Слепое сравнение ответов на испанском языке. Как и у остальных языковых срезов, интереснее не сам балл, а место модели относительно её же позиции в других языках: устойчивость от языка к языку говорит о модели больше, чем одна высокая строчка.
| # | Модель | Разработчик | Arena Score, испанский язык | Вход$ / 1M | Выход$ / 1M | Контексттокенов |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.6 | Anthropic | 1 511,71 1 497–1 526 | $5 | $25 | 1 000K |
| 2 | Claude Fable 5 ≈ | Anthropic | 1 504,09 1 477–1 531 | $10 | $50 | 1 000K |
| 3 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1 479,93 1 467–1 493 | $2 | $12 | 1 049K |
| 4 | Muse Spark 1.1 ≈ | Meta AI | 1 479,03 1 444–1 514 | $1,25 | $4,25 | 1 049K |
| 5 | ERNIE 5.1 ≈ | Baidu (Ernie) | 1 475,26 1 456–1 494 | $0,75 | $3 | 119K |
| 6 | GLM 5.2 ≈ | Zhipu AI / Z.ai | 1 475,02 1 450–1 500 | $0,42 | $1,32 | 1 049K |
| 7 | Claude Opus 4.7 ≈ | Anthropic | 1 473,23 1 457–1 489 | $5 | $25 | 1 000K |
| 8 | Gemini 3.5 Flash ≈ | Google DeepMind | 1 471,19 1 440–1 502 | $1,5 | $9 | 1 049K |
| 9 | Gemini 2.5 Pro ≈ | Google DeepMind | 1 469,59 1 457–1 482 | $1,25 | $10 | 1 049K |
| 10 | Gemini 3 Pro ≈ | Google DeepMind | 1 469,46 1 450–1 489 | $1,6 | $9,6 | 1 049K |
| 11 | Inkling ≈ | Thinking Machines Lab | 1 466,98 1 425–1 509 | $1,87 | $4,68 | 1 049K |
| 12 | MiMo V2.5 Pro ≈ | Xiaomi | 1 463,75 1 446–1 482 | $0,44 | $0,87 | 1 050K |
| 13 | Qwen3 Max Preview ≈ | Alibaba (Qwen) | 1 463,37 1 441–1 486 | $1,2 | $6 | 256K |
| 14 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1 463,27 1 446–1 481 | $0,22 | $1,14 | 262K |
| 15 | Claude Sonnet 4.6 ≈ | Anthropic | 1 462,54 1 447–1 478 | $3 | $15 | 1 000K |
| 16 | Qwen3.7 Plus ≈ | Alibaba (Qwen) | 1 461,46 1 439–1 484 | $0,5 | $3 | 1 000K |
| 17 | Gemini 3 Flash ≈ | Google DeepMind | 1 460,41 1 439–1 481 | $0,4 | $2,4 | 1 049K |
| 18 | Seed 2.0 Pro ≈ | ByteDance (Doubao) | 1 458,9 1 445–1 473 | $0,5 | $3 | 131K |
| 19 | Gemma 4 31B ≈ | Google DeepMind | 1 457,33 1 419–1 496 | $0,14 | $0,4 | 262K |
| 20 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1 456,35 1 437–1 475 | $0,06 | $0,22 | 205K |
| 21 | Claude Sonnet 4.5 ≈ | Anthropic | 1 455,76 1 442–1 470 | $3 | $15 | 1 000K |
| 22 | MiMo V2 Pro ≈ | Xiaomi | 1 454,24 1 432–1 476 | $0,44 | $0,87 | 1 049K |
| 23 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1 453,89 1 439–1 469 | $0,3 | $1,9 | 256K |
| 24 | GPT-5.6 Terra ≈ | OpenAI | 1 453,31 1 413–1 493 | $2 | $12 | 1 050K |
| 25 | Claude 4.5 Opus ≈ | Anthropic | 1 453,21 1 438–1 468 | $5 | $25 | 200K |
| 26 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1 452,39 1 415–1 490 | $1,3 | $7,8 | 262K |
| 27 | GLM 4.5 ≈ | Zhipu AI / Z.ai | 1 450,57 1 426–1 475 | $0,2 | $0,8 | 131K |
| 28 | DeepSeek V4 Pro ≈ | DeepSeek | 1 450,48 1 433–1 468 | $0,44 | $0,87 | 1 049K |
| 29 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1 450,15 1 412–1 489 | $0,7 | $3,1 | 203K |
| 30 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1 449,69 1 434–1 465 | $0,6 | $3,6 | 262K |
| 31 | Grok 4.5 ≈ | xAI | 1 449,5 1 412–1 487 | $2 | $6 | 500K |
| 32 | Claude Opus 4.8 ≈ | Anthropic | 1 449,21 1 429–1 469 | $5 | $25 | 1 000K |
