НОВОЕAdded Agnes 3.0 Flash & DeepSeek V4.1 Flash
Независимый анализ ИИ-моделей
Изучите ландшафт передовых языковых моделей для выбора оптимальной нейросети, тарифа и провайдера инференса под ваши задачи.
- Моделей в рейтинге
- 767
- Категории
- 18
- Источники данных
- 5
Ключевые метрики
01 · Рейтинги в реальном времени
Топ моделей
Топ-10 моделей по общему счёту Podium
Смотреть все →| # | Модель | Podium Score |
|---|---|---|
| 01 | Claude Mythos Preview Anthropic · Proprietary | 97.4 |
| 02 | Claude 5.5 Sonnet Anthropic · Proprietary | 94.8 |
| 03 | Kimi K3.1 Pro Moonshot AI · Open Weights | 94.2 |
| 4 | Eleven Multilingual v3 ElevenLabs · Proprietary | 94.0 |
| 5 | FLUX.2 Pro Black Forest Labs · Proprietary | 93.8 |
| 6 | Gemini 4 Argon Google · Proprietary | 93.6 |
| 7 | Claude Fable 5 Anthropic · Proprietary | 93.4 |
| 8 | GPT-Image 2 OpenAI · Proprietary | 93.1 |
| 9 | Grok Imagine Quality xAI · Proprietary | 92.6 |
| 10 | ElevenLabs Scribe v2 ElevenLabs · Proprietary | 92.5 |
02 · Домены оценки
Лучшие по задачам
Код
Инженерия кода: SWE-Bench, LiveCodeBench, SciCode, Terminal-Bench и HumanEval.
Лидер: Claude Fable 5.1
Математика
От олимпиадной математики до фронтирных задач: AIME, MATH и FrontierMath.
Лидер: Claude Mythos Preview
Рассуждения
Глубокие рассуждения и наука: GPQA Diamond, HLE и ARC-AGI-2.
Лидер: Claude Mythos Preview
Агентность
Автономные инструменты и работа с компьютером: OSWorld, Toolathlon, MCP Atlas, τ²-Bench.
Лидер: Kimi K3
Знания
Факты и устойчивость к галлюцинациям: SimpleQA, MMLU-Pro и MMMLU.
Лидер: Claude Mythos Preview
Мультимодальность
Понимание изображений и документов: MMMU, CharXiv и ScreenSpot-Pro.
Лидер: Claude Mythos Preview
03 · Исследования и анализ
Последние статьи
04 · Частые вопросы
Частые вопросы
Каждая модель получает Podium Score (0–100) — взвешенную смесь четырёх сигналов: 35% Elo арены из очных сравнений людьми, 30% среднее по бенчмаркам, 20% индекс интеллекта Artificial Analysis и 15% оценка LLM Stats. Все сигналы нормализованы к общей шкале, поэтому оценка — правдоподобная середина между пятью независимыми лидербордами.
Лидирует Claude Mythos Preview с результатом 97.4. Далее — Claude 5.5 Sonnet (94.8) и Kimi K3.1 Pro (94.2). Рейтинги меняются еженедельно по мере поступления новых голосов и результатов.
Мы курируем 767 флагманских моделей в 18 категориях (кодинг, математика, рассуждение, агенты, знания, мультимодальность, длинный контекст, скорость, цена/качество и открытые веса), плюс полная таблица арены на 722 моделей.
Из пяти публичных лидербордов: Arena.ai, Artificial Analysis, LLM Stats, Vellum Leaderboard, LLMBase. Каждый источник синхронизируется еженедельно; точная формула — на странице методологии.