Художественные и свободные тексты, оценённые людьми вслепую: у такой работы нет правильного ответа, поэтому предпочтение здесь — самая честная из доступных мер. Есть и второй взгляд, по прогону заданий с проверкой; он меряет другое и даёт другой порядок.
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 решённым задачам» в этой таблице нет 4 — GPT 5 2025-08-07, Kimi K2 Instruct, OpenAI o3-pro (2025-06-10), GPT 5 Mini 2025-08-07. 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, текст | Вход$ / 1M | Выход$ / 1M | Контексттокенов |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5 | Anthropic | 1 510,88 1 481–1 541 | $5 | $25 | 1 000K |
| 2 | Claude Fable 5 ≈ | Anthropic | 1 498,96 1 487–1 511 | $10 | $50 | 1 000K |
| 3 | Gemini 3 Pro ≈ | Google DeepMind | 1 481,7 1 473–1 490 | $1,6 | $9,6 | 1 049K |
| 4 | Claude Opus 4.6 ≈ | Anthropic | 1 481,69 1 475–1 489 | $5 | $25 | 1 000K |
| 5 | Gemini 3.1 Pro Preview ≈ | Google DeepMind | 1 481,61 1 475–1 488 | $2 | $12 | 1 049K |
| 6 | Claude Opus 4.7 ≈ | Anthropic | 1 476,58 1 469–1 484 | $5 | $25 | 1 000K |
| 7 | Gemini 3.5 Flash ≈ | Google DeepMind | 1 470,09 1 454–1 486 | $1,5 | $9 | 1 049K |
| 8 | Kimi K3 ≈ | Moonshot AI (Kimi) | 1 464,37 1 440–1 489 | $2 | $8 | 1 049K |
| 9 | Gemini 3.6 Flash ≈ | Google DeepMind | 1 463,55 1 445–1 482 | $1,5 | $7,5 | 1 049K |
| 10 | Gemini 3 Flash ≈ | Google DeepMind | 1 458,54 1 449–1 468 | $0,4 | $2,4 | 1 049K |
| 11 | GLM 5.2 ≈ | Zhipu AI / Z.ai | 1 456,24 1 446–1 467 | $0,42 | $1,32 | 1 049K |
| 12 | Gemini 2.5 Pro ≈ | Google DeepMind | 1 454,49 1 449–1 460 | $1,25 | $10 | 1 049K |
| 13 | GLM 5.1 ≈ | Zhipu AI / Z.ai | 1 454,14 1 445–1 463 | $0,06 | $0,22 | 205K |
| 14 | GPT-5.6 Sol ≈ | OpenAI | 1 453,45 1 437–1 470 | $5 | $30 | 1 050K |
| 15 | DeepSeek V4 Pro ≈ | DeepSeek | 1 443,14 1 435–1 451 | $0,44 | $0,87 | 1 049K |
| 16 | Claude Opus 4.8 ≈ | Anthropic | 1 443,1 1 434–1 452 | $5 | $25 | 1 000K |
| 17 | Claude Sonnet 4.5 ≈ | Anthropic | 1 440,99 1 435–1 447 | $3 | $15 | 1 000K |
| 18 | Claude 4.5 Opus ≈ | Anthropic | 1 440,86 1 434–1 447 | $5 | $25 | 200K |
| 19 | Muse Spark 1.1 ≈ | Meta AI | 1 440,45 1 426–1 455 | $1,25 | $4,25 | 1 049K |
| 20 | Qwen3.7 Plus ≈ | Alibaba (Qwen) | 1 440,34 1 430–1 450 | $0,5 | $3 | 1 000K |
| 21 | ERNIE 5.1 ≈ | Baidu (Ernie) | 1 439,68 1 431–1 448 | $0,75 | $3 | 119K |
| 22 | Grok 4.5 ≈ | xAI | 1 439,21 1 424–1 454 | $2 | $6 | 500K |
| 23 | Claude Sonnet 4.6 ≈ | Anthropic | 1 438,07 1 431–1 445 | $3 | $15 | 1 000K |
| 24 | Grok 4.20 Multi Agent Beta 0309 ≈ | xAI | 1 436,86 1 430–1 444 | $2 | $6 | 2 000K |
| 25 | GLM 5 ≈ | Zhipu AI / Z.ai | 1 436,16 1 427–1 445 | $0,48 | $1,9 | 205K |
| 26 | Qwen3.6 Max Preview ≈ | Alibaba (Qwen) | 1 433,85 1 411–1 457 | $1,3 | $7,8 | 262K |
| 27 | MiMo V2.5 Pro ≈ | Xiaomi | 1 433,77 1 426–1 442 | $0,44 | $0,87 | 1 050K |
