Лідерборди AI моделей
Багатоджерельні рейтинги ШІ для чату, мовлення, TTS, ASR, коду, зображень, відео та агентів — від arena.ai, OpenRouter та Artificial Analysis.
| Місце | Модель | Постачальник | Elo ? | Голоси ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  claude-fable-5 | Anthropic | 1508 ±5 | 24,331 | 10.0 | 50.0 | 1.00 |
| 2 | claude-opus-4-6-high | Anthropic | 1504 ±4 | 72,359 | 5.00 | 25.0 | 0.500 |
| 3 | claude-opus-4-7-high | Anthropic | 1502 ±4 | 60,203 | 5.00 | 25.0 | 0.500 |
| 4 |  muse-spark-1.2 (xHigh) | Meta | 1498 ±10 | 3,257 | 1.25 | 4.25 | 0.150 |
| 5 | claude-opus-4-6 | Anthropic | 1497 ±3 | 76,362 | 5.00 | 25.0 | 0.500 |
| 6 | claude-opus-4-7 | Anthropic | 1494 ±4 | 61,304 | 5.00 | 25.0 | 0.500 |
| 7 | claude-opus-5-high | Anthropic | 1493 ±5 | 27,610 | 5.00 | 25.0 | 0.500 |
| 8 | muse-spark-1.1 | Meta | 1491 ±5 | 20,242 | 1.25 | 4.25 | 0.150 |
| 9 |  gemini-3.7-flash-high | 1490 ±8 | 5,718 | 0.750 | 3.75 | 0.075 | |
| 10 |  kimi-k3-max | Moonshot | 1489 ±6 | 15,054 | 3.00 | 15.0 | 0.300 |
| 11 | muse-spark | Meta | 1488 ±6 | 13,584 | — | — | — |
| 12 | claude-opus-5-max | Anthropic | 1487 ±6 | 13,403 | 5.00 | 25.0 | 0.500 |
| 13 |  glm-5.3-max | Z.ai | 1487 ±10 | 3,751 | 1.40 | 4.40 | 0.260 |
| 14 | gemini-3.1-pro-preview | 1486 ±3 | 99,182 | 2.00 | 12.0 | 0.200 | |
| 15 | gemini-3-pro | 1485 ±4 | 41,491 | — | — | — |
Джерело: arena.ai · Оновлено Aug 21, 2026 · PandaNpc Оновлено 29 серп. 2026 р., 06:00 UTCПереглянути повну таблицю лідерів →
Як читати числа
arena.ai (раніше LMArena) показує користувачам дві анонімні відповіді на одне й те саме запитання та просить вибрати одну, а потім виводить рейтинг Elo на основі цих баталій. Він вимірює, яку відповідь люди віддають перевагу — а не об'єктивну здатність. Приємний стиль може перемогти, тоді як строга, але багатослівна відповідь може програти.
Голоси — це битви, які накопичила модель. Нещодавно додана модель має мало голосів і широкий довірчий інтервал, тому її рейтинг легко коливається — завжди читайте рейтинг разом з інтервалом ±.
Дошка агентів працює інакше, ніж решта: вона вимірює реальні сесії агентів, а не преференції сліпого голосування. Її головний показник, Net Improvement, є відсотковим приростом — не рейтингом Elo — тому його не можна порівнювати між дошками. arena.ai також повідомляє про п'ять додаткових вимірів (Confirmed Success, Steerability, Bash Recovery та інші) на повній дошці лідерів.
Дошка використання надходить з OpenRouter і враховує реальну частку API токенів — розробники голосують своїми гаманцями, що доповнює дошки суб'єктивних уподобань.
Мовні лідерборди походять з Artificial Analysis: TTS використовує Elo від Speech Arena на основі сліпого прослуховування; ASR використовує AA-WER v2, де нижче — краще; а нативний Speech-to-Speech використовує рівноваговий композит Big Bench Audio, Full Duplex Bench та τ-Voice, де вище — краще. Порівнюйте бали лише в межах одного лідерборду. Джерело: artificialanalysis.ai.
Дошка Intelligence Index походить від Artificial Analysis: вона зводить багато публічних бенчмарків в єдиний Intelligence Index від 0 до 100, вимірюючи об’єктивну здатність, а не суб’єктивне вподобання — природне доповнення до сліпого голосування людей від arena.ai. Джерело: artificialanalysis.ai.