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 | 1382 ±4 | 75,014 | — | — | — |
| 2 | Microsoft AI | 1331 ±8 | 6,418 | — | — | — | |
| 3 |  grok-imagine-image-2.0 (low) | SpaceXAI | 1316 ±12 | 2,675 | — | — | — |
| 4 |  reve-2.1 | Reve | 1302 ±8 | 7,580 | — | — | — |
| 5 |  muse-image | Meta | 1281 ±6 | 22,691 | — | — | — |
| 6 | reve-2.0 | Reve | 1270 ±6 | 14,631 | — | — | — |
| 7 |  gemini-3.1-flash-image (nano-banana-2) [web-search] | 1263 ±5 | 36,392 | 0.500 | 3.00 | — | |
| 8 |  seedream-5.0-pro | Bytedance | 1258 ±5 | 48,174 | — | — | — |
| 9 |  qwen-image-3.0-pro | Alibaba | 1255 ±7 | 10,927 | — | — | — |
| 10 | Microsoft AI | 1254 ±4 | 56,737 | — | — | — | |
| 11 | gemini-3.1-flash-lite-image (nano-banana-2-lite) | 1251 ±6 | 16,381 | 0.250 | 1.50 | — | |
| 12 | gemini-3-pro-image-2k (nano-banana-pro) | 1245 ±3 | 146,806 | — | — | — | |
| 13 | gpt-image-1.5-high-fidelity | OpenAI | 1239 ±3 | 148,079 | — | — | — |
| 14 | gemini-3-pro-image-preview (nano-banana-pro) | 1232 ±5 | 82,738 | 2.00 | 12.0 | 0.200 | |
| 15 |  ideogram-4.0-quality | Ideogram | 1204 ±5 | 36,647 | — | — | — |
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