Задачи на рассуждение, где ответ либо верный, либо нет: считается доля решённых, а не понравившихся. Рядом есть второй взгляд — по слепым оценкам людей. Логика как раз тот случай, где предпочтение и решённая задача расходятся сильнее всего: складно изложенное рассуждение нравится людям и при неверном ответе.
Один вопрос, два способа на него ответить. Показатели меряют разное и в один балл не складываются.
Здесь измерены не все модели. Из первой десятки вкладки «По оценкам людей» в этой таблице нет 2 — Muse Spark 1.1, MiMo V2.5 Pro. Ни одной оценки на наборах заданий этой вкладки у них нет: пустое место означает «не измеряли», а не «выступила плохо». Самая новая модель, до которой набор дотянулся, вышла 27 июля 2026.
| # | Модель | Разработчик | Балл по задачам 0–100, с поправкой на охват | Вход$ / 1M | Выход$ / 1M | Контексттокенов | WeirdML | SimpleBench | ARC-AGI | ARC-AGI-2 | Шахматные задачи | Наборовизмерено |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | GPT-5.6 Sol | OpenAI | 71,53 92,92 | $5 | $30 | 1 050K | 88,8 | — | 97,5 | 92,5 | — | 3 |
| 2 | Claude Opus 5 | Anthropic | 65,91 79,15 | $5 | $25 | 1 000K | 91,8 | — | 97,5 | 88,3 | 39 | 4 |
| 3 | Gemini 3.1 Pro Preview | Google DeepMind | 64,89 75,07 | $2 | $12 | 1 049K | 72,1 | 75,5 | 98 | 77,1 | 52,7 | 5 |
| 4 | GPT 5.4 Pro 2026-03-05 | OpenAI | 62,79 72,13 | $30 | $180 | 1 050K | 57,4 | 68,9 | 94,5 | 83,3 | 56,4 | 5 |
| 5 | GPT-5.6 Terra | OpenAI | 61,12 69,79 | $2 | $12 | 1 050K | 78,3 | 38,7 | 96,5 | 83,9 | 51,6 | 5 |
| 6 | GPT 5.4 2026-03-05 | OpenAI | 60,88 71,6 | $2,5 | $15 | 1 050K | 77,7 | — | 93,7 | 74 | 41,1 | 4 |
| 7 | Gemini 3.5 Flash | Google DeepMind | 60,79 69,33 | $1,5 | $9 | 1 049K | 62,6 | 72 | 92,5 | 72,1 | 47,4 | 5 |
| 8 | GPT-5.6 Sol Pro | OpenAI | 59,3 72,53 | $5 | $30 | 1 050K | 89,4 | 66 | — | — | 62,1 | 3 |
| 9 | Claude Opus 4.8 | Anthropic | 59,24 67,16 | $5 | $25 | 1 000K | 82,9 | 57,8 | 92,5 | 72,1 | 30,6 | 5 |
| 10 | Claude Opus 4.7 | Anthropic | 58,06 65,51 | $5 | $25 | 1 000K | 76,4 | 55,5 | 93,5 | 75,8 | 26,4 | 5 |
| 11 | Claude Fable 5 | Anthropic | 57,41 69,38 | $10 | $50 | 1 000K | 91,9 | 78,3 | — | — | 37,9 | 3 |
| 12 | Grok 4.20 | xAI | 57,16 68,97 | $1,25 | $2,5 | 2 000K | 52,3 | — | 89,5 | 65,1 | — | 3 |
| 13 | Gemini 2.5 Pro Preview 0605 | Google DeepMind | 56,37 73,29 | $1,13 | $9 | 1 049K | — | 54,9 | — | — | — | 2 |
| 14 | Claude Opus 4.6 | Anthropic | 56,26 62,98 | $5 | $25 | 1 000K | 78 | 61,1 | 94 | 69,2 | 12,7 | 5 |
| 15 | GPT 5.2 Pro 2025-12-11 | OpenAI | 54,49 64,51 | $21 | $168 | 272K | — | 48,9 | 90,5 | 54,2 | — | 3 |
| 16 | Grok 4.5 | xAI | 51,68 56,58 | $2 | $6 | 500K | 46,4 | 64 | 87,2 | 52,6 | 32,7 | 5 |
