AI Modell Ranglisták
Többforrású AI-rangsorok csevegés, beszéd, TTS, ASR, kód, kép, videó és ügynökök terén — az arena.ai, OpenRouter és Artificial Analysis által.
| Helyezés | Modell | Gyártó | Beszédindex ? |
|---|---|---|---|
| 1 |  Grok Voice 3.0 | SpaceXAI | 89% |
| 2 |  GPT-Live-1 (Astra, medium) | OpenAI | 86.3% |
| 3 |  Qwen Audio 3.0 Realtime Plus | Alibaba | 84% |
| 4 | Grok Voice 2.0 | SpaceXAI | 82.7% |
| 5 | GPT-Live-1 (Sol, low) | OpenAI | 81.7% |
| 6 | GPT-Realtime-2.1 High | OpenAI | 79.3% |
| 7 | GPT-Realtime-2 High | OpenAI | 77.3% |
| 8 | Qwen Audio 3.0 Realtime Flash | Alibaba | 76.3% |
| 9 | Grok Voice 1.0 | SpaceXAI | 75.7% |
| 10 | GPT-Realtime-2 Medium | OpenAI | 75% |
| 11 |  Eleven Realtime v1 Mini | ElevenLabs | 73% |
| 12 |  Gemini 3.8 Live | 72.7% | |
| 13 | GPT-Realtime-2.1 Minimal | OpenAI | 72.7% |
| 14 | GPT-Realtime-1.5 | OpenAI | 72% |
| 15 | GPT Realtime (Aug 2025) | OpenAI | 69% |
| 16 | GPT-Realtime-2 Minimal | OpenAI | 66.3% |
| 17 | GPT-Realtime-2.1 Mini High | OpenAI | 65.3% |
| 18 | Grok Voice Agent | SpaceXAI | 64% |
| 19 |  Deepslate Opal | Deepslate | 63% |
| 20 | Higgs Realtime | Boson AI | 60.3% |
| 21 | GPT-Realtime-2.1 Mini Minimal | OpenAI | 59.3% |
| 22 | GPT Realtime Mini (Oct 2025) | OpenAI | 58.3% |
Forrás: Artificial Analysis · Frissítve Oct 21, 2026 · PandaNpc Frissítve 2026. okt. 21. 06:01 UTCTeljes ranglista megtekintése →
Számok olvasása
Egy LLM-ranglista megmutatja, melyik modellt kedvelik jobban az emberek; egy AI-benchmark megmutatja, mire képes egy modell objektíven; a használati adatok megmutatják, mit használnak ténylegesen a fejlesztők éles környezetben. Egyetlen rangsor sem válaszolja meg, hogy „melyik a legjobb AI-modell”, ezért ez az oldal mindhármat egyesíti — a Chatbot Arena Elo-pontszámait (arena.ai), az Artificial Analysis Intelligence Indexét és beszédarénáit, valamint az OpenRouter tokenrészesedését — és naponta frissíti őket.
arena.ai (korábban LMArena) két névtelen választ mutat a felhasználóknak ugyanarra a promptra, és megkéri őket, hogy válasszanak egyet, majd ezekből a küzdelmekből származtat egy Elo-pontszámot. Azt méri, hogy az emberek melyik választ preferálják – nem az objektív képességet. Egy szimpatikus stílus nyerhet, míg egy precíz, de bőbeszédű válasz veszíthet.
A szavazatok a modell által felhalmozott csaták. Egy újonnan listázott modellnek kevés szavazata van és széles a konfidenciaintervalluma, így a rangja könnyen ingadozik — mindig a rangot a ± intervallummal együtt olvassa.
Az Ágens tábla másképp működik, mint a többi: valódi ágens munkameneteket mér, nem pedig vak szavazati preferenciákat. Fő mutatója, a Net Improvement, százalékos növekedés – nem Elo-pontszám –, így nem hasonlítható össze a táblák között. Az arena.ai további öt dimenziót is jelent (Confirmed Success, Steerability, Bash Recovery és mások) a teljes ranglistán.
A használati tábla az OpenRouter-tól származik, és a valós API token megosztást számolja – a fejlesztők a pénztárcájukkal szavaznak, ami kiegészíti a szubjektív preferencia táblákat.
A beszéd-rangsorok az Artificial Analysis-től származnak: a TTS vakon hallgatott Speech Arena Elo-t használ; az ASR az AA-WER v2-t használja, ahol az alacsonyabb jobb; a natív Speech-to-Speech pedig a Big Bench Audio, Full Duplex Bench és τ-Voice egyenlő súlyú kompozitját használja, ahol a magasabb jobb. Csak ugyanazon a rangsoron belül hasonlítsa össze a pontszámokat. Forrás: artificialanalysis.ai.
Az Intelligence Index tábla az Artificial Analysis-től származik: számos nyilvános benchmarkot egyetlen 0-100-as Intelligence Index-szé sűrít, amely az objektív képességet méri a szubjektív preferencia helyett — természetes kiegészítője az arena.ai emberi vak szavazatának. Forrás: artificialanalysis.ai.