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-opus-5-max | Anthropic | 1691 ±9 | 8,116 | 5.00 | 25.0 | 0.500 |
| 2 |  kimi-k3-max | Moonshot | 1674 ±11 | 4,546 | 3.00 | 15.0 | 0.300 |
| 3 |  qwen3.8-max | Alibaba | 1669 ±13 | 3,212 | 2.00 | 6.00 | 0.250 |
| 4 | claude-opus-5-high | Anthropic | 1663 ±8 | 8,659 | 5.00 | 25.0 | 0.500 |
| 5 |  grok-4.6-high | SpaceXAI | 1629 ±17 | 1,523 | 2.00 | 6.00 | 0.500 |
| 6 | claude-fable-5 | Anthropic | 1626 ±8 | 8,382 | 10.0 | 50.0 | 1.00 |
| 7 |  gpt-5.6-sol-xhigh (codex-harness) | OpenAI | 1619 ±8 | 9,499 | 2.00 | 10.0 | 0.200 |
| 8 |  glm-5.3-max | Z.ai | 1599 ±15 | 1,916 | 1.40 | 4.40 | 0.260 |
| 9 | qwen3.8-27b | Alibaba | 1595 ±13 | 2,464 | 0.425 | 2.55 | 0.085 |
| 10 |  gemini-3.7-flash-high | 1587 ±13 | 2,552 | 0.750 | 3.75 | 0.075 | |
| 11 | glm-5.2-max | Z.ai | 1582 ±8 | 8,775 | 1.19 | 3.74 | 0.221 |
| 12 |  deepseek-v4-pro-high-20260813 | DeepSeek | 1582 ±12 | 2,869 | 0.660 | 1.98 | 0.022 |
| 13 | deepseek-v4-flash-high | DeepSeek | 1579 ±11 | 3,537 | 0.030 | 0.100 | 0.0070 |
| 14 | claude-opus-4-8-high | Anthropic | 1563 ±7 | 11,699 | 5.00 | 25.0 | 0.500 |
| 15 | claude-opus-4-7 | Anthropic | 1558 ±6 | 14,527 | 5.00 | 25.0 | 0.500 |
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