নিরপেক্ষ ও নির্ভরযোগ্য
এআই মডেল বিশ্লেষণ
আপনার ব্যবহারের জন্য সেরা ফাউন্ডেশন মডেল, মূল্য স্তর এবং ক্লাউড ইনফারেন্স প্রদানকারী বেছে নিতে এআই ল্যান্ডস্কেপ বুঝুন।
প্রধান হাইলাইটস
01 · রিয়েল-টাইম র্যাংকিং
শীর্ষ মডেল
Podium স্কোরে শীর্ষ ১০ মডেল
সব দেখুন →| # | মডেল | Podium Score |
|---|---|---|
| 01 | Claude Mythos Preview Anthropic · Proprietary | 97.4 |
| 02 | Claude Fable 5 Anthropic · Proprietary | 93.4 |
| 03 | Claude Fable 5.1 (XHigh) Anthropic · Proprietary | 89.0 |
| 4 | Claude Fable 5.1 Anthropic · Proprietary | 88.4 |
| 5 | GPT-6 Astra (xhigh) OpenAI · Proprietary | 87.0 |
| 6 | Claude Fable 5.1 (High) Anthropic · Proprietary | 86.5 |
| 7 | GPT-6 Astra OpenAI · Proprietary | 86.2 |
| 8 | GPT-6 Astra (high) OpenAI · Proprietary | 85.0 |
| 9 | GPT-6 Luna OpenAI · Proprietary | 84.5 |
| 10 | Claude Opus 5.5 (XHigh) Anthropic · Proprietary | 84.5 |
02 · মূল্যায়ন ডোমেইন
কাজ অনুযায়ী সেরা
কোডিং
কোড ইঞ্জিনিয়ারিং: SWE-Bench, LiveCodeBench, SciCode, Terminal-Bench ও HumanEval।
নেতা: Claude Fable 5.1
গণিত
অলিম্পিয়াড গণিত থেকে ফ্রন্টিয়ার সমস্যা: AIME, MATH ও FrontierMath।
নেতা: Claude Mythos Preview
যুক্তি
গভীর যুক্তি ও বিজ্ঞান: GPQA Diamond, HLE ও ARC-AGI-2।
নেতা: Claude Mythos Preview
এজেন্টিক
স্বায়ত্তশাসিত টুল ও কম্পিউটার ব্যবহার: OSWorld, Toolathlon, MCP Atlas, τ²-Bench।
নেতা: Kimi K3
জ্ঞান
তথ্য ও হ্যালুসিনেশন-প্রতিরোধ: SimpleQA, MMLU-Pro ও MMMLU।
নেতা: Claude Mythos Preview
মাল্টিমোডাল
ছবি ও ডকুমেন্ট বোঝা: MMMU, CharXiv ও ScreenSpot-Pro।
নেতা: Claude Mythos Preview
03 · গবেষণা ও বিশ্লেষণ
সর্বশেষ নিবন্ধ
04 · প্রায়শই জিজ্ঞাসিত প্রশ্ন
সাধারণ প্রশ্ন
প্রতিটি মডেল একটি Podium Score (০–১০০) পায় — চারটি সংকেতের ভারিত মিশ্রণ: ৩৫% মানুষের তুলনা থেকে অ্যারেনা Elo, ৩০% বেঞ্চমার্ক গড়, ২০% Artificial Analysis-এর Intelligence Index এবং ১৫% LLM Stats স্কোর। সব সংকেত একটি সাধারণ স্কেলে স্বাভাবিক করা হয়।
Claude Mythos Preview 97.4 নিয়ে শীর্ষে। এরপর Claude Fable 5 (93.4) এবং Claude Fable 5.1 (XHigh) (89.0)। নতুন ভোট ও ফলাফল এলে র্যাংকিং প্রতি সপ্তাহে বদলায়।
আমরা 18টি বিভাগে (কোডিং, গণিত, যুক্তি, এজেন্ট, জ্ঞান, মাল্টিমোডাল, দীর্ঘ কনটেক্সট, গতি, মূল্য ও ওপেন ওয়েট) 738টি ফ্ল্যাগশিপ মডেল বাছাই করি, সঙ্গে 726 মডেলের পূর্ণ অ্যারেনা টেবিল।
পাঁচটি পাবলিক লিডারবোর্ড থেকে: Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase। প্রতিটি উৎস প্রতি সপ্তাহে সিঙ্ক হয়; সঠিক সূত্র পদ্ধতি পাতায়।