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 |  gpt-image-2 (medium) | OpenAI | 1462 ±4 | 212,326 | — | — | — |
| 2 |  grok-imagine-image-2.0 (low) | SpaceXAI | 1439 ±8 | 5,936 | — | — | — |
| 3 | Microsoft AI | 1417 ±7 | 9,013 | — | — | — | |
| 4 |  muse-image | Meta | 1405 ±5 | 66,921 | — | — | — |
| 5 | Microsoft AI | 1399 ±4 | 173,251 | — | — | — | |
| 6 |  seedream-5.0-pro | Bytedance | 1395 ±4 | 129,749 | — | — | — |
| 7 |  gemini-3-pro-image-2k (nano-banana-pro) | 1390 ±3 | 530,645 | — | — | — | |
| 8 | grok-imagine-image-quality (20260519) | SpaceXAI | 1390 ±6 | 35,596 | — | — | — |
| 9 | chatgpt-image-latest-high-fidelity (20251216) | OpenAI | 1390 ±3 | 520,974 | — | — | — |
| 10 | gemini-3.1-flash-image (nano-banana-2) [web-search] | 1387 ±4 | 132,009 | 0.500 | 3.00 | — | |
| 11 | gemini-3-pro-image-preview (nano-banana-pro) | 1385 ±3 | 518,482 | 2.00 | 12.0 | 0.200 | |
| 12 |  reve-2.1 | Reve | 1375 ±6 | 19,103 | — | — | — |
| 13 | gpt-image-1.5-high-fidelity | OpenAI | 1371 ±3 | 543,542 | — | — | — |
| 14 | reve-2.0 | Reve | 1358 ±7 | 17,502 | — | — | — |
| 15 |  uni-1.1-max | Luma AI | 1333 ±5 | 40,908 | — | — | — |
ソース: arena.ai · 更新日 Aug 25, 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。