Papan Peringkat LLM dan Peringkat Model AI

Satu halaman yang menghimpun benchmark dan papan peringkat AI utama — Chatbot Arena Elo (arena.ai), Artificial Analysis Intelligence Index dan Speech Arena, serta penggunaan OpenRouter — di berbagai kategori: chat, coding, TTS, ucapan-ke-teks, gambar, video, dan agen.

Peringkat	Model	Vendor	Pangsa % ?	Tokens ?	Input ?	Output	Cache ?
1	deepseek-v4.1-flash-20261017	DeepSeek	16%	3.6T	0.150	0.600	0.0030
2	deepseek-v4.1-flash-20260910	DeepSeek	12.4%	2.8T	0.150	0.600	0.0030
3	glm-5.3-flash-20260826	Zhipu	7.7%	1.7T	0.048	0.160	0.0060
4	hy4-preview-20260827	Tencent	6.1%	1.4T	0.834	2.50	0.042
5	mimo-v2.6-flash-20260921	Xiaomi	5.5%	1.2T	0.140	0.280	0.0028
6	claude-opus-5.5-20260921	Anthropic	4.8%	1.1T	4.00	20.0	0.200
7	minimax-m3.1-flash-20261019	MiniMax	4.7%	1.1T	—	—	—
8	gpt-6-luna-20260922	OpenAI	3.9%	878.2B	0.100	0.500	0.010
9	nemotron-3-ultra-550b-a55b-20260604	Nvidia	3.6%	803.1B	0.600	2.40	0.120
10	glm-5.3-20260816	Zhipu	3.3%	745.2B	0.079	1.40	0.078
11	deepseek-v4-flash-20260731	DeepSeek	2.8%	626.4B	0.015	0.450	0.015
12	hy3-20260706	Tencent	2.2%	502.1B	0.132	0.528	0.033
13	muse-spark-1.3-contributor-20260902	Meta	2.1%	477.1B	0.100	0.200	0.0020
14	Tjev-1.13-20260917	Typesafe	1.9%	422.1B	—	—	—
15	deepseek-v4-flash-20260423	DeepSeek	1.7%	377.1B	0.015	0.450	0.015
16	claude-sonnet-5.5-20260928	Anthropic	1.6%	350.1B	2.00	10.0	0.100
17	mimo-v2.6-pro-20260921	Xiaomi	1.3%	287.1B	0.435	0.870	0.0036
18	kimi-k3-20260715	Moonshot	1.3%	283.4B	0.239	11.9	0.210
19	gpt-6.1-sol-20260929	OpenAI	1.2%	267.6B	2.00	10.0	0.100
20	claude-haiku-5.5-20261007	Anthropic	1.1%	250.8B	0.100	0.500	0.010
21	gpt-5.6-luna-20260709	OpenAI	1%	232.3B	0.200	1.20	0.020
22	gemini-3.8-flash-20260902	Google	1%	215.8B	0.825	4.13	0.083
23	Tjev-1.14-20261014	Typesafe	0.9%	210.3B	—	—	—
24	nemotron-3.5-super-vl-20261015	Nvidia	0.9%	208.7B	0.150	0.500	0.020
25	minimax-m3-20260531	MiniMax	0.9%	206.5B	0.300	1.20	0.060
26	Usolar-mini4-20260922	Upstage	0.7%	153.9B	0.050	0.200	0.0050
27	glm-5.2-20260616	Zhipu	0.6%	141.9B	0.620	2.42	0.140
28	laguna-s-2.1-20260720	Poolside	0.6%	138.5B	0.090	0.180	0.0090
29	claude-opus-5-20260723	Anthropic	0.6%	130.8B	5.00	25.0	0.500
30	nemotron-3.5-lightning-20260807	Nvidia	0.6%	130.4B	0.070	0.200	0.040
31	gemini-4-argon-20261013	Google	0.6%	128.3B	2.00	10.0	0.100
32	deepseek-v4-pro-20260813	DeepSeek	0.5%	121.6B	0.660	1.98	0.022
33	gemini-3-flash-preview-20251217	Google	0.5%	113.4B	0.500	3.00	0.050
34	deepseek-v4-pro-20260423	DeepSeek	0.5%	103.2B	0.660	1.98	0.022
35	qwen3.8-flash-20260826	Alibaba	0.5%	102.4B	0.150	0.470	0.016
36	claude-sonnet-5-20260630	Anthropic	0.4%	90.5B	2.00	10.0	0.200
37	Ddots-3-note-preview-20260813	Dots-studio	0.4%	88.7B	—	—	—
38	gemini-2.5-flash-lite	Google	0.4%	85.1B	0.100	0.400	0.010
39	Usolar-pro4-20260810	Upstage	0.3%	78.7B	0.150	0.600	0.030
40	gemma-4-31b-it-20260402	Google	0.3%	74.7B	0.200	0.400	—
41	nemotron-3-super-120b-a12b-20230311	Nvidia	0.3%	73.7B	0.080	0.450	—
42	gemini-3.1-flash-lite-20260507	Google	0.3%	73.0B	0.250	1.50	0.025
43	gpt-oss-120b	OpenAI	0.3%	72.8B	0.150	0.600	0.075
44	mimo-v2.5-20260422	Xiaomi	0.3%	70.7B	0.140	0.280	0.0028
45	gpt-6-sol-20260922	OpenAI	0.3%	62.8B	2.00	10.0	0.200
46	gpt-6-astra-20260903	OpenAI	0.3%	61.6B	10.0	50.0	1.00
47	gemini-3.7-flash-20260813	Google	0.3%	61.3B	0.750	3.75	0.075
48	gpt-6-luna-pro-20260922	OpenAI	0.3%	57.8B	0.100	0.500	0.010
49	qwen3.8-27b-20260814	Alibaba	0.3%	57.4B	0.040	1.35	0.018
50	gemma-4-26b-a4b-it-20260403	Google	0.2%	55.3B	0.076	0.255	0.043

