.680	2.09	0.070

Sumber: OpenRouter · Diperbarui 2026-10-12 · PandaNpc Diperbarui 13 Okt 2026, 06.00 UTCLihat papan peringkat lengkap →

Cara Membaca Angka

Papan peringkat LLM memberi tahu Anda model mana yang lebih disukai orang; benchmark AI memberi tahu Anda apa yang dapat dilakukan model secara objektif; data penggunaan memberi tahu Anda apa yang sebenarnya dirilis developer. Tidak ada satu peringkat pun yang menjawab "model AI mana yang terbaik", jadi halaman ini menggabungkan ketiganya — Chatbot Arena Elo dari arena.ai, Artificial Analysis Intelligence Index dan arena ucapan, serta pangsa token OpenRouter — dan memperbaruinya setiap hari.

arena.ai (sebelumnya LMArena) menampilkan dua jawaban anonim kepada pengguna untuk perintah yang sama dan meminta mereka memilih salah satu, kemudian memperoleh peringkat Elo dari pertarungan tersebut. Ini mengukur jawaban mana yang lebih disukai orang — bukan kemampuan objektif. Gaya yang disukai bisa menang, sementara jawaban yang teliti tetapi bertele-tele bisa kalah.

Votes adalah pertempuran yang telah dikumpulkan oleh sebuah model. Model yang baru terdaftar memiliki sedikit votes dan interval kepercayaan yang lebar, sehingga peringkatnya mudah berubah — selalu baca peringkat bersama dengan interval ±.

Papan Agent bekerja berbeda dari yang lain: papan ini mengukur sesi agen nyata, bukan preferensi suara buta. Metrik utamanya, Net Improvement, adalah kenaikan persentase — bukan peringkat Elo — sehingga tidak dapat dibandingkan antar papan. arena.ai juga melaporkan lima dimensi lagi (Confirmed Success, Steerability, Bash Recovery dan lainnya) di papan peringkat lengkap.

Papan penggunaan berasal dari OpenRouter dan menghitung pangsa token API nyata — pengembang memberikan suara dengan dompet mereka, yang melengkapi papan preferensi subjektif.

Papan peringkat speech berasal dari Artificial Analysis: TTS menggunakan Elo Speech Arena dengan pendengaran buta; ASR menggunakan AA-WER v2, di mana lebih rendah lebih baik; dan Speech-to-Speech native menggunakan komposit berbobot setara dari Big Bench Audio, Full Duplex Bench, dan τ-Voice, di mana lebih tinggi lebih baik. Bandingkan skor hanya dalam papan yang sama. Sumber: artificialanalysis.ai.

Papan Intelligence Index berasal dari Artificial Analysis: papan ini menyaring banyak tolok ukur publik menjadi satu Intelligence Index 0-100, mengukur kemampuan objektif daripada preferensi subjektif — pelengkap alami untuk vote buta manusia arena.ai. Sumber: artificialanalysis.ai.