Készség / MCP: használd a ranglista adatait az ügynöködben

Itt minden nyilvános: nincs szükség fiókra vagy API-kulcsra. Add meg az AI-ügynöködnek az alábbi skillfájlt, vagy hívd meg közvetlenül a REST API-t.

Ügynök készség (SKILL.md)

Mentsd ezt a fájlt SKILL.md néven egy skills mappába, és az ügynököd tudni fogja, hogyan olvassa a ranglistákat és a modellek képességeinek összehasonlítását a nyilvános API-n keresztül.

---
name: pandanpc-leaderboard
description: Look up current AI model leaderboards and the top-10 model capability comparison from PandaNpc's public API. Use when the user asks which AI model is best, how models rank on chat, coding, image, video, speech or agent tasks, or how top models compare on benchmarks.
---

# PandaNpc leaderboard

Public, read-only JSON API. No account and no API key. Base URL: https://api.pandanpc.com/api/public/leaderboard

## Boards

GET https://api.pandanpc.com/api/public/leaderboard
GET https://api.pandanpc.com/api/public/leaderboard?category=<board key>

Response: { boards: [{ key, source, metric, meta, rows }], vendorIcons }
- With ?category=<key> the response still contains every board, but only the requested one has rows; boards with an empty rows array are shells. Always pick a board by key (for example jq '.boards[] | select(.key=="llm_chat")'), never by index.
- key: llm_chat, image_gen, code, image_edit, video, agent, vision, search, document, image_to_video, video_edit, text_to_speech, speech_to_text, speech_to_speech, or_usage, aa_intelligence
- source: arena | artificial_analysis | openrouter
- meta: { source_url, last_updated, synced_at }
- rows: [{ rank, model, vendor, score, ci, votes, ...price fields }]

Scores are comparable only inside one board. Arena boards are Elo from human blind votes; read the rank together with ci. Lower is better for speech-to-text (word error rate).

## Capability comparison

GET https://api.pandanpc.com/api/public/leaderboard/capabilities

Response: { dimensions, models, sources, fetched_at }
- models: top 10 by Epoch Capabilities Index: { rank, model, model_key, vendor, eci }
- sources: [{ source, label, license, url, updated, fetched_at, boards }] including epoch, vals, aa, google_card, browserbase, browser_use, coarena and ale
- boards: [{ key, name, capability, comparison_key, updated, fetched_at, scores }] where scores is keyed by model_key: { score, score_raw, scale, effort, harness, cost_per_task, model_version, evaluation_metadata }

Preserve every published configuration. Compare only within one source and comparison_key. Read scale: percent is 0-100, rating (Coarena) is not a percentage. Coarena is mixed-task blind human preference; show its 95% interval. ALE allows GUI/CLI tools; keep its full/max configuration, harness and run-task / split-task counts, and separate pass rate from partial score. updated is the upstream date when published; fetched_at is PandaNpc's fetch time, never a substitute source date.

## Attribution (required)

Name the source next to any number you show:
- Epoch AI, CC BY 4.0 (epoch.ai)
- Vals.ai (vals.ai)
- Artificial Analysis (artificialanalysis.ai)
- Coarena (coarena.ai) and Agents’ Last Exam, CC BY 4.0 (agents-last-exam.org), for their matching sources
- arena.ai and OpenRouter for the matching boards

Data refreshes about once a day. Cache for at least an hour.

MCP-szerver

Add hozzá a PandaNpc MCP szervert a kliensedhez ezzel a konfigurációval, vagy futtasd az alábbi parancsot.

{
  "mcpServers": {
    "pandanpc": {
      "command": "npx",
      "args": ["-y", "@pandanpc/mcp-server"]
    }
  }
}

claude mcp add pandanpc -- npx -y @pandanpc/mcp-server

Az MCP-szerver még nem tesz elérhetővé ranglistaeszközöket. A ranglistaadatokhoz használja a fenti készséget vagy az alábbi REST API-t.

curl példák

# All boards (Arena, Artificial Analysis, OpenRouter) in one response
curl -s https://api.pandanpc.com/api/public/leaderboard

# One board: add ?category=<board key>, e.g. llm_chat, code, image_gen, aa_intelligence
# The response still lists every board, but only the requested one has rows (the others are empty shells)
curl -s "https://api.pandanpc.com/api/public/leaderboard?category=llm_chat"

# Top 5 models of the chat board: select the board by its key, never by position
curl -s "https://api.pandanpc.com/api/public/leaderboard?category=llm_chat" | jq '.boards[] | select(.key=="llm_chat") | .rows[:5] | map({rank, model, vendor, score})'

# Capability comparison: top 10 models by Epoch Capabilities Index x benchmarks
curl -s https://api.pandanpc.com/api/public/leaderboard/capabilities

# GPQA Diamond score of every model (Epoch AI)
curl -s https://api.pandanpc.com/api/public/leaderboard/capabilities | jq '.sources[] | select(.source=="epoch") | .boards[] | select(.key=="gpqa_diamond") | .scores'

Válaszmezők

MezőJelentés
boardsTáblák tömbje. Minden tábla kulcsot, forrást, metrikát, metaadatot és sorokat tartalmaz.
keyA tábla kulcsa, például llm_chat, code vagy aa_intelligence. Egy képesség-benchmark kulcsa is.
sourceAdatforrás: arena, artificial_analysis vagy openrouter. A képességválaszban: epoch, vals vagy aa.
metricMit jelent a pontszám ezen a táblán, például az Elo vagy egy index.
metasource_url, last_updated (a forrás dátuma) és synced_at (amikor a PandaNpc legutóbb frissített).
rowsRangsorolt sorok: rang, modell, szolgáltató, pontszám, CI, szavazatok és opcionális ármezők.
vendorIconsLeképezés a kisbetűsített szállítónévről egy ikon URL-re.
modelsKépességválasz: az Epoch Capabilities Index szerinti 10 legjobb modell, mindegyiknél a helyezés, a modell, a model_key, a szolgáltató és az eci szerepel.
sourcesKépességválasz: kiadónként egy bejegyzés, beleértve a Coarena és az ALE kiadót is, saját táblákkal és lekérési idővel. A források és az összehasonlítási csoportok soha nem keverednek.
scoresBenchmarkonként és modellenként: score, score_raw, scale, effort, harness, model_version és evaluation_metadata. A százalékos pontszámok 0–100-as skálát használnak; a Coarena preferenciaértékelések nem. Tartsa meg a konfidenciaintervallumokat és a feladatszámokat.
updatedA forrásoldali benchmark dátuma közzététel esetén; a null a nem publikált értéket jelenti. A fetched_at külön rögzíti, amikor a PandaNpc lekérte a forrást.

Forrásmegjelölés

Az adatok a következő forrásokból származnak: Epoch AI (CC BY 4.0), Vals.ai, Artificial Analysis (artificialanalysis.ai), arena.ai és OpenRouter. A megjelenített számok mellett tartsd meg a forrásneveket.