আগস্ট ২০২৬ পর্যন্ত মডেল ল্যান্ডস্কেপের একটি স্ন্যাপশট, সম্পূর্ণভাবে আমাদের র্যাংকিং-এর পেছনের ডেটা থেকে নেওয়া — ৫৮টি ট্র্যাক করা মডেল, ২৫টি বেঞ্চমার্ক, পাঁচটি সোর্স লিডারবোর্ড।
পোডিয়ামের শীর্ষ
Claude Mythos Preview ৯৭.৪ নিয়ে #১ ধরে রেখেছে, এরপর Claude Fable 5 (৯৩.৪) এবং — পোডিয়ামে একমাত্র অ-Anthropic মডেল — Kimi K3 (৮৩.৩), যা আমরা ট্র্যাক করছি এমন সেরা ওপেন-ওয়েট মডেলও। Anthropic শীর্ষ পাঁচের চারটি দখল করে আছে।
ওপেন-ওয়েট ব্যবধান: ১৪ পয়েন্ট এবং কমছে
Kimi K3-এর ৮৩.৩ মালিকানাধীন ফ্রন্টিয়ারের চেয়ে প্রায় ১৪ Podium পয়েন্ট নিচে। LiveCodeBench-এ এটি দশ গুণ দামি বেশ কয়েকটি বন্ধ মডেলকে হারায়। তবে শীর্ষ তিন ওপেন মডেলের পর স্কোর ৫০-এর নিচে নেমে যায় — ওপেন মাঠ বর্তমানে ফ্রন্টিয়ারে এক ল্যাব গভীর।
দাম: ১৭৮ গুণের ব্যবধান
আউটপুট দাম $০.২৮/M (DeepSeek V4 Flash) থেকে $৫০/M (Claude Fable 5)। বাজার তিনটি স্তরে ভাগ হয়েছে: ইউটিলিটি (<$১/M), ওয়ার্কহর্স ($১–১০/M) ও ফ্রন্টিয়ার ($২৫–৫০/M)। ভ্যালু র্যাংকিং দেখায় প্রতি-ডলার বুদ্ধিমত্তার সেরা জায়গা ওয়ার্কহর্স স্তরে।
গতি: ফ্ল্যাশ যুদ্ধ
Google-এর Flash পরিবার গতির পোডিয়াম দখল করে — Gemini 3.5 Flash-Lite সেকেন্ডে ৩৮৯ টোকেন — অন্যদিকে Meta-র Muse Spark 1.1 ($৪.২৫/M-এ ২০৮ t/s) বছরের সেরা গতি-প্রতি-ডলার গল্প।
২০২৬ কী নির্ধারণ করেছে
এজেন্টিক বেঞ্চমার্ক চ্যাট পছন্দকে যুদ্ধক্ষেত্র হিসেবে বদলে দিয়েছে: SWE-Bench Verified (Fable 5-এর ৯৫%) ও Terminal-Bench শীর্ষদের আলাদা করেছে, আর Humanity's Last Exam ফ্রন্টিয়ারের সিলিং রয়ে গেছে — কেউ সহজে এটা ভাঙে না। নতুন হেড-টু-হেড পেজে যেকোনো ম্যাচআপ দেখুন।