| 17 | GPT-5.6 Luna | OpenAI | 51,47 56,29 | $0,2 | $1,2 | 1 050K | 60,9 | 36,2 | 88 | 59,5 | 36,9 | 5 |
| 18 | Gemini 3 Pro Preview | Google DeepMind | 50,57 55,02 | $2 | $12 | 1 049K | 69,9 | 71,7 | 75 | 31,1 | 27,4 | 5 |
| 19 | Claude Sonnet 4.6 | Anthropic | 50,06 55,36 | $3 | $15 | 1 000K | 66,1 | — | 86,5 | 60,4 | 8,5 | 4 |
| 20 | OpenAI o3-pro (2025-06-10) | OpenAI | 49,74 54,89 | $20 | $80 | 200K | 58,2 | — | 59,3 | 4,9 | — | 4 |
| 21 | Kimi K3 | Moonshot AI (Kimi) | 49,32 59,2 | $2 | $8 | 1 049K | 82,6 | — | — | — | 35,8 | 2 |
| 22 | GPT 5 2025-08-07 | OpenAI | 49,26 52,54 | $1,25 | $10 | 272K | 60,7 | 48 | 65,7 | 9,9 | 33,7 | 6 |
| 23 | Grok 4 | xAI | 47,31 49,94 | $3 | $15 | 256K | 45,7 | 52,6 | 66,7 | 16 | 24,2 | 6 |
| 24 | GPT 5 Pro 2025-10-06 | OpenAI | 46,96 50,71 | $15 | $120 | 400K | 60,4 | 53,9 | 70,2 | 18,3 | — | 4 |
| 25 | Gemini 2.5 Pro Experimental 0325 | Google DeepMind | 46,88 54,31 | $2,5 | $10 | 1 049K | — | 41,9 | — | — | — | 2 |
| 26 | Claude Sonnet 5 | Anthropic | 46,4 51,04 | $2 | $10 | 1 000K | 68,8 | 52,7 | — | — | 31,6 | 3 |
| 27 | Claude 4.5 Opus | Anthropic | 46,01 48,63 | $5 | $25 | 200K | 63,7 | 54,4 | 80 | 37,6 | 7,4 | 5 |
| 28 | Grok 4 Fast | xAI | 44,99 47,76 | $0,2 | $0,5 | 2 000K | 42,9 | — | 48,5 | 5,3 | — | 4 |
| 29 | o3 2025-04-16 | OpenAI | 44,31 45,93 | $2 | $8 | 200K | 52,4 | 43,7 | 60,8 | 6,5 | 23,2 | 6 |
| 30 | GLM 5.2 | Zhipu AI / Z.ai | 44,28 46,7 | $0,42 | $1,32 | 1 049K | 70,1 | — | 77 | 22,8 | 16,9 | 4 |
| 31 | GPT 5 Mini 2025-08-07 | OpenAI | 43,29 45,21 | $0,25 | $2 | 272K | 52,7 | — | 54,3 | 4,4 | — | 4 |
| 32 | Kimi K2.5 | Moonshot AI (Kimi) | 41,41 42,07 | $0,35 | $1,7 | 262K | 45,6 | 36,2 | 65,3 | 11,8 | 7,4 | 6 |
| 33 | Gemini 3 Flash Preview | Google DeepMind | 40,53 40,96 | $0,5 | $3 | 1 049K | 61,6 | 53,3 | 21,5 | 33,6 | 34,8 | 5 |
| 34 | Qwen3 235B A22B Thinking-2507 | Alibaba (Qwen) | 40,47 41,15 | $0,1 | $0,1 | 262K | 41 | — | — | — | 7,4 | 3 |
| 35 | o4 Mini 2025-04-16 | OpenAI | 40,33 40,63 | $1,1 | $4,4 | 200K | 52,6 | 26,4 | 58,7 | 6,1 | 22,1 | 6 |
| 36 | Qwen3.7 Max | Alibaba (Qwen) | 40,33 41,21 | $2,5 | $7,5 | 1 000K | — | 64,5 | — | — | 17,9 | 2 |
| 37 | Qwen 3 235b A22B | Alibaba (Qwen) | 40,21 40,73 | $0,7 | $2,8 | 131K | 37,3 | 17,2 | — | — | — | 3 |
| 38 | Gemini 2.5 Flash Preview | Google DeepMind | 39,87 40,15 | $0,15 | $0,6 | 1 049K | 41 | — | 32,3 | — | — | 3 |
| 39 | Kimi K2.7 Code | Moonshot AI (Kimi) | 39,87 40,16 | $0,28 | $1,1 | 262K | 54,1 | 49,5 | — | — | 16,9 | 3 |
| 40 | Claude 4 Opus | Anthropic | 39,75 39,87 | $15 | $75 | 200K | 43,4 | 50,6 | 35,7 | 8,6 | — | 5 |
| 41 | DeepSeek V4 Pro | DeepSeek | 39,41 39,39 | $0,44 | $0,87 | 1 049K | 48,9 | 53,4 | — | — | 15,8 | 3 |
