Слепое сравнение готовых изображений: люди выбирают лучшую картинку, не зная, какая модель её нарисовала. Это оценка результата на глаз, а не проверка по заданию, поэтому у соседних мест разница чаще всего статистически незначима.
| # | Модель | Разработчик | Arena Score, генерация | Вход$ / 1M | Выход$ / 1M | Контексттокенов |
|---|---|---|---|---|---|---|
| 1 | GPT Image 2 | OpenAI | 1 384,81 1 380–1 390 | $5 | $30 | 272K |
| 2 | Mai Image 2.5 | Microsoft | 1 256,56 1 252–1 261 | — | — | — |
| 3 | Nano Banana 2 Lite ≈ | Google DeepMind | 1 249,66 1 242–1 257 | $0,25 | $30 | 66K |
| 4 | Nano Banana Pro | Google DeepMind | 1 231,96 1 227–1 237 | $2 | $12 | 66K |
| 5 | Seedream 5.0 Pro ≈ | ByteDance (Doubao) | 1 231,15 1 220–1 242 | — | — | — |
| 6 | Grok Imagine Image Quality ≈ | xAI | 1 229,3 1 225–1 234 | — | — | 8K |
| 7 | Qwen Image 2.0 Pro | Alibaba (Qwen) | 1 192,68 1 186–1 200 | — | — | 8K |
| 8 | Grok Imagine Image | xAI | 1 173,01 1 170–1 176 | — | — | 8K |
| 9 | Recraft V4.1 Utility Pro ≈ | Recraft AI | 1 169,22 1 158–1 180 | — | — | — |
| 10 | FLUX.2 [max] ≈ | Black Forest Labs | 1 161,94 1 158–1 165 | — | — | 67K |
| 11 | FLUX.2 [flex] ≈ | Black Forest Labs | 1 156,25 1 153–1 160 | — | — | — |
| 12 | FLUX.2 [pro] ≈ | Black Forest Labs | 1 155,22 1 152–1 158 | — | — | 67K |
| 13 | Seedream 4.5 | ByteDance (Doubao) | 1 146,61 1 144–1 150 | — | — | — |
| 14 | Seedream 5.0 Lite | ByteDance (Doubao) | 1 132,5 1 129–1 136 | — | — | — |
| 15 | Recraft V4.1 Pro ≈ | Recraft AI | 1 130,19 1 120–1 141 | — | — | — |
| 16 | Imagen 4 ≈ | Google DeepMind | 1 128,82 1 126–1 132 | — | — | 0K |
| 17 | GPT Image 1 | OpenAI | 1 115,17 1 112–1 118 | $5 | $40 | 128K |
| 18 | Recraft V4 ≈ | Recraft AI | 1 112,75 1 109–1 116 | — | — | — |
| 19 | GPT Image 1 Mini ≈ | OpenAI | 1 109,28 1 106–1 112 | $2 | $8 | — |
| 20 | Wan2.7 Image Pro ≈ | Alibaba (Qwen) | 1 102,15 1 097–1 107 | — | — | 8K |
| 21 | Wan2.7 Image ≈ | Alibaba (Qwen) | 1 099,33 1 094–1 104 | — | — | 8K |
| 22 | FLUX.1 Kontext Max | Black Forest Labs | 1 074,07 1 071–1 077 | $0,08 | $0,08 | 1K |
| 23 | FLUX.2 [klein] 9B ≈ | Black Forest Labs | 1 069,32 1 066–1 073 | — | — | — |
| 24 | Flux.1 Kontext Pro | Black Forest Labs | 1 058,75 1 055–1 062 | — | — | — |
| 25 | Imagen 3.0 Generate 002 ≈ | Google DeepMind | 1 058,22 1 055–1 061 | — | — | — |
| 26 | Qwen Image ≈ | Alibaba (Qwen) | 1 056,67 1 054–1 059 | $0,5 | $2 | 8K |
| 27 | FLUX.2 Klein 4B | Black Forest Labs | 1 029,92 1 027–1 033 | $1 | $1 | 128K |
| 28 | Recraft V3 | Recraft AI | 1 021,35 1 018–1 025 | — | — | 1K |
| 29 | Flux 1.1 Pro ≈ | Black Forest Labs | 1 015,77 1 012–1 019 | — | — | — |
| 30 | Ideogram V2 ≈ | Ideogram | 1 013,48 1 010–1 017 | — | — | 0K |
| 31 | FLUX.1 Dev | Black Forest Labs | 969,54 966–973 | $0 | $0 | 4K |
| 32 | DALL E 3 ≈ | OpenAI | 967,7 964–971 | — | — | 1K |
| 33 | FLUX.1 Kontext Dev | Black Forest Labs | 940,42 937–944 | — | — | 41K |
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 19 моделей — их порядок между собой по имеющимся данным не определён.
Доверительный интервал у половины моделей — 7,3 пункта, и это уже, чем расстояние до соседней строки: порядок здесь задан данными, а не тем, кто в этот раз проголосовал. Голосов на модель здесь — медиана 87 149: чем их меньше, тем шире интервал.
Arena (LMArena)
— лицензия CC-BY-4.0 · первоисточник
По данным Arena (LMArena)