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 |  gpt-image-2 (medium) | OpenAI | 1462 ±4 | 212,326 | — | — | — |
| 2 |  grok-imagine-image-2.0 (low) | SpaceXAI | 1439 ±8 | 5,936 | — | — | — |
| 3 | Microsoft AI | 1417 ±7 | 9,013 | — | — | — | |
| 4 |  muse-image | Meta | 1405 ±5 | 66,921 | — | — | — |
| 5 | Microsoft AI | 1399 ±4 | 173,251 | — | — | — | |
| 6 |  seedream-5.0-pro | Bytedance | 1395 ±4 | 129,749 | — | — | — |
| 7 |  gemini-3-pro-image-2k (nano-banana-pro) | 1390 ±3 | 530,645 | — | — | — | |
| 8 | grok-imagine-image-quality (20260519) | SpaceXAI | 1390 ±6 | 35,596 | — | — | — |
| 9 | chatgpt-image-latest-high-fidelity (20251216) | OpenAI | 1390 ±3 | 520,974 | — | — | — |
| 10 | gemini-3.1-flash-image (nano-banana-2) [web-search] | 1387 ±4 | 132,009 | 0.500 | 3.00 | — | |
| 11 | gemini-3-pro-image-preview (nano-banana-pro) | 1385 ±3 | 518,482 | 2.00 | 12.0 | 0.200 | |
| 12 |  reve-2.1 | Reve | 1375 ±6 | 19,103 | — | — | — |
| 13 | gpt-image-1.5-high-fidelity | OpenAI | 1371 ±3 | 543,542 | — | — | — |
| 14 | reve-2.0 | Reve | 1358 ±7 | 17,502 | — | — | — |
| 15 |  uni-1.1-max | Luma AI | 1333 ±5 | 40,908 | — | — | — |
แหล่งที่มา: arena.ai · อัปเดต Aug 25, 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