LLMリーダーボード & AIモデルランキング
主要なAIベンチマークとリーダーボード — Chatbot Arena Elo（arena.ai）、Artificial Analysis Intelligence IndexとSpeech Arena、そしてOpenRouterの利用状況 — を、チャット、コーディング、TTS、音声認識、画像、動画、エージェントの各分野にわたって1ページに集約しています。
| 順位 | モデル | ベンダー | Elo ? | 投票数 ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-opus-5.5-max | Anthropic | 1814 ±16 | 2,229 | 4.00 | 20.0 | 0.200 |
| 2 |  gpt-6-astra-max | OpenAI | 1788 ±11 | 5,057 | 10.0 | 50.0 | 1.00 |
| 3 | claude-sonnet-5.5-xhigh | Anthropic | 1773 ±15 | 2,150 | 2.00 | 10.0 | 0.100 |
| 4 | gpt-6.1-sol-max | OpenAI | 1757 ±15 | 1,965 | 2.00 | 10.0 | 0.100 |
| 5 | claude-fable-5.1-max | Anthropic | 1745 ±9 | 6,521 | 10.0 | 50.0 | 0.250 |
| 6 | claude-sonnet-5.5-high | Anthropic | 1716 ±11 | 3,787 | 2.00 | 10.0 | 0.100 |
| 7 | claude-opus-5-max | Anthropic | 1692 ±6 | 17,162 | 5.00 | 25.0 | 0.500 |
| 8 | gpt-6-sol-max | OpenAI | 1687 ±12 | 3,221 | 2.00 | 10.0 | 0.200 |
| 9 |  gemini-4-argon-high | 1678 ±15 | 1,772 | — | — | — | |
| 10 |  qwen3.8-max | Alibaba | 1672 ±12 | 3,450 | 2.00 | 6.00 | 0.250 |
| 11 | qwen3.8-max-0902 | Alibaba | 1672 ±8 | 10,549 | 2.00 | 6.00 | 0.250 |
| 12 | claude-opus-5-high | Anthropic | 1658 ±6 | 21,992 | 5.00 | 25.0 | 0.500 |
| 13 |  muse-spark-1.3-max | Meta | 1656 ±8 | 7,678 | 1.25 | 4.25 | 0.150 |
| 14 |  kimi-k3-max | Moonshot | 1655 ±6 | 17,061 | 0.730 | 13.5 | 0.550 |
| 15 |  grok-4.7-xhigh | SpaceXAI | 1638 ±11 | 3,734 | 2.00 | 6.00 | 0.500 |
| 16 |  mimo-v2.6-flash | Xiaomi | 1636 ±11 | 3,851 | 0.140 | 0.280 | 0.0028 |
| 17 | qwen3.8-flash-next | Alibaba | 1632 ±9 | 6,711 | — | — | — |
| 18 |  hy4-preview | Tencent | 1632 ±10 | 4,798 | 0.834 | 2.50 | 0.042 |
| 19 | mimo-v2.6-pro | Xiaomi | 1630 ±11 | 3,415 | 0.435 | 0.870 | 0.0036 |
| 20 | muse-spark-1.3 (xHigh) | Meta | 1626 ±8 | 6,901 | 1.25 | 4.25 | 0.150 |
ソース: arena.ai · 更新日 Oct 7, 2026 · PandaNpc 更新日 2026年10月13日 06:00 UTC完全なリーダーボードを見る →
数字の見方
LLMリーダーボードは、人々がどのモデルを好むかを示します。AIベンチマークは、モデルが客観的に何ができるかを示します。利用データは、開発者が実際にリリースしているものを示します。どの単一のランキングも「どのAIモデルが最良か」に答えられるものではないため、このページでは、arena.aiのChatbot Arena Elo、Artificial Analysis Intelligence Indexと音声アリーナ、OpenRouterのtokenシェアという3つを集約し、毎日更新しています。
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。