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 | Elo ? | Votos ? | 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 |
Fonte: arena.ai · Atualizado Sep 13, 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.