| 42 | GPT 5.4 Mini 2026-03-17 | OpenAI | 39,25 39,15 | $0,75 | $4,5 | 272K | 60,3 | — | 63,7 | 18,9 | 13,7 | 4 |
| 43 | Kimi K2.6 | Moonshot AI (Kimi) | 39,22 39 | $0,22 | $1,14 | 262K | 55,9 | — | — | — | 22,1 | 2 |
| 44 | GLM 5.1 | Zhipu AI / Z.ai | 39,17 38,98 | $0,06 | $0,22 | 205K | 57,1 | 46,1 | — | — | 13,7 | 3 |
| 45 | Gemini 2.5 Flash 0520 | Google DeepMind | 38,91 38,65 | $0,15 | $0,6 | 1 049K | 41 | — | 33,3 | 2,5 | — | 4 |
| 46 | Kimi K2 Instruct | Moonshot AI (Kimi) | 38,18 37,34 | $0,1 | $2 | 131K | 39,4 | 11,6 | — | — | — | 3 |
| 47 | o1 2024-12-17 | OpenAI | 38,14 37,62 | $15 | $60 | 200K | 43,8 | 28,1 | 30,7 | — | 2,2 | 5 |
| 48 | Claude Sonnet 3.7 | Anthropic | 37,9 37,12 | $3 | $15 | 200K | — | 35,7 | 28,6 | 0,9 | — | 4 |
| 49 | Grok 4.3 | xAI | 37,47 35,49 | $1,25 | $2,5 | 1 000K | 49,9 | — | — | — | 21,1 | 2 |
| 50 | Claude 3.5 Sonnet 2024-10-22 | Anthropic | 37,14 34,83 | $3 | $15 | 200K | 40 | 29,7 | — | — | — | 2 |
| 51 | Gemini 2.0 Flash Thinking 0121 | Google DeepMind | 37,13 34,82 | $0,31 | $1 | 1 000K | — | 16,8 | — | — | — | 2 |
| 52 | MiniMax M2.5 | MiniMax | 36,86 34,27 | $0,3 | $1,2 | 1 000K | — | — | 63,7 | 4,9 | — | 2 |
| 53 | Qwen3.6 Max Preview | Alibaba (Qwen) | 36,79 34,14 | $1,3 | $7,8 | 262K | — | 55,6 | — | — | 12,7 | 2 |
| 54 | Claude Sonnet 4.5 | Anthropic | 36,64 35,51 | $3 | $15 | 1 000K | 47,7 | 45,2 | 63,7 | 13,6 | 7,4 | 5 |
| 55 | Qwen3 Max 2025-09-23 | Alibaba (Qwen) | 36,4 33,35 | $0,86 | $3,43 | 258K | — | — | — | — | 0 | 2 |
| 56 | Claude 4 Sonnet | Anthropic | 36,06 34,71 | $3 | $15 | 1 000K | 46,1 | 34,6 | 40 | 5,9 | — | 5 |
| 57 | DeepSeek Chat 0324 | DeepSeek | 35,52 32,91 | $0,2 | $0,6 | 164K | 36,1 | 12,6 | — | — | — | 3 |
| 58 | GPT 5.4 Nano 2026-03-17 | OpenAI | 35,28 33,19 | $0,2 | $1,25 | 272K | 49,2 | — | 51,5 | 5,7 | 26,4 | 4 |
| 59 | DeepSeek R1 0528 | DeepSeek | 35,26 33,58 | $0,25 | $0,25 | 164K | 41,6 | 29 | 21,2 | 1,1 | — | 5 |
| 60 | Claude 4.1 Opus | Anthropic | 35,16 32,3 | $15 | $75 | 200K | 42,8 | 52 | — | — | 2,2 | 3 |
| 61 | DeepSeek V3.2 | DeepSeek | 34,98 30,52 | $0,28 | $0,4 | 164K | — | — | 57 | 4 | — | 2 |
| 62 | o1 Preview 2024-09-12 | OpenAI | 34,9 31,87 | $15 | $60 | 128K | 47,6 | 30 | 18 | — | — | 3 |
| 63 | Grok 3 Mini | xAI | 34,18 31,55 | $0,3 | $0,5 | 131K | 42,6 | — | 16,5 | 0,4 | — | 4 |
| 64 | Gemini 2.5 Pro | Google DeepMind | 32,44 28,93 | $1,25 | $10 | 1 049K | 54 | — | 41 | 4,9 | 15,8 | 4 |
| 65 | GPT OSS 120B | OpenAI | 32,3 28,73 | $0,03 | $0,14 | 131K | 48,2 | 6,5 | — | — | 15,8 | 4 |
| 66 | GLM 5 | Zhipu AI / Z.ai | 32,25 29,37 | $0,48 | $1,9 | 205K | 48,2 | 43,8 | 44,7 | 4,9 | 5,3 | 5 |
