Rankingi LLM i modeli AI
Jedna strona, która agreguje główne benchmarki i rankingi AI — Chatbot Arena Elo (arena.ai), Artificial Analysis Intelligence Index i areny mowy oraz użycie OpenRouter — w zakresie czatu, kodowania, TTS, zamiany mowy na tekst, obrazu, wideo i agentów.
| Miejsce | Model | Dostawca | Elo ? | Głosy ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-opus-5-high | Anthropic | 1516 ±7 | 8,794 | 5.00 | 25.0 | 0.500 |
| 2 | claude-fable-5.1-max | Anthropic | 1513 ±15 | 1,403 | 10.0 | 50.0 | 0.250 |
| 3 | claude-opus-4-6-high | Anthropic | 1507 ±6 | 27,929 | 5.00 | 25.0 | 0.500 |
| 4 | claude-opus-4-6 | Anthropic | 1507 ±6 | 41,260 | 5.00 | 25.0 | 0.500 |
| 5 | claude-fable-5-high | Anthropic | 1496 ±8 | 8,497 | 10.0 | 50.0 | 1.00 |
| 6 | claude-opus-4-7 | Anthropic | 1495 ±6 | 22,192 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-4-7-high | Anthropic | 1495 ±7 | 21,957 | 5.00 | 25.0 | 0.500 |
| 8 |  gpt-5.5 | OpenAI | 1486 ±6 | 21,279 | 5.00 | 30.0 | 0.500 |
| 9 | gpt-5.5-high | OpenAI | 1484 ±6 | 20,944 | 5.00 | 30.0 | 0.500 |
| 10 | gpt-5.6-sol-xhigh | OpenAI | 1483 ±9 | 4,818 | 2.00 | 10.0 | 0.200 |
| 11 | claude-sonnet-4-6 | Anthropic | 1482 ±6 | 57,813 | 3.00 | 15.0 | 0.300 |
| 12 | claude-opus-4-8-high | Anthropic | 1475 ±7 | 11,551 | 5.00 | 25.0 | 0.500 |
| 13 | gpt-5.6-terra-xhigh | OpenAI | 1472 ±8 | 5,787 | 2.00 | 12.0 | 0.200 |
| 14 | gpt-5.4 | OpenAI | 1471 ±6 | 33,331 | 2.50 | 15.0 | 0.250 |
| 15 |  muse-spark-1.3-max | Meta | 1471 ±18 | 1,006 | 1.25 | 4.25 | 0.150 |
| 16 | gpt-6-astra-max | OpenAI | 1468 ±14 | 1,621 | 10.0 | 50.0 | 1.00 |
| 17 | claude-sonnet-5-high | Anthropic | 1466 ±8 | 7,411 | 2.00 | 10.0 | 0.200 |
| 18 | muse-spark-1.1 | Meta | 1465 ±9 | 4,885 | 1.25 | 4.25 | 0.150 |
| 19 | claude-opus-4-8 | Anthropic | 1464 ±7 | 12,128 | 5.00 | 25.0 | 0.500 |
| 20 |  gemini-3.5-flash-medium | 1463 ±8 | 6,500 | 1.50 | 9.00 | 0.150 | |
| 21 | claude-opus-4-5-20251101 | Anthropic | 1462 ±10 | 7,981 | 5.00 | 25.0 | 0.500 |
| 22 | gemini-3.5-flash-high | 1461 ±9 | 4,061 | 1.50 | 9.00 | 0.150 | |
| 23 | gpt-5.6-luna-xhigh | OpenAI | 1457 ±8 | 5,766 | 0.200 | 1.20 | 0.020 |
| 24 | gemini-3.6-flash-high | 1456 ±11 | 2,975 | 0.750 | 3.75 | 0.075 | |
| 25 |  grok-4.6-high | SpaceXAI | 1452 ±12 | 2,258 | 2.00 | 6.00 | 0.500 |
| 26 | grok-4.5 | SpaceXAI | 1452 ±9 | 4,965 | 2.00 | 6.00 | 0.300 |
| 27 |  kimi-k2.6 | Moonshot | 1451 ±8 | 11,291 | 0.650 | 3.41 | 0.150 |
| 28 | claude-sonnet-4-5-20250929 | Anthropic | 1450 ±6 | 31,455 | 3.00 | 15.0 | 0.300 |
| 29 | muse-spark | Meta | 1444 ±18 | 1,084 | — | — | — |
| 30 |  qwen3.7-plus | Alibaba | 1444 ±9 | 4,591 | 0.320 | 1.28 | 0.064 |
| 31 | gemini-3.1-pro-preview | 1444 ±5 | 49,457 | 2.00 | 12.0 | 0.200 | |
| 32 |  minimax-m3 | MiniMax | 1435 ±8 | 6,314 | 0.300 | 1.20 | 0.060 |
| 33 | gemini-3-pro | 1434 ±9 | 10,769 | — | — | — | |
| 34 | kimi-k2.5-thinking | Moonshot | 1430 ±7 | 21,569 | 0.500 | 2.50 | 0.150 |
| 35 | gemma-4-31b | 1425 ±8 | 12,326 | 0.090 | 0.340 | 0.050 | |
