AIモデルリーダーボード
チャット、音声、TTS、ASR、コード、画像、動画、エージェント向けのマルチソースAIランキング — arena.ai、OpenRouter、Artificial Analysis から。
| 順位 | モデル | ベンダー | Elo ? | 投票数 ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-fable-5 | Anthropic | 1508 ±5 | 24,331 | 10.0 | 50.0 | 1.00 |
| 2 | claude-opus-4-6-high | Anthropic | 1504 ±4 | 72,359 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-7-high | Anthropic | 1502 ±4 | 60,203 | 5.00 | 25.0 | 0.500 |
| 4 |  muse-spark-1.2 (xHigh) | Meta | 1498 ±10 | 3,257 | 1.25 | 4.25 | 0.150 |
| 5 | claude-opus-4-6 | Anthropic | 1497 ±3 | 76,362 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7 | Anthropic | 1494 ±4 | 61,304 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-5-high | Anthropic | 1493 ±5 | 27,610 | 5.00 | 25.0 | 0.500 |
| 8 | muse-spark-1.1 | Meta | 1491 ±5 | 20,242 | 1.25 | 4.25 | 0.150 |
| 9 |  gemini-3.7-flash-high | 1490 ±8 | 5,718 | 0.750 | 3.75 | 0.075 | |
| 10 |  kimi-k3-max | Moonshot | 1489 ±6 | 15,054 | 3.00 | 15.0 | 0.300 |
| 11 | muse-spark | Meta | 1488 ±6 | 13,584 | — | — | — |
| 12 | claude-opus-5-max | Anthropic | 1487 ±6 | 13,403 | 5.00 | 25.0 | 0.500 |
| 13 |  glm-5.3-max | Z.ai | 1487 ±10 | 3,751 | 1.40 | 4.40 | 0.260 |
| 14 | gemini-3.1-pro-preview | 1486 ±3 | 99,182 | 2.00 | 12.0 | 0.200 | |
| 15 | gemini-3-pro | 1485 ±4 | 41,491 | — | — | — |
ソース: arena.ai · 更新日 Aug 21, 2026 · PandaNpc 更新日 2026年8月29日 06:00 UTC完全なリーダーボードを見る →
数字の見方
arena.ai（旧LMArena）は、ユーザーに同じプロンプトに対する2つの匿名の回答を表示し、どちらかを選んでもらいます。その対戦からEloレーティングを算出します。これは、ユーザーがどちらの回答を好むかを測定するものであり、客観的な能力を測るものではありません。好まれるスタイルが勝つことがあり、厳密だが冗長な回答は負けることがあります。
投票数はモデルが蓄積したバトル数です。新しくリストされたモデルは投票数が少なく信頼区間が広いため、ランクが変動しやすくなります。常にランクを±区間と一緒に読んでください。
エージェントボードは他のボードとは異なる動作をします：ブラインド投票の選好ではなく、実際のエージェントセッションを測定します。その主要指標であるNet Improvementはパーセンテージの増加であり、Eloレーティングではないため、ボード間で比較できません。arena.aiは完全なリーダーボードで、さらに5つの次元（Confirmed Success、Steerability、Bash Recoveryなど）も報告しています。
利用状況ボードはOpenRouterから提供され、実際のAPIトークンシェアをカウントしています — 開発者がウォレットで投票しており、主観的な好みのボードを補完します。
スピーチボードはArtificial Analysisに由来します。TTSはブラインドリスニングのSpeech Arena Eloを使用し、ASRはAA-WER v2を使用します（低いほど優れています）。ネイティブSpeech-to-SpeechはBig Bench Audio、Full Duplex Bench、τ-Voiceの等加重複合スコアを使用します（高いほど優れています）。スコアは同じボード内でのみ比較してください。出典: artificialanalysis.ai
Intelligence IndexボードはArtificial Analysisから提供されています。多くの公開ベンチマークを0-100のIntelligence Indexに集約し、主観的な好みではなく客観的な能力を測定します。これはarena.aiの人間によるブラインド投票に対する自然な補完です。出典: artificialanalysis.ai。