Leaderboard de LLMs e Rankings de Modelos de IA

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.