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 |  gpt-image-2.5-sunburst | OpenAI | 1425 ±7 | 17,103 | — | — | — |
| 2 | gpt-image-2.5-flare | OpenAI | 1398 ±7 | 16,240 | — | — | — |
| 3 | gpt-image-2 (medium) | OpenAI | 1383 ±4 | 92,836 | — | — | — |
| 4 | Microsoft AI | 1333 ±5 | 24,410 | — | — | — | |
| 5 |  gemini-nano-banana-2.1 | 1328 ±9 | 5,312 | 1.50 | 7.50 | — | |
| 6 |  grok-imagine-image-2.0 (canvas) | SpaceXAI | 1321 ±11 | 3,447 | — | — | — |
| 7 |  reve-2.1 | Reve | 1302 ±8 | 8,249 | — | — | — |
| 8 | grok-imagine-image-2.0 (20260801) | SpaceXAI | 1297 ±6 | 13,724 | — | — | — |
| 9 |  muse-image | Meta | 1274 ±5 | 41,538 | — | — | — |
| 10 | reve-2.0 | Reve | 1269 ±6 | 15,773 | — | — | — |
| 11 | gemini-3.1-flash-image (nano-banana-2) [web-search] | 1261 ±4 | 59,779 | 0.500 | 3.00 | — | |
| 12 |  seedream-5.0-pro | Bytedance | 1256 ±4 | 93,528 | — | — | — |
| 13 |  qwen-image-3.0-pro | Alibaba | 1255 ±6 | 11,439 | — | — | — |
| 14 | Microsoft AI | 1254 ±4 | 61,267 | — | — | — | |
| 15 | gemini-3.1-flash-lite-image (nano-banana-2-lite) | 1250 ±6 | 17,806 | 0.250 | 1.50 | — | |
| 16 | gemini-3-pro-image-2k (nano-banana-pro) | 1248 ±3 | 174,996 | — | — | — | |
| 17 | gpt-image-1.5-high-fidelity | OpenAI | 1238 ±3 | 169,476 | — | — | — |
| 18 | gemini-3-pro-image-preview (nano-banana-pro) | 1234 ±5 | 86,464 | 2.00 | 12.0 | 0.200 | |
| 19 | qwen-image-2.1 | Alibaba | 1223 ±7 | 10,688 | — | — | — |
| 20 |  ideogram-4.0-quality | Ideogram | 1205 ±4 | 59,812 | — | — | — |
ソース: arena.ai · 更新日 Oct 6, 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。