Лидерборд LLM и рейтинги ИИ-моделей
Одна страница, объединяющая основные бенчмарки и лидерборды для ИИ — Chatbot Arena Elo (arena.ai), индекс интеллекта Artificial Analysis и речевые арены, а также использование OpenRouter — по направлениям: чат, программирование, TTS, распознавание речи, изображения, видео и агенты.
| Место | Модель | Разработчик | Чистое улучшение ? | Сессии ? | 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 | — | — | — |
Источник: arena.ai · Обновлено Oct 2, 2026 · PandaNpc Обновлено 13 окт. 2026 г., 06:00 UTCПосмотреть полный рейтинг →
Как читать числа
Таблица лидеров LLM показывает, какую модель предпочитают люди; ИИ-бенчмарк показывает, на что модель объективно способна; данные об использовании показывают, что разработчики реально внедряют. Ни один отдельный рейтинг не отвечает на вопрос «какая модель ИИ лучшая», поэтому эта страница объединяет все три — Chatbot Arena Elo с arena.ai, Artificial Analysis Intelligence Index и речевые арены, а также долю token OpenRouter — и обновляет их ежедневно.
arena.ai (ранее LMArena) показывает пользователям два анонимных ответа на один и тот же запрос и просит выбрать один, затем вычисляет рейтинг Elo на основе этих битв. Он измеряет, какой ответ люди предпочитают — а не объективные возможности. Приятный стиль может победить, в то время как строгий, но многословный ответ может проиграть.
Голоса — это сражения, которые модель накопила. У новой модели мало голосов и широкий доверительный интервал, поэтому её ранг легко колеблется — всегда читайте ранг вместе с интервалом ±.
Доска Agent работает иначе, чем остальные: она измеряет реальные сессии агентов, а не предпочтения по слепому голосованию. Её главный показатель, Net Improvement, — это процентный прирост, а не рейтинг Elo — поэтому его нельзя сравнивать между досками. arena.ai также сообщает о пяти дополнительных измерениях (Confirmed Success, Steerability, Bash Recovery и других) на полной таблице лидеров.
Таблица использования поступает от OpenRouter и учитывает реальную долю API токенов — разработчики голосуют своими кошельками, что дополняет таблицы субъективных предпочтений.
Речевые таблицы взяты из Artificial Analysis: TTS использует Elo рейтинг Speech Arena на основе слепого прослушивания; ASR использует AA-WER v2, где ниже лучше; а нативный Speech-to-Speech использует композит с равными весами из Big Bench Audio, Full Duplex Bench и τ-Voice, где выше лучше. Сравнивайте баллы только в пределах одной таблицы. Источник: artificialanalysis.ai.
Таблица Intelligence Index создана Artificial Analysis: она объединяет множество публичных бенчмарков в единый индекс Intelligence Index от 0 до 100, измеряющий объективные способности, а не субъективные предпочтения — естественное дополнение к человеческому слепому голосованию arena.ai. Источник: artificialanalysis.ai.