อันดับ LLM และการจัดอันดับโมเดล AI
หน้าเดียวที่รวบรวมเกณฑ์ชี้วัดและลีดเดอร์บอร์ดหลักของ AI — Chatbot Arena Elo (arena.ai), Artificial Analysis Intelligence Index และแอรีนาด้านเสียงพูด รวมถึงการใช้งาน OpenRouter — ครอบคลุมการแชท การเขียนโค้ด TTS การแปลงเสียงพูดเป็นข้อความ รูปภาพ วิดีโอ และเอเจนต์
| อันดับ | โมเดล | ผู้ให้บริการ | Elo ? | โหวต ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  gpt-image-2.5-sunburst | OpenAI | 1425 ±7 | 17,103 | — | — | — |
| 2 | gpt-image-2.5-flare | OpenAI | 1398 ±7 | 16,240 | — | — | — |
| 3 | gpt-image-2 (medium) | OpenAI | 1383 ±4 | 92,836 | — | — | — |
| 4 | Microsoft AI | 1333 ±5 | 24,410 | — | — | — | |
| 5 |  gemini-nano-banana-2.1 | 1328 ±9 | 5,312 | 1.50 | 7.50 | — | |
| 6 |  grok-imagine-image-2.0 (canvas) | SpaceXAI | 1321 ±11 | 3,447 | — | — | — |
| 7 |  reve-2.1 | Reve | 1302 ±8 | 8,249 | — | — | — |
| 8 | grok-imagine-image-2.0 (20260801) | SpaceXAI | 1297 ±6 | 13,724 | — | — | — |
| 9 |  muse-image | Meta | 1274 ±5 | 41,538 | — | — | — |
| 10 | reve-2.0 | Reve | 1269 ±6 | 15,773 | — | — | — |
| 11 | gemini-3.1-flash-image (nano-banana-2) [web-search] | 1261 ±4 | 59,779 | 0.500 | 3.00 | — | |
| 12 |  seedream-5.0-pro | Bytedance | 1256 ±4 | 93,528 | — | — | — |
| 13 |  qwen-image-3.0-pro | Alibaba | 1255 ±6 | 11,439 | — | — | — |
| 14 | Microsoft AI | 1254 ±4 | 61,267 | — | — | — | |
| 15 | gemini-3.1-flash-lite-image (nano-banana-2-lite) | 1250 ±6 | 17,806 | 0.250 | 1.50 | — | |
| 16 | gemini-3-pro-image-2k (nano-banana-pro) | 1248 ±3 | 174,996 | — | — | — | |
| 17 | gpt-image-1.5-high-fidelity | OpenAI | 1238 ±3 | 169,476 | — | — | — |
| 18 | gemini-3-pro-image-preview (nano-banana-pro) | 1234 ±5 | 86,464 | 2.00 | 12.0 | 0.200 | |
| 19 | qwen-image-2.1 | Alibaba | 1223 ±7 | 10,688 | — | — | — |
| 20 |  ideogram-4.0-quality | Ideogram | 1205 ±4 | 59,812 | — | — | — |
แหล่งที่มา: arena.ai · อัปเดต Oct 6, 2026 · PandaNpc อัปเดต 13 ต.ค. 2569 06:00 UTCดูกระดานผู้นำเต็ม →
วิธีอ่านตัวเลข
กระดานจัดอันดับ LLM บอกคุณได้ว่าโมเดลใดที่ผู้คนชื่นชอบ; การวัดสมรรถนะ AI บอกคุณได้อย่างเป็นกลางว่าโมเดลทำอะไรได้บ้าง; ข้อมูลการใช้งานบอกคุณได้ว่านักพัฒนาเลือกใช้โมเดลใดจริง ๆ ไม่มีระบบจัดอันดับใดระบบเดียวที่ตอบคำถาม “โมเดล AI ตัวใดดีที่สุด” ได้ หน้านี้จึงรวบรวมทั้งสามแหล่งข้อมูลไว้ด้วยกัน — Chatbot Arena Elo จาก arena.ai, Artificial Analysis Intelligence Index กับ speech arenas และส่วนแบ่ง token ของ OpenRouter — และอัปเดตให้เป็นปัจจุบันทุกวัน
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