स्वतंत्र एवं निष्पक्ष
एआई मॉडल विश्लेषण
अपने उपयोग के लिए सर्वोत्तम फाउंडेशन मॉडल, मूल्य निर्धारण और मल्टी-क्लाउड इन्फरेंस प्रदाता चुनने के लिए एआई परिदृश्य को समझें।
मुख्य झलकियां
01 · रीयल-टाइम रैंकिंग
शीर्ष मॉडल
पोडियम स्कोर के आधार पर शीर्ष 10 मॉडल
सभी देखें →| # | मॉडल | 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 · मूल्यांकन डोमेन
कार्य के अनुसार सर्वश्रेष्ठ
कोडिंग
कोड इंजीनियरिंग: SWE-Bench, LiveCodeBench, SciCode, Terminal-Bench और HumanEval।
नेता: Claude Fable 5.1
गणित
ओलंपियाड गणित से फ्रंटियर समस्याओं तक: AIME, MATH और FrontierMath।
नेता: Claude Mythos Preview
तर्क
गहन तर्क और विज्ञान: GPQA Diamond, HLE और ARC-AGI-2।
नेता: Claude Mythos Preview
एजेंटिक
स्वायत्त उपकरण और कंप्यूटर संचालन: OSWorld, Toolathlon, MCP Atlas, τ²-Bench।
नेता: Kimi K3
ज्ञान
तथ्य और भ्रम-प्रतिरोध: SimpleQA, MMLU-Pro और MMMLU।
नेता: Claude Mythos Preview
मल्टीमोडल
छवि और दस्तावेज़ समझ: MMMU, CharXiv और ScreenSpot-Pro।
नेता: Claude Mythos Preview
03 · शोध और विश्लेषण
नवीनतम लेख
04 · सामान्य प्रश्न
अक्सर पूछे जाने वाले प्रश्न
हर मॉडल को एक Podium Score (0–100) मिलता है — चार संकेतों का भारित मिश्रण: 35% मानव तुलना से एरीना Elo, 30% बेंचमार्क औसत, 20% Artificial Analysis का Intelligence Index और 15% LLM Stats स्कोर। सभी संकेतों को एक समान पैमाने पर सामान्य किया जाता है।
Claude Mythos Preview 97.4 के साथ शीर्ष पर है। इसके बाद Claude Fable 5 (93.4) और Claude Fable 5.1 (XHigh) (89.0)। नए वोट और परिणाम आने पर रैंकिंग हर हफ्ते बदलती है।
हम 18 श्रेणियों (कोडिंग, गणित, तर्क, एजेंट, ज्ञान, मल्टीमोडल, लॉन्ग कॉन्टेक्स्ट, गति, मूल्य और ओपन वेट) में 738 फ्लैगशिप मॉडल क्यूरेट करते हैं, साथ ही 726 मॉडलों की पूरी एरीना तालिका।
पाँच सार्वजनिक लीडरबोर्ड से: Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase। प्रत्येक स्रोत हर हफ्ते सिंक होता है; सटीक सूत्र कार्यप्रणाली पृष्ठ पर है।