Classifica LLM & Classifiche dei Modelli AI
Una pagina che aggrega i principali benchmark e leaderboard di IA — Chatbot Arena Elo (arena.ai), l'Artificial Analysis Intelligence Index e le speech arena, e l'utilizzo di OpenRouter — in chat, coding, TTS, speech-to-text, immagini, video e agenti.
| Posizione | Modello | Fornitore | Indice vocale ? |
|---|---|---|---|
| 1 |  GPT-Live-1 (Astra, medium) | OpenAI | 86.3% |
| 2 |  Qwen Audio 3.0 Realtime Plus | Alibaba | 84% |
| 3 |  Grok Voice Think Fast 2.0 High | SpaceXAI | 82.7% |
| 4 | GPT-Live-1 (Sol, low) | OpenAI | 81.7% |
| 5 | GPT-Realtime-2.1 High | OpenAI | 79.3% |
| 6 | GPT-Realtime-2 High | OpenAI | 77.3% |
| 7 | Qwen Audio 3.0 Realtime Flash | Alibaba | 76.3% |
| 8 | Grok Voice Think Fast 1.0 | SpaceXAI | 75.7% |
| 9 | GPT-Realtime-2 Medium | OpenAI | 75% |
| 10 |  Gemini 3.8 Live | 72.7% | |
| 11 | GPT-Realtime-2.1 Minimal | OpenAI | 72.7% |
| 12 | GPT-Realtime-1.5 | OpenAI | 72% |
| 13 | GPT Realtime (Aug 2025) | OpenAI | 69% |
| 14 | GPT-Realtime-2 Minimal | OpenAI | 66.3% |
| 15 | GPT-Realtime-2.1 Mini High | OpenAI | 65.3% |
| 16 | Grok Voice Agent | SpaceXAI | 64% |
| 17 |  Deepslate Opal | Deepslate | 63% |
| 18 | Higgs Realtime | Boson AI | 60.3% |
| 19 | GPT-Realtime-2.1 Mini Minimal | OpenAI | 59.3% |
| 20 | GPT Realtime Mini (Oct 2025) | OpenAI | 58.3% |
Fonte: Artificial Analysis · Aggiornato Oct 13, 2026 · PandaNpc Aggiornato 13 ott 2026, 06:00 UTCVedi classifica completa →
Come leggere i numeri
Una classifica LLM ti dice quale modello le persone preferiscono; un benchmark di IA ti dice cosa un modello può oggettivamente fare; i dati di utilizzo ti dicono cosa gli sviluppatori pubblicano effettivamente. Nessuna singola classifica risponde alla domanda "qual è il miglior modello di IA", quindi questa pagina aggrega tutti e tre — Chatbot Arena Elo da arena.ai, l'Artificial Analysis Intelligence Index e le speech arenas, e la quota di token di OpenRouter — e li aggiorna quotidianamente.
arena.ai (ex LMArena) mostra agli utenti due risposte anonime allo stesso prompt e chiede loro di sceglierne una, quindi ricava un punteggio Elo da quelle battaglie. Misura quale risposta le persone preferiscono — non la capacità oggettiva. Uno stile gradevole può vincere, mentre una risposta rigorosa ma prolissa può perdere.
I voti sono le battaglie che un modello ha accumulato. Un modello appena elencato ha pochi voti e un ampio intervallo di confidenza, quindi la sua posizione oscilla facilmente — leggi sempre la posizione insieme all'intervallo ±.
La board Agent funziona diversamente dalle altre: misura sessioni reali di agenti, non preferenze di voto cieco. La sua metrica principale, Net Improvement, è un guadagno percentuale — non un punteggio Elo — quindi non può essere confrontata tra board diverse. arena.ai riporta anche altre cinque dimensioni (Confirmed Success, Steerability, Bash Recovery e altre) nella leaderboard completa.
La classifica di utilizzo proviene da OpenRouter e conta la quota reale di token API — gli sviluppatori votano con i loro portafogli, che completa le classifiche di preferenza soggettiva.
Le classifiche vocali provengono da Artificial Analysis: TTS utilizza Speech Arena Elo in ascolto cieco; ASR utilizza AA-WER v2, dove un valore più basso è migliore; e Speech-to-Speech nativo utilizza un composito a pari peso di Big Bench Audio, Full Duplex Bench e τ-Voice, dove un valore più alto è migliore. Confronta i punteggi solo all'interno della stessa classifica. Fonte: artificialanalysis.ai.
La classifica Intelligence Index proviene da Artificial Analysis: distilla molti benchmark pubblici in un unico Intelligence Index da 0 a 100, misurando la capacità oggettiva piuttosto che la preferenza soggettiva — un complemento naturale al voto umano cieco di arena.ai. Fonte: artificialanalysis.ai.