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 | ดัชนีเสียงพูด ? |
|---|---|---|---|
| 1 |  GPT-Live-1 (Astra, medium) | OpenAI | 86.3% |
| 2 |  Qwen Audio 3.0 Realtime Plus | Alibaba | 84% |
| 3 |  Grok Voice Think Fast 2.0 High | SpaceXAI | 82.7% |
| 4 | GPT-Live-1 (Sol, low) | OpenAI | 81.7% |
| 5 | GPT-Realtime-2.1 High | OpenAI | 79.3% |
| 6 | GPT-Realtime-2 High | OpenAI | 77.3% |
| 7 | Qwen Audio 3.0 Realtime Flash | Alibaba | 76.3% |
| 8 | Grok Voice Think Fast 1.0 | SpaceXAI | 75.7% |
| 9 | GPT-Realtime-2 Medium | OpenAI | 75% |
| 10 |  Gemini 3.8 Live | 72.7% | |
| 11 | GPT-Realtime-2.1 Minimal | OpenAI | 72.7% |
| 12 | GPT-Realtime-1.5 | OpenAI | 72% |
| 13 | GPT Realtime (Aug 2025) | OpenAI | 69% |
| 14 | GPT-Realtime-2 Minimal | OpenAI | 66.3% |
| 15 | GPT-Realtime-2.1 Mini High | OpenAI | 65.3% |
| 16 | Grok Voice Agent | SpaceXAI | 64% |
| 17 |  Deepslate Opal | Deepslate | 63% |
| 18 | Higgs Realtime | Boson AI | 60.3% |
| 19 | GPT-Realtime-2.1 Mini Minimal | OpenAI | 59.3% |
| 20 | GPT Realtime Mini (Oct 2025) | OpenAI | 58.3% |
แหล่งที่มา: Artificial Analysis · อัปเดต Oct 13, 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