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 |  gpt-5.6-sol-xhigh | OpenAI | 1257 ±7 | 29,663 | 2.00 | 10.0 | 0.200 |
| 2 |  claude-opus-4-6-search | Anthropic | 1253 ±5 | 134,699 | 5.00 | 25.0 | 0.500 |
| 3 | gpt-5.5-search | OpenAI | 1242 ±5 | 89,873 | 5.00 | 30.0 | 0.500 |
| 4 | claude-opus-4-7 | Anthropic | 1233 ±5 | 91,394 | 5.00 | 25.0 | 0.500 |
| 5 | claude-fable-5-high | Anthropic | 1230 ±8 | 41,795 | 10.0 | 50.0 | 1.00 |
| 6 |  ernie-5.1 | Baidu | 1227 ±10 | 3,788 | — | — | — |
| 7 | claude-sonnet-4-6-search | Anthropic | 1221 ±5 | 134,905 | 3.00 | 15.0 | 0.300 |
| 8 |  grok-4.5 | SpaceXAI | 1213 ±7 | 31,505 | 2.00 | 6.00 | 0.300 |
| 9 |  gemini-3.1-pro-grounding | 1210 ±5 | 113,282 | 2.00 | 12.0 | 0.200 | |
| 10 | gemini-3-pro-grounding | 1207 ±6 | 37,024 | — | — | — | |
| 11 | gpt-5.2-search | OpenAI | 1207 ±6 | 52,712 | 1.75 | 14.0 | 0.175 |
| 12 | claude-opus-4-8 | Anthropic | 1204 ±6 | 70,998 | 5.00 | 25.0 | 0.500 |
| 13 | grok-4.20-multi-agent-beta-0309 | SpaceXAI | 1204 ±5 | 109,553 | 1.25 | 2.50 | 0.200 |
| 14 | gpt-5.1-search | OpenAI | 1199 ±5 | 59,909 | 1.25 | 10.0 | 0.125 |
| 15 | gemini-3-flash-grounding | 1198 ±5 | 149,334 | 0.500 | 3.00 | 0.050 | |
| 16 | gpt-5.4-search | OpenAI | 1197 ±5 | 110,116 | 2.50 | 15.0 | 0.250 |
| 17 | claude-sonnet-5-search | Anthropic | 1194 ±7 | 40,230 | 2.00 | 10.0 | 0.200 |
| 18 | grok-4.20-beta1 | SpaceXAI | 1189 ±6 | 53,921 | 1.25 | 2.50 | 0.200 |
| 19 | claude-opus-4-5-search | Anthropic | 1180 ±6 | 61,573 | 5.00 | 25.0 | 0.500 |
| 20 | gpt-5.2-search-non-reasoning | OpenAI | 1172 ±6 | 75,658 | — | — | — |
| 21 | grok-4-1-fast-search | SpaceXAI | 1171 ±5 | 81,507 | — | — | — |
| 22 | grok-4-fast-search | SpaceXAI | 1171 ±5 | 41,794 | — | — | — |
| 23 | grok-4.3 | SpaceXAI | 1165 ±5 | 91,483 | 1.25 | 2.50 | 0.200 |
| 24 | claude-sonnet-4-5-search | Anthropic | 1158 ±5 | 127,378 | 3.00 | 15.0 | 0.300 |
| 25 | claude-opus-4-1-search | Anthropic | 1148 ±5 | 76,933 | 15.0 | 75.0 | 1.50 |
| 26 | o3-search | OpenAI | 1144 ±5 | 20,644 | 2.00 | 8.00 | 0.500 |
| 27 | gemini-2.5-pro-grounding | 1142 ±5 | 83,404 | 1.25 | 10.0 | 0.125 | |
| 28 | grok-4-search | SpaceXAI | 1142 ±6 | 19,108 | — | — | — |
| 29 |  ppl-sonar-reasoning-pro-high | Perplexity AI | 1139 ±6 | 29,055 | 2.00 | 8.00 | — |
| 30 | gpt-5-search | OpenAI | 1133 ±6 | 20,781 | 1.25 | 10.0 | 0.125 |
| 31 | ppl-sonar-pro-high | Perplexity AI | 1130 ±6 | 28,519 | 3.00 | 15.0 | — |
| 32 | claude-opus-4-search | Anthropic | 1126 ±5 | 31,037 | — | — | — |
| 33 |  diffbot-small-xl | Diffbot | 1023 ±8 | 6,388 | — | — | — |
| 34 | api-gpt-4o-search | OpenAI | 1006 ±11 | 3,411 | 2.50 | 10.0 | 1.25 |
Джерело: arena.ai · Оновлено Aug 24, 2026 · PandaNpc Оновлено 13 жовт. 2026 р., 06:00 UTCПереглянути повну таблицю лідерів →
Як читати числа
Рейтинг LLM показує, яку модель люди віддають перевагу; AI-бенчмарк показує, що модель об’єктивно вміє; дані про використання показують, що розробники насправді запускають у продакшн. Жоден окремий рейтинг не відповідає на питання «яка найкраща модель ШІ», тому ця сторінка поєднує всі три — Elo з Chatbot Arena (arena.ai), Intelligence Index і голосові арени Artificial Analysis та частку токенів OpenRouter — і щодня їх оновлює.
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.