| 67 | DeepSeek Reasoner | DeepSeek | 31,28 28,01 | $0,55 | $2,19 | 164K | 36,5 | 17,1 | 15,8 | 1,3 | — | 5 |
| 68 | Claude Sonnet 3.5 | Anthropic | 30,72 21,99 | $2,6 | $13 | 200K | 31 | 13 | — | — | — | 2 |
| 69 | GPT 4.5 Preview | OpenAI | 30,67 27,15 | $75 | $150 | 128K | 39,4 | 21,4 | 10,3 | 0,8 | — | 5 |
| 70 | Qwen3 235B A22B Instruct 2507 | Alibaba (Qwen) | 30,46 25,96 | $0,1 | $0,1 | 262K | 38,7 | — | 11 | 1,3 | — | 4 |
| 71 | Claude Haiku 4.5 | Anthropic | 29,87 25,08 | $1 | $5 | 200K | 45,4 | — | 47,7 | 4 | 3,2 | 4 |
| 72 | GLM 4.7 | Zhipu AI / Z.ai | 29,31 19,17 | $0,15 | $0,8 | 205K | — | 37,2 | — | — | 1,1 | 2 |
| 73 | Grok 3 | xAI | 29,04 24,87 | $3 | $15 | 131K | 37,2 | 23,3 | 5,5 | 0 | — | 5 |
| 74 | o3 Mini 2025-01-31 | OpenAI | 28,76 25,2 | $1,1 | $4,4 | 200K | 43,7 | 7,4 | 34,5 | 3 | 12,7 | 6 |
| 75 | GPT 4.1 2025-04-14 | OpenAI | 28,59 24,25 | $2 | $8 | 1 048K | 39 | 12,4 | 5,5 | 0,4 | — | 5 |
| 76 | Qwen3.6 Flash | Alibaba (Qwen) | 28,5 17,55 | $0,19 | $1,13 | 1 000K | — | 22,2 | — | — | 12,9 | 2 |
| 77 | GPT 5 Nano 2025-08-07 | OpenAI | 27,89 23,27 | $0,05 | $0,4 | 272K | 38,1 | — | 20,7 | 2,6 | 10,6 | 5 |
| 78 | Grok 2 1212 | xAI | 27,09 14,74 | $2 | $10 | 131K | 22,2 | 7,2 | — | — | — | 2 |
| 79 | Llama 3.1 405B Instruct | Meta AI | 26,97 14,49 | $0,12 | $0,3 | 128K | 21,4 | 7,6 | — | — | — | 2 |
| 80 | Llama 3.3 70B Instruct | Meta AI | 26,1 17,21 | $0,05 | $0,23 | 131K | 14,4 | 3,9 | — | — | — | 3 |
| 81 | Llama 4 Maverick 17b 128e Instruct | Meta AI | 23,89 17,66 | $0,05 | $0,1 | 1 049K | 24,5 | 13,2 | 4,4 | 0 | — | 5 |
| 82 | OpenAI GPT-4.1 Mini | OpenAI | 23,79 17,53 | $0,4 | $1,6 | 1 048K | 37,6 | — | 3,5 | 0 | 2,2 | 5 |
| 83 | Llama 4 Scout 17B 16E Instruct | Meta AI | 23,08 12,17 | $0,05 | $0,1 | 10 000K | — | — | 0,5 | 0 | — | 3 |
| 84 | GPT-4o (2024-08-06) | OpenAI | 22,18 4,91 | $2,5 | $10 | 128K | — | 1,4 | — | — | 8,5 | 2 |
| 85 | Claude 3 Opus 2024-02-29 | Anthropic | 22,06 10,47 | $15 | $75 | 200K | 23,2 | 8,2 | — | — | 0 | 3 |
| 86 | o1 Mini 2024-09-12 | OpenAI | 21,96 13,22 | $1,1 | $4,4 | 128K | 36,3 | 1,7 | 14 | 0,8 | — | 4 |
| 87 | GPT-4o (2024-11-20) | OpenAI | 21,7 9,87 | $2,5 | $10 | 128K | 25,1 | — | 4,5 | 0 | — | 3 |
| 88 | GPT 4 Turbo 2024-04-09 | OpenAI | 21,62 9,74 | $10 | $30 | 128K | 18 | 10,1 | — | — | 1,1 | 3 |
| 89 | Magistral Small 2506 | Mistral AI | 20,97 2,5 | $0,5 | $1,5 | 33K | — | — | 5 | 0 | — | 2 |
| 90 | GPT 4.1 Nano 2025-04-14 | OpenAI | 20,48 11 | $0,1 | $0,4 | 1 048K | 19 | — | 0 | 0 | — | 4 |
| 91 | OpenAI: GPT-4o-mini (2024-07-18) | OpenAI | 15,11 2,94 | $0,15 | $0,6 | 128K | 11,8 | 0 | — | 0 | 0 | 4 |
Таблицу можно прокрутить вбок: колонки помещаются не все.