Sumber: OpenRouter · Diperbarui 2026-10-19 · PandaNpc Diperbarui 20 Okt 2026, 06.00 UTCLihat papan peringkat lengkap →

Cara Membaca Angka

Papan peringkat LLM memberi tahu Anda model mana yang lebih disukai orang; benchmark AI memberi tahu Anda apa yang dapat dilakukan model secara objektif; data penggunaan memberi tahu Anda apa yang sebenarnya dirilis developer. Tidak ada satu peringkat pun yang menjawab "model AI mana yang terbaik", jadi halaman ini menggabungkan ketiganya — Chatbot Arena Elo dari arena.ai, Artificial Analysis Intelligence Index dan arena ucapan, serta pangsa token OpenRouter — dan memperbaruinya setiap hari.

arena.ai (sebelumnya LMArena) menampilkan dua jawaban anonim kepada pengguna untuk perintah yang sama dan meminta mereka memilih salah satu, kemudian memperoleh peringkat Elo dari pertarungan tersebut. Ini mengukur jawaban mana yang lebih disukai orang — bukan kemampuan objektif. Gaya yang disukai bisa menang, sementara jawaban yang teliti tetapi bertele-tele bisa kalah.

Votes adalah pertempuran yang telah dikumpulkan oleh sebuah model. Model yang baru terdaftar memiliki sedikit votes dan interval kepercayaan yang lebar, sehingga peringkatnya mudah berubah — selalu baca peringkat bersama dengan interval ±.

Papan Agent bekerja berbeda dari yang lain: papan ini mengukur sesi agen nyata, bukan preferensi suara buta. Metrik utamanya, Net Improvement, adalah kenaikan persentase — bukan peringkat Elo — sehingga tidak dapat dibandingkan antar papan. arena.ai juga melaporkan lima dimensi lagi (Confirmed Success, Steerability, Bash Recovery dan lainnya) di papan peringkat lengkap.

Papan penggunaan berasal dari OpenRouter dan menghitung pangsa token API nyata — pengembang memberikan suara dengan dompet mereka, yang melengkapi papan preferensi subjektif.

Papan peringkat speech berasal dari Artificial Analysis: TTS menggunakan Elo Speech Arena dengan pendengaran buta; ASR menggunakan AA-WER v2, di mana lebih rendah lebih baik; dan Speech-to-Speech native menggunakan komposit berbobot setara dari Big Bench Audio, Full Duplex Bench, dan τ-Voice, di mana lebih tinggi lebih baik. Bandingkan skor hanya dalam papan yang sama. Sumber: artificialanalysis.ai.

Papan Intelligence Index berasal dari Artificial Analysis: papan ini menyaring banyak tolok ukur publik menjadi satu Intelligence Index 0-100, mengukur kemampuan objektif daripada preferensi subjektif — pelengkap alami untuk vote buta manusia arena.ai. Sumber: artificialanalysis.ai.