กระดานผู้นำโมเดล AI
การจัดอันดับ AI หลายแหล่งสำหรับแชท คำพูด TTS ASR โค้ด รูปภาพ วิดีโอ และเอเจนต์ — จาก arena.ai, OpenRouter และ Artificial Analysis
| อันดับ | โมเดล | ผู้ให้บริการ | Elo ? | โหวต ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-fable-5 | Anthropic | 1508 ±5 | 24,331 | 10.0 | 50.0 | 1.00 |
| 2 | claude-opus-4-6-high | Anthropic | 1504 ±4 | 72,359 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-7-high | Anthropic | 1502 ±4 | 60,203 | 5.00 | 25.0 | 0.500 |
| 4 |  muse-spark-1.2 (xHigh) | Meta | 1498 ±10 | 3,257 | 1.25 | 4.25 | 0.150 |
| 5 | claude-opus-4-6 | Anthropic | 1497 ±3 | 76,362 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7 | Anthropic | 1494 ±4 | 61,304 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-5-high | Anthropic | 1493 ±5 | 27,610 | 5.00 | 25.0 | 0.500 |
| 8 | muse-spark-1.1 | Meta | 1491 ±5 | 20,242 | 1.25 | 4.25 | 0.150 |
| 9 |  gemini-3.7-flash-high | 1490 ±8 | 5,718 | 0.750 | 3.75 | 0.075 | |
| 10 |  kimi-k3-max | Moonshot | 1489 ±6 | 15,054 | 3.00 | 15.0 | 0.300 |
| 11 | muse-spark | Meta | 1488 ±6 | 13,584 | — | — | — |
| 12 | claude-opus-5-max | Anthropic | 1487 ±6 | 13,403 | 5.00 | 25.0 | 0.500 |
| 13 |  glm-5.3-max | Z.ai | 1487 ±10 | 3,751 | 1.40 | 4.40 | 0.260 |
| 14 | gemini-3.1-pro-preview | 1486 ±3 | 99,182 | 2.00 | 12.0 | 0.200 | |
| 15 | gemini-3-pro | 1485 ±4 | 41,491 | — | — | — |
แหล่งที่มา: arena.ai · อัปเดต Aug 21, 2026 · PandaNpc อัปเดต 29 ส.ค. 2569 06:00 UTCดูกระดานผู้นำเต็ม →
วิธีอ่านตัวเลข
arena.ai (เดิมชื่อ LMArena) แสดงคำตอบที่ไม่เปิดเผยชื่อสองคำตอบสำหรับคำถามเดียวกันให้ผู้ใช้ดู และขอให้พวกเขาเลือกหนึ่งคำตอบ จากนั้นจึงคำนวณคะแนน Elo จากการเปรียบเทียบนั้น มันวัดว่าผู้คนชอบคำตอบไหน — ไม่ใช่ความสามารถตามวัตถุประสงค์ สไตล์ที่ถูกใจสามารถชนะได้ ในขณะที่คำตอบที่เคร่งครัดแต่ยืดเยื้ออาจแพ้
คะแนนโหวตคือจำนวนการต่อสู้ที่โมเดลได้สะสมไว้ โมเดลที่เพิ่งถูกเพิ่มเข้ามามีคะแนนโหวตน้อยและช่วงความเชื่อมั่นกว้าง ดังนั้นอันดับจึงเปลี่ยนแปลงได้ง่าย — ควรอ่านอันดับควบคู่กับช่วง ± เสมอ
กระดาน Agent ทำงานแตกต่างจากกระดานอื่น ๆ: มันวัดเซสชันของเอเจนต์จริง แทนที่จะเป็นความชอบจากการโหวตแบบไม่เห็นหน้า เมตริกหลักคือ Net Improvement ซึ่งเป็นการเพิ่มเป็นเปอร์เซ็นต์ — ไม่ใช่คะแนน Elo — ดังนั้นจึงไม่สามารถเปรียบเทียบข้ามกระดานได้ arena.ai ยังรายงานอีกห้ามิติ (Confirmed Success, Steerability, Bash Recovery และอื่น ๆ) ในกระดานคะแนนเต็ม
กระดานการใช้งานมาจาก OpenRouter และนับส่วนแบ่ง token API จริง — นักพัฒนาโหวตด้วยกระเป๋าเงินของพวกเขา ซึ่งเสริมกระดานความชอบตามอัตวิสัย
กระดานเสียงพูดมาจาก Artificial Analysis: TTS ใช้ Speech Arena Elo จากการฟังแบบปกปิด; ASR ใช้ AA-WER v2 โดยค่ายิ่งต่ำยิ่งดี; และ Speech-to-Speech แบบเนทีฟใช้คะแนนรวมแบบถ่วงน้ำหนักเท่ากันของ Big Bench Audio, Full Duplex Bench และ τ-Voice โดยค่ายิ่งสูงยิ่งดี เปรียบเทียบคะแนนเฉพาะภายในกระดานเดียวกันเท่านั้น แหล่งที่มา: artificialanalysis.ai
กระดาน Intelligence Index มาจาก Artificial Analysis: มันรวบรวมเกณฑ์มาตรฐานสาธารณะหลายๆ อย่างเข้าด้วยกันเป็นดัชนี Intelligence Index ตั้งแต่ 0-100 ซึ่งวัดความสามารถตามวัตถุประสงค์มากกว่าความชอบส่วนตัว — เป็นส่วนเสริมที่เหมาะสมกับการโหวตแบบปกปิดของมนุษย์จาก arena.ai ที่มา: artificialanalysis.ai