よくある質問

各モデルには Podium スコア（0–100）が付与されます：アリーナ Elo 35%、ベンチマーク平均 30%、Artificial Analysis インテリジェンス指数 20%、LLM Stats 複合 15% — 5つの独立リーダーボードで正規化・統合されています。

5つのソースすべてを毎週再同期しています。主要モデルのリリース時には即時更新を行います。すべてのページに最終更新日が表示されます。

5つの公開リーダーボードを集約しています：Arena.ai（アリーナ Elo）、Artificial Analysis（インテリジェンス指数と性能）、LLM Stats、Vellum、LLMBase。価格は各プロバイダーの公式ドキュメントから取得しています。

Podium スコアは4つの正規化シグナルの加重平均です：アリーナ Elo（35%）、ベンチマーク平均（30%）、インテリジェンス指数（20%）、LLM Stats スコア（15%）。欠損シグナルは残りのソースで再加重されます。詳しくは方法論ページをご覧ください。

すべてのモデルがすべてのベンチマークで評価されているわけではありません — 一部のベンチマークは特定の能力（例：MMMU には視覚）を要求したり、新しいモデルでまだ実行されていなかったりします。利用不可のデータは「—」と表示します。

はい！比較ページで最大4モデルを選び、ベンチマーク、価格、速度、レイテンシを含む全メトリクスの並列比較ができます。

アリーナ Elo は人間の一騎打ちバトルによるクラウドソーシングの好み評価です：2つの匿名モデルが同じプロンプトに回答し、人々が投票し、その投票が信頼区間付きで Elo 式レーティングを更新します。ランキングにおける最大の単一シグナルです。

100万トークンあたりの入力・出力価格を表示し、各プロバイダーの公式 API 価格ページから直接取得しています。Value カテゴリは両方の価格をブレンド — 低いほど良いです。

もちろんです。DeepSeek、Alibaba（Qwen）、Moonshot AI（Kimi）、Z.ai（GLM）、MiniMax、Baidu などのプロプライエタリとオープンウェイトモデルの両方を追跡しています。オープンウェイトモデルには /leaderboard/open の専用リーダーボードがあります。

TTFT はリクエスト送信からレスポンスの最初のトークン受信までの時間を測定します。低いほど良いです。応答性が重要なインタラクティブアプリにおける主要指標です。

当リーダーボードのデータは公開ベンチマークに由来します。再利用条件は各ベンチマークのライセンスをご確認ください。機械可読の要約は /llms.txt にあります。

プロバイダーがモデルを更新した場合、変更の大きさに応じて既存エントリを更新するか新規エントリを作成します。廃止モデルは最終スコアを保持し「legacy」バッジが付きます。