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 | 1312 ±9 | 9,562 | 10.0 | 50.0 | 1.00 |
| 2 |  qwen3.8-max | Alibaba | 1302 ±8 | 6,743 | 2.00 | 6.00 | 0.250 |
| 3 | claude-opus-4-7-high | Anthropic | 1301 ±7 | 21,122 | 5.00 | 25.0 | 0.500 |
| 4 | claude-opus-4-7 | Anthropic | 1299 ±7 | 21,445 | 5.00 | 25.0 | 0.500 |
| 5 | claude-opus-4-6-high | Anthropic | 1299 ±7 | 20,867 | 5.00 | 25.0 | 0.500 |
| 6 |  muse-spark | Meta | 1294 ±9 | 5,582 | — | — | — |
| 7 | claude-opus-4-6 | Anthropic | 1293 ±7 | 25,169 | 5.00 | 25.0 | 0.500 |
| 8 | muse-spark-1.2 (xHigh) | Meta | 1292 ±15 | 1,853 | 1.25 | 4.25 | 0.150 |
| 9 | claude-opus-5-high | Anthropic | 1292 ±9 | 7,049 | 5.00 | 25.0 | 0.500 |
| 10 |  gemini-3-pro | 1289 ±8 | 13,134 | — | — | — | |
| 11 | gemini-3.5-flash-high | 1286 ±9 | 7,586 | 1.50 | 9.00 | 0.150 | |
| 12 | claude-opus-4-8-high | Anthropic | 1285 ±8 | 12,894 | 5.00 | 25.0 | 0.500 |
| 13 | gemini-3.6-flash-high | 1285 ±12 | 3,119 | 0.750 | 3.75 | 0.075 | |
| 14 |  gpt-5.5 | OpenAI | 1285 ±7 | 20,727 | 5.00 | 30.0 | 0.500 |
| 15 | gemini-3.5-flash-medium | 1285 ±9 | 7,533 | 1.50 | 9.00 | 0.150 |
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。