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 | AA-WER ↓ ? |
|---|---|---|---|
| 1 |  StepAudio 3 ASR | StepFun | 1.73% |
| 2 |  Fun-Realtime-ASR-preview | Alibaba | 1.73% |
| 3 | Microsoft AI | 2.04% | |
| 4 |  Scribe v2, ElevenLabs | ElevenLabs | 2.18% |
| 5 |  Grok Voice Transcribe 2.0 | SpaceXAI | 2.29% |
| 6 | Microsoft AI | 2.38% | |
| 7 |  Smallest AI Pulse Pro | Smallest.ai | 2.43% |
| 8 |  Gemini 3.5 Transcribe | 2.6% | |
| 9 |  Voxtral Small, Mistral | Mistral | 2.77% |
| 10 | Gemini 3.1 Pro Preview (High) | 2.82% | |
| 11 |  Universal-3.5 Pro, AssemblyAI | AssemblyAI | 3.02% |
| 12 |  Solaria-3, Gladia | Gladia | 3.23% |
| 13 |  GPT Transcribe, OpenAI | OpenAI | 3.31% |
| 14 |  Resonant-1 | Reson8 | 3.39% |
| 15 |  Inkling (256K), Thinking Machines | Thinking Machines | 3.47% |
| 16 | Qwen3.5 Omni Plus | Alibaba | 3.55% |
| 17 | Gemini 3.1 Pro Preview (Low) | 3.58% | |
| 18 | Voxtral Mini Transcribe 2, Mistral | Mistral | 3.59% |
| 19 |  Soniox v5 Async | Soniox | 3.81% |
| 20 |  Inworld STT 1 | Inworld | 3.93% |
แหล่งที่มา: Artificial Analysis · อัปเดต Sep 24, 2026 · PandaNpc อัปเดต 24 ก.ย. 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