Колонки справа — слагаемые балла, приведённые к общей шкале 0–100 по фактическому разбросу среди измеренных моделей. Сложенные с указанными весами, они и дают число в основной колонке: по ним видно, на чём именно одна модель обошла другую. Прочерк означает «не измерено», а не ноль. Показаны пять самых заполненных наборов задач из 6; остальные видны на карточке модели.
Колонка «наборов» — по скольким наборам задач посчитан балл этой модели. Чем их больше, тем надёжнее число: балл по двум наборам разбросан шире, чем по шести, и поправка на охват учитывает именно это.
Цена — минимальная среди поставщиков модели, базовый тариф, без батчевых и льготных ставок. Вход и выход показаны раздельно намеренно: у большинства моделей выход дороже входа в несколько раз, и от того, чего в задаче больше, зависит итоговый счёт.
Epoch AI
— лицензия CC-BY · первоисточник
По данным Epoch AI
Здесь измерены не все модели. Из первой десятки вкладки «По решённым задачам» в этой таблице нет 3 — GPT 5.4 Pro 2026-03-05, GPT 5.4 2026-03-05, GPT-5.6 Sol Pro. Ни одной оценки на наборах заданий этой вкладки у них нет: пустое место означает «не измеряли», а не «выступила плохо». Самая новая модель, до которой набор дотянулся, вышла 27 июля 2026.
| # | Модель | Разработчик | Arena Score, сложные запросы | Вход$ / 1M | Выход$ / 1M | Контексттокенов |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1 532,57 1 517–1 548 | $5 | $25 | 1 000K |
| 2 | Claude Opus 4.6 ≈ | Anthropic | 1 521,95 1 518–1 526 | $5 | $25 | 1 000K |
| 3 | Claude Fable 5 ≈ | Anthropic | 1 512,89 1 506–1 520 | $10 | $50 | 1 000K |
| 4 | Claude Opus 4.7 | Anthropic | 1 498,15 1 493–1 503 | $5 | $25 | 1 000K |
| 5 | Gemini 3.6 Flash ≈ | Google DeepMind | 1 486,85 1 477–1 497 | $1,5 | $7,5 | 1 049K |
| 6 | Muse Spark 1.1 ≈ | Meta AI | 1 485,84 1 478–1 494 | $1,25 | $4,25 | 1 049K |
| 7 | Gemini 3.5 Flash ≈ | Google DeepMind | 1 485,27 1 477–1 493 | $1,5 | $9 | 1 049K |
| 8 | MiMo V2.5 Pro ≈ | Xiaomi | 1 485,03 1 480–1 490 | $0,44 | $0,87 | 1 050K |
| 9 | Claude Sonnet 4.6 ≈ | Anthropic | 1 484,55 1 480–1 489 | $3 | $15 | 1 000K |
| 10 | Kimi K3 ≈ | Moonshot AI (Kimi) | 1 484,46 1 472–1 497 | $2 | $8 | 1 049K |
| 11 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1 484,41 1 480–1 489 | $2 | $12 | 1 049K |
| 12 | Gemini 3 Pro ≈ | Google DeepMind | 1 482,1 1 477–1 487 | $1,6 | $9,6 | 1 049K |
| 13 | ERNIE 5.1 ≈ | Baidu (Ernie) | 1 480,1 1 475–1 486 | $0,75 | $3 | 119K |
| 14 | GPT-5.6 Sol ≈ | OpenAI | 1 475,99 1 468–1 484 | $5 | $30 | 1 050K |
| 15 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1 475,21 1 470–1 480 | $0,06 | $0,22 | 205K |
| 16 | Claude 4.5 Opus ≈ | Anthropic | 1 474,98 1 471–1 479 | $5 | $25 | 200K |
