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 | Чисте покращення ? | Сесії ? | Input ? | Output | Cache ? |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5 (High) | Anthropic | 12.73% ±1.63 | 20,070 | 5.00 | 25.0 | 0.500 |
| 2 | Claude Opus 5 (Max) | Anthropic | 12.41% ±1.91 | 15,850 | 5.00 | 25.0 | 0.500 |
| 3 | Claude Fable 5 (High) | Anthropic | 11.62% ±1.63 | 32,981 | 10.0 | 50.0 | 1.00 |
| 4 |  GPT 5.6 Sol (xHigh) | OpenAI | 10.31% ±1.45 | 26,960 | 2.00 | 10.0 | 0.200 |
| 5 | Claude Opus 4.8 (High) | Anthropic | 9.99% ±1.53 | 35,588 | 5.00 | 25.0 | 0.500 |
| 6 |  Kimi K3 (Max) | Moonshot | 9.53% ±0.61 | 89,758 | 3.00 | 15.0 | 0.300 |
| 7 | GPT 5.5 (xHigh) | OpenAI | 8.56% ±0.97 | 48,549 | 5.00 | 30.0 | 0.500 |
| 8 | Claude Sonnet 5 (High) | Anthropic | 8.05% ±2.27 | 26,108 | 2.00 | 10.0 | 0.200 |
| 9 | Claude Opus 4.7 (High) | Anthropic | 7.27% ±1.26 | 36,563 | 5.00 | 25.0 | 0.500 |
| 10 | Claude Opus 4.7 | Anthropic | 7.18% ±1.28 | 37,099 | 5.00 | 25.0 | 0.500 |
Джерело: arena.ai · Оновлено Aug 24, 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.