| 33 | Qwen3 Next 80B A3B Instruct ≈ | Alibaba (Qwen) | 1 449,16 1 424–1 474 | $0,15 | $1,2 | 262K |
| 34 | Grok 4.20 (Reasoning) ≈ | xAI | 1 448,44 1 433–1 464 | $2 | $6 | 2 000K |
| 35 | Mistral Large 3 ≈ | Mistral AI | 1 447,3 1 430–1 464 | $0,5 | $1,5 | 256K |
| 36 | Grok 4.20 Multi Agent Beta 0309 ≈ | xAI | 1 446,92 1 431–1 462 | $2 | $6 | 2 000K |
| 37 | GLM 5 ≈ | Zhipu AI / Z.ai | 1 446,57 1 427–1 466 | $0,48 | $1,9 | 205K |
| 38 | Claude 4.1 Opus ≈ | Anthropic | 1 444,59 1 430–1 459 | $15 | $75 | 200K |
| 39 | Longcat Flash Chat ≈ | Meituan | 1 444,1 1 412–1 476 | — | — | 131K |
| 40 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1 441,73 1 408–1 475 | $0,22 | $0,33 | 164K |
| 41 | DeepSeek V4 Flash ≈ | DeepSeek | 1 438,41 1 421–1 456 | $0,14 | $0,28 | 1 049K |
| 42 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1 436,04 1 416–1 457 | $0,29 | $1,14 | 205K |
| 43 | ChatGPT 4o Latest ≈ | OpenAI | 1 435,92 1 421–1 451 | $5 | $15 | 128K |
| 44 | MiMo V2 Omni ≈ | Xiaomi | 1 435,01 1 410–1 460 | $0,14 | $0,28 | 262K |
| 45 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1 432,89 1 416–1 450 | $0,5 | $3 | 1 000K |
| 46 | Claude Sonnet 5 ≈ | Anthropic | 1 432,53 1 404–1 461 | $2 | $10 | 1 000K |
| 47 | GPT-5.6 Luna ≈ | OpenAI | 1 431,67 1 393–1 471 | $0,2 | $1,2 | 1 050K |
| 48 | GPT-5.2 Chat ≈ | OpenAI | 1 431,17 1 412–1 451 | $1,75 | $14 | 128K |
| 49 | GPT-5.5 Instant ≈ | OpenAI | 1 429,62 1 407–1 452 | $5 | $30 | 400K |
| 50 | Mistral Medium 3.1 ≈ | Mistral AI | 1 429,58 1 416–1 443 | $0,4 | $2 | 262K |
| 51 | MiniMax M3 ≈ | MiniMax | 1 428,58 1 407–1 450 | $0,3 | $1,2 | 1 049K |
| 52 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1 424,66 1 410–1 440 | $0,25 | $1,5 | 1 049K |
| 53 | Qwen3 235B A22B Instruct 2507 ≈ | Alibaba (Qwen) | 1 424,58 1 412–1 437 | $0,1 | $0,1 | 262K |
| 54 | Grok 4.1 ≈ | xAI | 1 423,99 1 409–1 439 | $2 | $10 | 200K |
| 55 | DeepSeek V3.2 ≈ | DeepSeek | 1 422,11 1 404–1 440 | $0,28 | $0,4 | 164K |
| 56 | Step 3.5 Flash ≈ | StepFun | 1 419,82 1 404–1 435 | $0,1 | $0,3 | 262K |
| 57 | Claude Haiku 4.5 ≈ | Anthropic | 1 419,11 1 406–1 432 | $1 | $5 | 200K |
| 58 | Gemini 2.5 Flash ≈ | Google DeepMind | 1 419,02 1 407–1 431 | $0,3 | $2,5 | 1 049K |
| 59 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1 418,53 1 398–1 439 | $0,4 | $3,2 | 262K |
| 60 | MiMo V2 Flash ≈ | Xiaomi | 1 417,54 1 400–1 435 | $0,14 | $0,28 | 262K |
| 61 | Nemotron 3 Super ≈ | NVIDIA | 1 417,52 1 384–1 451 | $0,2 | $0,8 | 1 000K |
| 62 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1 416,62 1 384–1 449 | $0,15 | $0,8 | 205K |
| 63 | Grok 4 ≈ | xAI | 1 413,5 1 394–1 433 | $3 | $15 | 256K |
| 64 | MiMo V2.5 ≈ | Xiaomi | 1 413,26 1 395–1 431 | $0,14 | $0,28 | 1 050K |
| 65 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1 412,42 1 391–1 434 | $0,3 | $2,4 | 262K |
| 66 | Grok 4.1 Fast Reasoning ≈ | xAI | 1 412,18 1 396–1 429 | $0,2 | $0,5 | 2 000K |
| 67 | DeepSeek V3.1 ≈ | DeepSeek | 1 412,11 1 380–1 444 | $0,2 | $0,7 | 164K |
| 68 | GPT-5.6 Sol ≈ | OpenAI | 1 411,99 1 374–1 450 | $5 | $30 | 1 050K |
