Leaderboard de LLMs e Rankings de Modelos de IA
Uma página que reúne os principais benchmarks e rankings de IA — Chatbot Arena Elo (arena.ai), o Índice de Inteligência da Artificial Analysis e as arenas de fala, e o uso do OpenRouter — em chat, codificação, TTS, fala para texto, imagem, vídeo e agentes.
| Posição | Modelo | Fornecedor | Índice de Fala ? |
|---|---|---|---|
| 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% |
Fonte: Artificial Analysis · Atualizado Oct 21, 2026 · PandaNpc Atualizado 21 de out. de 2026, 06:01 UTCVer classificação completa →
Como ler esses números
Um ranking de LLMs mostra qual modelo as pessoas preferem; um benchmark de IA mostra do que um modelo é objetivamente capaz; dados de uso mostram o que os desenvolvedores realmente usam. Nenhum ranking sozinho responde “qual é o melhor modelo de IA”, então esta página reúne os três — o Chatbot Arena Elo do arena.ai, o Artificial Analysis Intelligence Index e as arenas de fala, e a participação de tokens do OpenRouter — e os atualiza diariamente.
arena.ai (antigo LMArena) mostra aos usuários duas respostas anônimas para o mesmo prompt e pede que escolham uma, depois deriva uma classificação Elo dessas batalhas. Mede qual resposta as pessoas preferem — não a capacidade objetiva. Um estilo agradável pode vencer, enquanto uma resposta rigorosa mas prolixa pode perder.
Votos são as batalhas que um modelo acumulou. Um modelo recém-listado tem poucos votos e um amplo intervalo de confiança, então sua classificação oscila facilmente — sempre leia a classificação junto com o intervalo ±.
O painel de Agentes funciona de forma diferente dos demais: ele mede sessões reais de agentes em vez de preferência de votação cega. Sua métrica principal, Net Improvement, é um ganho percentual — não uma classificação Elo — portanto, não pode ser comparado entre painéis. arena.ai também relata mais cinco dimensões (Confirmed Success, Steerability, Bash Recovery e outras) na tabela de classificação completa.
O painel de uso vem do OpenRouter e conta a participação real de tokens da API — desenvolvedores votando com suas carteiras, o que complementa os painéis de preferência subjetiva.
As tabelas de fala vêm da Artificial Analysis: TTS usa o Elo do Speech Arena por escuta cega; ASR usa AA-WER v2, em que o menor é melhor; e Speech-to-Speech nativo usa uma composição com pesos iguais de Big Bench Audio, Full Duplex Bench e τ-Voice, em que o maior é melhor. Compare as pontuações apenas dentro da mesma tabela. Fonte: artificialanalysis.ai.
O quadro Intelligence Index vem da Artificial Analysis: ele destila muitos benchmarks públicos em um único Intelligence Index de 0 a 100, medindo capacidade objetiva em vez de preferência subjetiva — um complemento natural para o voto cego humano do arena.ai. Fonte: artificialanalysis.ai.