| 17 | Claude Opus 4.8 ≈ | Anthropic | 1 473,3 1 467–1 479 | $5 | $25 | 1 000K |
| 18 | GLM 5.2 ≈ | Zhipu AI / Z.ai | 1 472,27 1 466–1 479 | $0,42 | $1,32 | 1 049K |
| 19 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1 469,4 1 464–1 475 | $0,22 | $1,14 | 262K |
| 20 | GPT-5.6 Terra ≈ | OpenAI | 1 469,31 1 461–1 478 | $2 | $12 | 1 050K |
| 21 | Gemini 3 Flash ≈ | Google DeepMind | 1 464,77 1 459–1 470 | $0,4 | $2,4 | 1 049K |
| 22 | Grok 4.5 ≈ | xAI | 1 463,7 1 456–1 472 | $2 | $6 | 500K |
| 23 | Qwen3.7 Plus ≈ | Alibaba (Qwen) | 1 463,7 1 457–1 470 | $0,5 | $3 | 1 000K |
| 24 | Claude Sonnet 4.5 ≈ | Anthropic | 1 461,7 1 458–1 465 | $3 | $15 | 1 000K |
| 25 | Claude Sonnet 5 ≈ | Anthropic | 1 461,68 1 455–1 469 | $2 | $10 | 1 000K |
| 26 | DeepSeek V4 Pro ≈ | DeepSeek | 1 460,9 1 456–1 466 | $0,44 | $0,87 | 1 049K |
| 27 | MiMo V2 Pro ≈ | Xiaomi | 1 457,98 1 452–1 464 | $0,44 | $0,87 | 1 049K |
| 28 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1 455,91 1 445–1 466 | $1,3 | $7,8 | 262K |
| 29 | Gemini 2.5 Pro ≈ | Google DeepMind | 1 454,97 1 452–1 458 | $1,25 | $10 | 1 049K |
| 30 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1 454,18 1 450–1 458 | $0,3 | $1,9 | 256K |
| 31 | Seed 2.0 Pro ≈ | ByteDance (Doubao) | 1 454,03 1 450–1 458 | $0,5 | $3 | 131K |
| 32 | GPT-5.6 Luna ≈ | OpenAI | 1 452,94 1 445–1 461 | $0,2 | $1,2 | 1 050K |
| 33 | Grok 4.20 (Reasoning) ≈ | xAI | 1 451,85 1 447–1 456 | $2 | $6 | 2 000K |
| 34 | GLM 5 ≈ | Zhipu AI / Z.ai | 1 451,58 1 446–1 457 | $0,48 | $1,9 | 205K |
| 35 | Inkling ≈ | Thinking Machines Lab | 1 451,52 1 443–1 460 | $1,87 | $4,68 | 1 049K |
| 36 | MiMo V2.5 ≈ | Xiaomi | 1 449,98 1 445–1 455 | $0,14 | $0,28 | 1 050K |
| 37 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1 449,17 1 445–1 454 | $0,6 | $3,6 | 262K |
| 38 | MiniMax M3 ≈ | MiniMax | 1 449,05 1 443–1 455 | $0,3 | $1,2 | 1 049K |
| 39 | Qwen3 Max Preview ≈ | Alibaba (Qwen) | 1 449,05 1 443–1 455 | $1,2 | $6 | 256K |
| 40 | Hy3 ≈ | Tencent (Hunyuan) | 1 448,88 1 436–1 462 | $0,13 | $0,53 | 262K |
| 41 | Grok 4.20 Multi Agent Beta 0309 ≈ | xAI | 1 448,67 1 444–1 453 | $2 | $6 | 2 000K |
| 42 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1 448,32 1 443–1 453 | $0,5 | $3 | 1 000K |
| 43 | Gemma 4 31B ≈ | Google DeepMind | 1 445,76 1 436–1 456 | $0,14 | $0,4 | 262K |
| 44 | GPT-5.2 Chat ≈ | OpenAI | 1 445,6 1 441–1 451 | $1,75 | $14 | 128K |
| 45 | DeepSeek V4 Flash ≈ | DeepSeek | 1 444,09 1 439–1 449 | $0,14 | $0,28 | 1 049K |
| 46 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1 443,98 1 436–1 452 | $0,15 | $0,8 | 205K |
| 47 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1 443,74 1 436–1 452 | $0,7 | $3,1 | 203K |
| 48 | MiMo V2 Omni ≈ | Xiaomi | 1 443,45 1 437–1 450 | $0,14 | $0,28 | 262K |
