Leaderboard de LLMs e Rankings de Modelos de IA
Uma página que reúne os principais benchmarks e rankings de IA — Chatbot Arena Elo (arena.ai), o Índice de Inteligência da Artificial Analysis e as arenas de fala, e o uso do OpenRouter — em chat, codificação, TTS, fala para texto, imagem, vídeo e agentes.
| Posição | Modelo | Fornecedor | Melhoria Líquida ? | Sessões ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Fable 5.1 (Max) | Anthropic | 14.31% ±1.9 | 15,130 | 10.0 | 50.0 | 0.250 |
| 2 | Claude Opus 5.5 (High) | Anthropic | 13.82% ±2.17 | 5,359 | 4.00 | 20.0 | 0.200 |
| 3 | Claude Sonnet 5.5 (Max) | Anthropic | 12.52% ±3.09 | 5,219 | 2.00 | 10.0 | 0.100 |
| 4 |  GPT 6 Astra (Max) | OpenAI | 12.27% ±2.23 | 11,717 | 10.0 | 50.0 | 1.00 |
| 5 | GPT 6.1 Sol (Max) | OpenAI | 11.23% ±2.76 | 6,278 | 2.00 | 10.0 | 0.100 |
| 6 | GPT 6 Sol (Max) | OpenAI | 9.71% ±2.37 | 6,106 | 2.00 | 10.0 | 0.200 |
| 7 | Claude Opus 5 (High) | Anthropic | 8.67% ±1.41 | 27,560 | 5.00 | 25.0 | 0.500 |
| 8 | Claude Fable 5 (High) | Anthropic | 8.21% ±1.22 | 41,832 | 10.0 | 50.0 | 1.00 |
| 9 | Claude Opus 5 (Max) | Anthropic | 7.92% ±1.47 | 22,781 | 5.00 | 25.0 | 0.500 |
| 10 |  Gemini 4 Argon (High) | 7.57% ±1.93 | 10,030 | — | — | — |
Fonte: arena.ai · Atualizado Oct 2, 2026 · PandaNpc Atualizado 13 de out. de 2026, 06:00 UTCVer classificação completa →
Como ler esses números
Um ranking de LLMs mostra qual modelo as pessoas preferem; um benchmark de IA mostra do que um modelo é objetivamente capaz; dados de uso mostram o que os desenvolvedores realmente usam. Nenhum ranking sozinho responde “qual é o melhor modelo de IA”, então esta página reúne os três — o Chatbot Arena Elo do arena.ai, o Artificial Analysis Intelligence Index e as arenas de fala, e a participação de tokens do OpenRouter — e os atualiza diariamente.
arena.ai (antigo LMArena) mostra aos usuários duas respostas anônimas para o mesmo prompt e pede que escolham uma, depois deriva uma classificação Elo dessas batalhas. Mede qual resposta as pessoas preferem — não a capacidade objetiva. Um estilo agradável pode vencer, enquanto uma resposta rigorosa mas prolixa pode perder.
Votos são as batalhas que um modelo acumulou. Um modelo recém-listado tem poucos votos e um amplo intervalo de confiança, então sua classificação oscila facilmente — sempre leia a classificação junto com o intervalo ±.
O painel de Agentes funciona de forma diferente dos demais: ele mede sessões reais de agentes em vez de preferência de votação cega. Sua métrica principal, Net Improvement, é um ganho percentual — não uma classificação Elo — portanto, não pode ser comparado entre painéis. arena.ai também relata mais cinco dimensões (Confirmed Success, Steerability, Bash Recovery e outras) na tabela de classificação completa.
O painel de uso vem do OpenRouter e conta a participação real de tokens da API — desenvolvedores votando com suas carteiras, o que complementa os painéis de preferência subjetiva.
As tabelas de fala vêm da Artificial Analysis: TTS usa o Elo do Speech Arena por escuta cega; ASR usa AA-WER v2, em que o menor é melhor; e Speech-to-Speech nativo usa uma composição com pesos iguais de Big Bench Audio, Full Duplex Bench e τ-Voice, em que o maior é melhor. Compare as pontuações apenas dentro da mesma tabela. Fonte: artificialanalysis.ai.
O quadro Intelligence Index vem da Artificial Analysis: ele destila muitos benchmarks públicos em um único Intelligence Index de 0 a 100, medindo capacidade objetiva em vez de preferência subjetiva — um complemento natural para o voto cego humano do arena.ai. Fonte: artificialanalysis.ai.