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 |  gpt-5.6-sol-xhigh | OpenAI | 1257 ±7 | 29,663 | 2.00 | 10.0 | 0.200 |
| 2 |  claude-opus-4-6-search | Anthropic | 1253 ±5 | 134,699 | 5.00 | 25.0 | 0.500 |
| 3 | gpt-5.5-search | OpenAI | 1242 ±5 | 89,873 | 5.00 | 30.0 | 0.500 |
| 4 | claude-opus-4-7 | Anthropic | 1233 ±5 | 91,394 | 5.00 | 25.0 | 0.500 |
| 5 | claude-fable-5-high | Anthropic | 1230 ±8 | 41,795 | 10.0 | 50.0 | 1.00 |
| 6 |  ernie-5.1 | Baidu | 1227 ±10 | 3,788 | — | — | — |
| 7 | claude-sonnet-4-6-search | Anthropic | 1221 ±5 | 134,905 | 3.00 | 15.0 | 0.300 |
| 8 |  grok-4.5 | SpaceXAI | 1213 ±7 | 31,505 | 2.00 | 6.00 | 0.300 |
| 9 |  gemini-3.1-pro-grounding | 1210 ±5 | 113,282 | 2.00 | 12.0 | 0.200 | |
| 10 | gemini-3-pro-grounding | 1207 ±6 | 37,024 | — | — | — | |
| 11 | gpt-5.2-search | OpenAI | 1207 ±6 | 52,712 | 1.75 | 14.0 | 0.175 |
| 12 | claude-opus-4-8 | Anthropic | 1204 ±6 | 70,998 | 5.00 | 25.0 | 0.500 |
| 13 | grok-4.20-multi-agent-beta-0309 | SpaceXAI | 1204 ±5 | 109,553 | 1.25 | 2.50 | 0.200 |
| 14 | gpt-5.1-search | OpenAI | 1199 ±5 | 59,909 | 1.25 | 10.0 | 0.125 |
| 15 | gemini-3-flash-grounding | 1198 ±5 | 149,334 | 0.500 | 3.00 | 0.050 | |
| 16 | gpt-5.4-search | OpenAI | 1197 ±5 | 110,116 | 2.50 | 15.0 | 0.250 |
| 17 | claude-sonnet-5-search | Anthropic | 1194 ±7 | 40,230 | 2.00 | 10.0 | 0.200 |
| 18 | grok-4.20-beta1 | SpaceXAI | 1189 ±6 | 53,921 | 1.25 | 2.50 | 0.200 |
| 19 | claude-opus-4-5-search | Anthropic | 1180 ±6 | 61,573 | 5.00 | 25.0 | 0.500 |
| 20 | gpt-5.2-search-non-reasoning | OpenAI | 1172 ±6 | 75,658 | — | — | — |
| 21 | grok-4-1-fast-search | SpaceXAI | 1171 ±5 | 81,507 | — | — | — |
| 22 | grok-4-fast-search | SpaceXAI | 1171 ±5 | 41,794 | — | — | — |
| 23 | grok-4.3 | SpaceXAI | 1165 ±5 | 91,483 | 1.25 | 2.50 | 0.200 |
| 24 | claude-sonnet-4-5-search | Anthropic | 1158 ±5 | 127,378 | 3.00 | 15.0 | 0.300 |
| 25 | claude-opus-4-1-search | Anthropic | 1148 ±5 | 76,933 | 15.0 | 75.0 | 1.50 |
| 26 | o3-search | OpenAI | 1144 ±5 | 20,644 | 2.00 | 8.00 | 0.500 |
| 27 | gemini-2.5-pro-grounding | 1142 ±5 | 83,404 | 1.25 | 10.0 | 0.125 | |
| 28 | grok-4-search | SpaceXAI | 1142 ±6 | 19,108 | — | — | — |
| 29 |  ppl-sonar-reasoning-pro-high | Perplexity AI | 1139 ±6 | 29,055 | 2.00 | 8.00 | — |
| 30 | gpt-5-search | OpenAI | 1133 ±6 | 20,781 | 1.25 | 10.0 | 0.125 |
| 31 | ppl-sonar-pro-high | Perplexity AI | 1130 ±6 | 28,519 | 3.00 | 15.0 | — |
| 32 | claude-opus-4-search | Anthropic | 1126 ±5 | 31,037 | — | — | — |
| 33 |  diffbot-small-xl | Diffbot | 1023 ±8 | 6,388 | — | — | — |
| 34 | api-gpt-4o-search | OpenAI | 1006 ±11 | 3,411 | 2.50 | 10.0 | 1.25 |
Źródło: arena.ai · Aktualizacja Aug 24, 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.