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 | Речевой индекс ? |
|---|---|---|---|
| 1 |  GPT-Live-1 (Astra, medium) | OpenAI | 86.3% |
| 2 |  Qwen Audio 3.0 Realtime Plus | Alibaba | 84% |
| 3 |  Grok Voice Think Fast 2.0 High | SpaceXAI | 82.7% |
| 4 | GPT-Live-1 (Sol, low) | OpenAI | 81.7% |
| 5 | GPT-Realtime-2.1 High | OpenAI | 79.3% |
| 6 | GPT-Realtime-2 High | OpenAI | 77.3% |
| 7 | Qwen Audio 3.0 Realtime Flash | Alibaba | 76.3% |
| 8 | Grok Voice Think Fast 1.0 | SpaceXAI | 75.7% |
| 9 | GPT-Realtime-2 Medium | OpenAI | 75% |
| 10 |  Gemini 3.8 Live | 72.7% | |
| 11 | GPT-Realtime-2.1 Minimal | OpenAI | 72.7% |
| 12 | GPT-Realtime-1.5 | OpenAI | 72% |
| 13 | GPT Realtime (Aug 2025) | OpenAI | 69% |
| 14 | GPT-Realtime-2 Minimal | OpenAI | 66.3% |
| 15 | GPT-Realtime-2.1 Mini High | OpenAI | 65.3% |
| 16 | Grok Voice Agent | SpaceXAI | 64% |
| 17 |  Deepslate Opal | Deepslate | 63% |
| 18 | Higgs Realtime | Boson AI | 60.3% |
| 19 | GPT-Realtime-2.1 Mini Minimal | OpenAI | 59.3% |
| 20 | GPT Realtime Mini (Oct 2025) | OpenAI | 58.3% |
Источник: Artificial Analysis · Обновлено Oct 13, 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.