| 69 | Grok 4 Fast Reasoning ≈ | xAI | 1 411,24 1 385–1 437 | $0,2 | $0,5 | 2 000K |
| 70 | MiniMax M2.7 ≈ | MiniMax | 1 409,44 1 393–1 426 | $0,3 | $1,2 | 205K |
| 71 | Qwen3 VL 235B A22B Instruct ≈ | Alibaba (Qwen) | 1 409,22 1 379–1 439 | $0,4 | $1,6 | 262K |
| 72 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1 407,87 1 392–1 423 | $1,15 | $8 | 262K |
| 73 | DeepSeek R1 0528 ≈ | DeepSeek | 1 406,14 1 368–1 444 | $0,25 | $0,25 | 164K |
| 74 | Ling Flash 2.0 ≈ | Ant Group (Ling) | 1 402,17 1 364–1 441 | $0,14 | $0,57 | 131K |
| 75 | Grok 4.3 ≈ | xAI | 1 401,89 1 384–1 419 | $1,25 | $2,5 | 1 000K |
| 76 | Mistral Medium 3.5 ≈ | Mistral AI | 1 401,7 1 369–1 434 | $1,5 | $7,5 | 262K |
| 77 | Qwen3.5 Flash ≈ | Alibaba (Qwen) | 1 399,29 1 384–1 415 | $0,09 | $0,36 | 1 000K |
| 78 | 2025) ≈ | Google DeepMind | 1 398,72 1 377–1 420 | $0,3 | $2,5 | 1 049K |
| 79 | Qwen3 Max 2025-09-23 ≈ | Alibaba (Qwen) | 1 397,75 1 368–1 428 | $0,86 | $3,43 | 258K |
| 80 | Qwen3 30B A3B Instruct 2507 ≈ | Alibaba (Qwen) | 1 392,66 1 369–1 417 | $0,05 | $0,19 | 262K |
| 81 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1 391,67 1 371–1 413 | $0,25 | $2 | 262K |
| 82 | Qwen3 235B A22B Thinking-2507 ≈ | Alibaba (Qwen) | 1 390,57 1 345–1 436 | $0,1 | $0,1 | 262K |
| 83 | GPT 5 Chat ≈ | OpenAI | 1 387,59 1 366–1 410 | $1,25 | $10 | 128K |
| 84 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1 385,84 1 354–1 418 | $0,1 | $0,31 | 256K |
| 85 | Qwen3 VL 235B A22B Thinking ≈ | Alibaba (Qwen) | 1 385,04 1 352–1 418 | $0,4 | $4 | 262K |
| 86 | GPT OSS 120B ≈ | OpenAI | 1 384,44 1 362–1 407 | $0,03 | $0,14 | 131K |
| 87 | o3 2025-04-16 ≈ | OpenAI | 1 384,08 1 365–1 403 | $2 | $8 | 200K |
| 88 | Kimi K2 0905 Preview ≈ | Moonshot AI (Kimi) | 1 380,79 1 347–1 415 | $0,6 | $2,5 | 262K |
| 89 | Step 3 ≈ | StepFun | 1 380,53 1 338–1 424 | $0,21 | $0,57 | 66K |
| 90 | DeepSeek Reasoner ≈ | DeepSeek | 1 375,56 1 323–1 429 | $0,55 | $2,19 | 164K |
| 91 | GLM 4.5 Air ≈ | Zhipu AI / Z.ai | 1 372,48 1 350–1 395 | $0,11 | $0,29 | 131K |
| 92 | GPT-5.3 Chat (latest) ≈ | OpenAI | 1 372,21 1 353–1 391 | $1,75 | $14 | 128K |
| 93 | Nemotron 3 Nano 30B A3B ≈ | NVIDIA | 1 369,55 1 336–1 403 | $0,05 | $0,2 | 262K |
| 94 | GPT 4.1 2025-04-14 ≈ | OpenAI | 1 368,54 1 349–1 388 | $2 | $8 | 1 048K |
| 95 | Mistral Medium 3 ≈ | Mistral AI | 1 365,42 1 338–1 393 | $0,4 | $2 | 131K |
| 96 | Qwen 3 235b A22B ≈ | Alibaba (Qwen) | 1 363,03 1 334–1 392 | $0,7 | $2,8 | 131K |
| 97 | Gemini 2.5 Flash Lite Preview ≈ | Google DeepMind | 1 361,88 1 339–1 384 | $0,1 | $0,4 | 1 049K |
| 98 | Nova 2 Lite ≈ | Amazon | 1 361,55 1 319–1 405 | $0,3 | $2,5 | 1 000K |
| 99 | GLM 4.7 Flash ≈ | Zhipu AI / Z.ai | 1 358,45 1 326–1 391 | $0,04 | $0,3 | 203K |
| 100 | Grok 3 Mini ≈ | xAI | 1 355,7 1 322–1 390 | $0,3 | $0,5 | 131K |
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 99 моделей — их порядок между собой по имеющимся данным не определён.
Доверительный интервал у половины моделей шире 42,4 пункта — это около 27 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 842: чем их меньше, тем шире интервал.
Arena (LMArena)
— лицензия CC-BY-4.0 · первоисточник
По данным Arena (LMArena)