| 49 | Gemini 3.5 Flash Lite ≈ | Google DeepMind | 1 441,84 1 432–1 451 | $0,3 | $2,5 | 1 049K |
| 50 | Claude 4.1 Opus ≈ | Anthropic | 1 441,49 1 438–1 445 | $15 | $75 | 200K |
| 51 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1 440,47 1 435–1 445 | $0,29 | $1,14 | 205K |
| 52 | Gemma 4 26B-A4B ≈ | Google DeepMind | 1 439,84 1 430–1 450 | $0,05 | $0,29 | 262K |
| 53 | Mistral Medium 3.5 ≈ | Mistral AI | 1 436,67 1 429–1 445 | $1,5 | $7,5 | 262K |
| 54 | Grok 4.1 ≈ | xAI | 1 436,33 1 432–1 440 | $2 | $10 | 200K |
| 55 | Qwen3 235B A22B Instruct 2507 ≈ | Alibaba (Qwen) | 1 433,77 1 430–1 437 | $0,1 | $0,1 | 262K |
| 56 | DeepSeek V3.2 ≈ | DeepSeek | 1 433,5 1 429–1 438 | $0,28 | $0,4 | 164K |
| 57 | Longcat Flash Chat ≈ | Meituan | 1 433,01 1 425–1 441 | — | — | 131K |
| 58 | Mistral Large 3 ≈ | Mistral AI | 1 430,44 1 426–1 435 | $0,5 | $1,5 | 256K |
| 59 | Qwen3 VL 235B A22B Instruct ≈ | Alibaba (Qwen) | 1 430,33 1 422–1 439 | $0,4 | $1,6 | 262K |
| 60 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1 430,02 1 422–1 438 | $0,22 | $0,33 | 164K |
| 61 | GLM 4.5 ≈ | Zhipu AI / Z.ai | 1 428,9 1 423–1 435 | $0,2 | $0,8 | 131K |
| 62 | Qwen3 Next 80B A3B Instruct ≈ | Alibaba (Qwen) | 1 428,36 1 422–1 434 | $0,15 | $1,2 | 262K |
| 63 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1 427,43 1 423–1 431 | $1,15 | $8 | 262K |
| 64 | Mistral Medium 3.1 ≈ | Mistral AI | 1 427,12 1 424–1 430 | $0,4 | $2 | 262K |
| 65 | GPT-5.5 Instant ≈ | OpenAI | 1 426,89 1 421–1 433 | $5 | $30 | 400K |
| 66 | Qwen3 Max 2025-09-23 ≈ | Alibaba (Qwen) | 1 424,87 1 416–1 433 | $0,86 | $3,43 | 258K |
| 67 | ChatGPT 4o Latest ≈ | OpenAI | 1 424,74 1 421–1 428 | $5 | $15 | 128K |
| 68 | Gemini 2.5 Flash ≈ | Google DeepMind | 1 422,51 1 419–1 426 | $0,3 | $2,5 | 1 049K |
| 69 | MiniMax M2.7 ≈ | MiniMax | 1 422,37 1 418–1 427 | $0,3 | $1,2 | 205K |
| 70 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1 421,7 1 416–1 427 | $0,4 | $3,2 | 262K |
| 71 | MiMo V2 Flash ≈ | Xiaomi | 1 419,94 1 416–1 424 | $0,14 | $0,28 | 262K |
| 72 | Claude Haiku 4.5 ≈ | Anthropic | 1 417,91 1 415–1 421 | $1 | $5 | 200K |
| 73 | DeepSeek R1 0528 ≈ | DeepSeek | 1 415,93 1 408–1 424 | $0,25 | $0,25 | 164K |
| 74 | Qwen3 235B A22B Thinking-2507 ≈ | Alibaba (Qwen) | 1 415,65 1 406–1 425 | $0,1 | $0,1 | 262K |
| 75 | DeepSeek V3.1 ≈ | DeepSeek | 1 415,1 1 407–1 423 | $0,2 | $0,7 | 164K |
| 76 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1 413,66 1 408–1 419 | $0,3 | $2,4 | 262K |
| 77 | Step 3.5 Flash ≈ | StepFun | 1 411,66 1 407–1 416 | $0,1 | $0,3 | 262K |
| 78 | 2025) ≈ | Google DeepMind | 1 409,13 1 404–1 414 | $0,3 | $2,5 | 1 049K |
| 79 | Grok 4 ≈ | xAI | 1 408,55 1 404–1 414 | $3 | $15 | 256K |
