Analisis independen
model kecerdasan buatan
Pahami lanskap AI mutakhir untuk memilih model fondasi, tingkat harga, dan penyedia inferensi multi-cloud yang optimal untuk kebutuhan Anda.
Sorotan
01 · Peringkat Real-Time
Model teratas
10 Model Teratas berdasarkan Skor Podium
Lihat semua →| # | Model | 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 · Domain Evaluasi
Terbaik per tugas
Coding
Rekayasa kode: SWE-Bench, LiveCodeBench, SciCode, Terminal-Bench, dan HumanEval.
Pemimpin: Claude Fable 5.1
Matematika
Dari matematika olimpiade hingga soal frontier: AIME, MATH, dan FrontierMath.
Pemimpin: Claude Mythos Preview
Penalaran
Penalaran mendalam dan sains: GPQA Diamond, HLE, dan ARC-AGI-2.
Pemimpin: Claude Mythos Preview
Agen
Alat otonom dan penggunaan komputer: OSWorld, Toolathlon, MCP Atlas, τ²-Bench.
Pemimpin: Kimi K3
Pengetahuan
Fakta dan ketahanan terhadap halusinasi: SimpleQA, MMLU-Pro, dan MMMLU.
Pemimpin: Claude Mythos Preview
Multimodal
Pemahaman gambar dan dokumen: MMMU, CharXiv, dan ScreenSpot-Pro.
Pemimpin: Claude Mythos Preview
03 · Riset & Analisis
Artikel terbaru
04 · FAQ
Pertanyaan umum
Setiap model mendapat Podium Score (0–100) — campuran berbobot dari empat sinyal: 35% Elo arena dari perbandingan oleh manusia, 30% rata-rata benchmark, 20% Intelligence Index dari Artificial Analysis, dan 15% skor LLM Stats. Semua sinyal dinormalisasi ke skala umum, sehingga skornya menjadi jalan tengah yang masuk akal dari lima papan peringkat independen.
Claude Mythos Preview memimpin dengan 97.4. Berikutnya Claude Fable 5 (93.4) dan Claude Fable 5.1 (XHigh) (89.0). Peringkat berubah tiap minggu seiring masuknya suara dan hasil baru.
Kami mengkurasi 738 model unggulan dalam 18 kategori (coding, matematika, penalaran, agen, pengetahuan, multimodal, konteks panjang, kecepatan, nilai, dan bobot terbuka), ditambah tabel arena lengkap berisi 726 model.
Dari lima papan peringkat publik: Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase. Setiap sumber disinkronkan tiap minggu; formula lengkapnya ada di halaman metodologi.