| 36 | gemini-2.5-pro | 1421 ±6 | 25,110 | 1.25 | 10.0 | 0.125 | |
| 37 | claude-haiku-4-5-20251001 | Anthropic | 1420 ±6 | 34,677 | 1.00 | 5.00 | 0.100 |
| 38 | grok-4.20-beta-0309-reasoning | SpaceXAI | 1416 ±7 | 20,948 | — | — | — |
| 39 |  glm-5v-turbo | Z.ai | 1416 ±8 | 6,995 | 1.20 | 4.00 | 0.240 |
| 40 | gemini-3-flash | 1413 ±9 | 7,158 | 0.500 | 3.00 | 0.050 | |
| 41 | gpt-5.2-high | OpenAI | 1405 ±10 | 7,108 | 1.75 | 14.0 | 0.175 |
| 42 | gpt-5.1 | OpenAI | 1403 ±9 | 8,244 | 1.25 | 10.0 | 0.125 |
| 43 | gpt-5.5-instant | OpenAI | 1403 ±8 | 8,497 | 5.00 | 30.0 | 0.500 |
| 44 | gpt-5.2 | OpenAI | 1401 ±6 | 28,212 | 1.75 | 14.0 | 0.175 |
Źródło: arena.ai · Aktualizacja Sep 13, 2026 · PandaNpc Aktualizacja 13 paź 2026, 06:00 UTCZobacz pełny ranking →
Jak czytać te liczby
Ranking LLM-ów pokazuje, który model preferują użytkownicy; benchmark AI pokazuje, jakie są obiektywne możliwości modelu; dane o wykorzystaniu pokazują, co deweloperzy faktycznie wdrażają. Żaden pojedynczy ranking nie odpowiada na pytanie „który model AI jest najlepszy”, dlatego ta strona agreguje wszystkie trzy – Chatbot Arena Elo z arena.ai, Artificial Analysis Intelligence Index i areny mowy oraz udział tokenów OpenRouter – i odświeża je codziennie.
arena.ai (dawniej LMArena) pokazuje użytkownikom dwie anonimowe odpowiedzi na to samo pytanie i prosi o wybór jednej, a następnie wylicza ranking Elo na podstawie tych starć. Mierzy, którą odpowiedź ludzie wolą — a nie obiektywne możliwości. Lubiany styl może wygrać, podczas gdy rygorystyczna, ale rozwlekła odpowiedź może przegrać.
Głosy to walki, które model zgromadził. Nowo dodany model ma niewiele głosów i szeroki przedział ufności, więc jego ranga łatwo się waha — zawsze czytaj rangę wraz z przedziałem ±.
Panel Agentów działa inaczej niż pozostałe: mierzy rzeczywiste sesje agentów, a nie preferencje z ślepych głosowań. Jego główna metryka, Net Improvement, to procentowy przyrost — a nie rating Elo — więc nie można go porównywać między panelami. arena.ai raportuje także pięć dodatkowych wymiarów (Confirmed Success, Steerability, Bash Recovery i inne) na pełnej liście rankingowej.
Tablica użycia pochodzi z OpenRouter i zlicza rzeczywisty udział tokenów API — programiści głosują portfelami, co uzupełnia subiektywne tablice preferencji.
Panele mowy pochodzą z Artificial Analysis: TTS używa ślepego odsłuchu Speech Arena Elo; ASR używa AA-WER v2, gdzie niższy wynik jest lepszy; a natywny Speech-to-Speech używa równo ważonego złożenia Big Bench Audio, Full Duplex Bench i τ-Voice, gdzie wyższy wynik jest lepszy. Porównuj wyniki tylko w obrębie tego samego panelu. Źródło: artificialanalysis.ai.
Tablica Intelligence Index pochodzi od Artificial Analysis: destyluje ona wiele publicznych benchmarków w pojedynczy wskaźnik Intelligence Index od 0 do 100, mierzący obiektywną zdolność, a nie subiektywne preferencje — naturalne uzupełnienie dla ludzkiego ślepego głosowania arena.ai. Źródło: artificialanalysis.ai.