| 80 | Grok 4.1 Fast Reasoning ≈ | xAI | 1 407,94 1 404–1 412 | $0,2 | $0,5 | 2 000K |
| 81 | Qwen3 VL 235B A22B Thinking ≈ | Alibaba (Qwen) | 1 407,87 1 399–1 417 | $0,4 | $4 | 262K |
| 82 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1 407,03 1 402–1 412 | $0,25 | $1,5 | 1 049K |
| 83 | DeepSeek V3.1 Terminus ≈ | DeepSeek | 1 405,93 1 393–1 419 | $0,21 | $0,79 | 164K |
| 84 | GPT 5 Chat ≈ | OpenAI | 1 405,12 1 400–1 411 | $1,25 | $10 | 128K |
| 85 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1 404,86 1 397–1 413 | $0,1 | $0,31 | 256K |
| 86 | Qwen3.5 Flash ≈ | Alibaba (Qwen) | 1 404,13 1 400–1 409 | $0,09 | $0,36 | 1 000K |
| 87 | GPT 4.5 Preview ≈ | OpenAI | 1 403,65 1 394–1 414 | $75 | $150 | 128K |
| 88 | Grok 4 Fast Reasoning ≈ | xAI | 1 403,28 1 397–1 410 | $0,2 | $0,5 | 2 000K |
| 89 | o3 2025-04-16 ≈ | OpenAI | 1 401,88 1 397–1 407 | $2 | $8 | 200K |
| 90 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1 400,66 1 395–1 406 | $0,25 | $2 | 262K |
| 91 | Grok 4.3 ≈ | xAI | 1 400,08 1 395–1 405 | $1,25 | $2,5 | 1 000K |
| 92 | Hunyuan T1 ≈ | Tencent (Hunyuan) | 1 398,72 1 386–1 412 | — | — | 131K |
| 93 | Qwen3 30B A3B Instruct 2507 ≈ | Alibaba (Qwen) | 1 397,74 1 391–1 404 | $0,05 | $0,19 | 262K |
| 94 | GPT-5.3 Chat (latest) ≈ | OpenAI | 1 397,27 1 392–1 403 | $1,75 | $14 | 128K |
| 95 | Nemotron 3 Super ≈ | NVIDIA | 1 388,27 1 379–1 398 | $0,2 | $0,8 | 1 000K |
| 96 | NVIDIA Nemotron 3 Super 120B A12B ≈ | NVIDIA | 1 388,27 1 379–1 398 | $0,15 | $0,65 | 262K |
| 97 | Kimi K2 0905 Preview ≈ | Moonshot AI (Kimi) | 1 382,54 1 374–1 391 | $0,6 | $2,5 | 262K |
| 98 | GPT 4.1 2025-04-14 ≈ | OpenAI | 1 382,46 1 378–1 387 | $2 | $8 | 1 048K |
| 99 | GLM 4.5 Air ≈ | Zhipu AI / Z.ai | 1 378,21 1 373–1 384 | $0,11 | $0,29 | 131K |
| 100 | Claude 4 Opus ≈ | Anthropic | 1 375,85 1 370–1 381 | $15 | $75 | 200K |
Таблицу можно прокрутить вбок: колонки помещаются не все.
Цена — минимальная среди поставщиков модели, базовый тариф, без батчевых и льготных ставок. Вход и выход показаны раздельно намеренно: у большинства моделей выход дороже входа в несколько раз, и от того, чего в задаче больше, зависит итоговый счёт.
Знаком ≈ отмечены модели, у которых доверительный интервал пересекается с интервалом строки выше. Таких здесь 98 моделей — их порядок между собой по имеющимся данным не определён.
Доверительный интервал у половины моделей шире 10,9 пункта — это около 7 соседних строк таблицы. Внутри такой группы порядок задан не данными, а тем, кто в этот раз проголосовал; разницу между началом и концом списка данные выдерживают, соседство мест — нет. Голосов на модель здесь — медиана 17 395: чем их меньше, тем шире интервал.
Arena (LMArena)
— лицензия CC-BY-4.0 · первоисточник
По данным Arena (LMArena)