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 | Elo ? | Голоса ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-opus-5.5-max | Anthropic | 1814 ±16 | 2,229 | 4.00 | 20.0 | 0.200 |
| 2 |  gpt-6-astra-max | OpenAI | 1788 ±11 | 5,057 | 10.0 | 50.0 | 1.00 |
| 3 | claude-sonnet-5.5-xhigh | Anthropic | 1773 ±15 | 2,150 | 2.00 | 10.0 | 0.100 |
| 4 | gpt-6.1-sol-max | OpenAI | 1757 ±15 | 1,965 | 2.00 | 10.0 | 0.100 |
| 5 | claude-fable-5.1-max | Anthropic | 1745 ±9 | 6,521 | 10.0 | 50.0 | 0.250 |
| 6 | claude-sonnet-5.5-high | Anthropic | 1716 ±11 | 3,787 | 2.00 | 10.0 | 0.100 |
| 7 | claude-opus-5-max | Anthropic | 1692 ±6 | 17,162 | 5.00 | 25.0 | 0.500 |
| 8 | gpt-6-sol-max | OpenAI | 1687 ±12 | 3,221 | 2.00 | 10.0 | 0.200 |
| 9 |  gemini-4-argon-high | 1678 ±15 | 1,772 | — | — | — | |
| 10 |  qwen3.8-max | Alibaba | 1672 ±12 | 3,450 | 2.00 | 6.00 | 0.250 |
| 11 | qwen3.8-max-0902 | Alibaba | 1672 ±8 | 10,549 | 2.00 | 6.00 | 0.250 |
| 12 | claude-opus-5-high | Anthropic | 1658 ±6 | 21,992 | 5.00 | 25.0 | 0.500 |
| 13 |  muse-spark-1.3-max | Meta | 1656 ±8 | 7,678 | 1.25 | 4.25 | 0.150 |
| 14 |  kimi-k3-max | Moonshot | 1655 ±6 | 17,061 | 0.730 | 13.5 | 0.550 |
| 15 |  grok-4.7-xhigh | SpaceXAI | 1638 ±11 | 3,734 | 2.00 | 6.00 | 0.500 |
| 16 |  mimo-v2.6-flash | Xiaomi | 1636 ±11 | 3,851 | 0.140 | 0.280 | 0.0028 |
| 17 | qwen3.8-flash-next | Alibaba | 1632 ±9 | 6,711 | — | — | — |
| 18 |  hy4-preview | Tencent | 1632 ±10 | 4,798 | 0.834 | 2.50 | 0.042 |
| 19 | mimo-v2.6-pro | Xiaomi | 1630 ±11 | 3,415 | 0.435 | 0.870 | 0.0036 |
| 20 | muse-spark-1.3 (xHigh) | Meta | 1626 ±8 | 6,901 | 1.25 | 4.25 | 0.150 |
Источник: arena.ai · Обновлено Oct 7, 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.