| 28 | Grok 4.20 (Reasoning) ≈ | xAI | 1 433,4 1 426–1 440 | $2 | $6 | 2 000K |
| 29 | Kimi K2.6 ≈ | Moonshot AI (Kimi) | 1 430,8 1 422–1 439 | $0,22 | $1,14 | 262K |
| 30 | Kimi K2.5 Thinking TEE ≈ | Moonshot AI (Kimi) | 1 423,84 1 417–1 431 | $0,3 | $1,9 | 256K |
| 31 | Gemini 3.5 Flash Lite ≈ | Google DeepMind | 1 420,66 1 403–1 439 | $0,3 | $2,5 | 1 049K |
| 32 | GPT-5.5 Instant ≈ | OpenAI | 1 420,47 1 411–1 430 | $5 | $30 | 400K |
| 33 | Gemma 4 31B ≈ | Google DeepMind | 1 417,17 1 398–1 436 | $0,14 | $0,4 | 262K |
| 34 | MiMo V2 Pro ≈ | Xiaomi | 1 416,27 1 406–1 427 | $0,44 | $0,87 | 1 049K |
| 35 | GLM 4.6 ≈ | Zhipu AI / Z.ai | 1 412,75 1 404–1 421 | $0,29 | $1,14 | 205K |
| 36 | Grok 4.1 ≈ | xAI | 1 412,53 1 406–1 419 | $2 | $10 | 200K |
| 37 | GPT-5.6 Terra ≈ | OpenAI | 1 410,72 1 395–1 426 | $2 | $12 | 1 050K |
| 38 | Hy3 ≈ | Tencent (Hunyuan) | 1 410,4 1 386–1 435 | $0,13 | $0,53 | 262K |
| 39 | Claude 4.1 Opus ≈ | Anthropic | 1 410,22 1 404–1 416 | $15 | $75 | 200K |
| 40 | GLM 5V Turbo ≈ | Zhipu AI / Z.ai | 1 409,81 1 394–1 425 | $0,7 | $3,1 | 203K |
| 41 | DeepSeek R1 0528 ≈ | DeepSeek | 1 409,54 1 397–1 422 | $0,25 | $0,25 | 164K |
| 42 | ChatGPT 4o Latest ≈ | OpenAI | 1 407,13 1 401–1 413 | $5 | $15 | 128K |
| 43 | Claude Sonnet 5 ≈ | Anthropic | 1 406,98 1 395–1 419 | $2 | $10 | 1 000K |
| 44 | Seed 2.0 Pro ≈ | ByteDance (Doubao) | 1 406,26 1 400–1 413 | $0,5 | $3 | 131K |
| 45 | DeepSeek V3.1 Terminus ≈ | DeepSeek | 1 405,52 1 378–1 433 | $0,21 | $0,79 | 164K |
| 46 | Gemma 4 26B-A4B ≈ | Google DeepMind | 1 404,92 1 386–1 424 | $0,05 | $0,29 | 262K |
| 47 | Qwen3.5 397B-A17B ≈ | Alibaba (Qwen) | 1 404,33 1 397–1 411 | $0,6 | $3,6 | 262K |
| 48 | DeepSeek V3.2 Exp ≈ | DeepSeek | 1 403,82 1 389–1 418 | $0,22 | $0,33 | 164K |
| 49 | MiniMax M3 ≈ | MiniMax | 1 403,76 1 394–1 413 | $0,3 | $1,2 | 1 049K |
| 50 | GPT-5.6 Luna ≈ | OpenAI | 1 403,67 1 388–1 419 | $0,2 | $1,2 | 1 050K |
| 51 | Qwen3.6 Plus ≈ | Alibaba (Qwen) | 1 403,57 1 395–1 412 | $0,5 | $3 | 1 000K |
| 52 | Gemini 2.5 Flash ≈ | Google DeepMind | 1 402,43 1 397–1 407 | $0,3 | $2,5 | 1 049K |
| 53 | GLM 4.7 ≈ | Zhipu AI / Z.ai | 1 402,36 1 389–1 416 | $0,15 | $0,8 | 205K |
| 54 | DeepSeek V4 Flash ≈ | DeepSeek | 1 402,07 1 394–1 410 | $0,14 | $0,28 | 1 049K |
| 55 | GPT-5.2 Chat ≈ | OpenAI | 1 401,99 1 393–1 411 | $1,75 | $14 | 128K |
| 56 | Qwen3 Max Preview ≈ | Alibaba (Qwen) | 1 400,79 1 391–1 411 | $1,2 | $6 | 256K |
| 57 | Gemini 3.1 Flash Lite Preview ≈ | Google DeepMind | 1 400,66 1 394–1 408 | $0,25 | $1,5 | 1 049K |
| 58 | DeepSeek V3.2 ≈ | DeepSeek | 1 399,13 1 391–1 407 | $0,28 | $0,4 | 164K |
| 59 | Grok 4 ≈ | xAI | 1 398,43 1 390–1 407 | $3 | $15 | 256K |
| 60 | Inkling ≈ | Thinking Machines Lab | 1 395,2 1 379–1 412 | $1,87 | $4,68 | 1 049K |
| 61 | GLM 4.5 ≈ | Zhipu AI / Z.ai | 1 395,04 1 384–1 406 | $0,2 | $0,8 | 131K |
| 62 | GPT 4.5 Preview ≈ | OpenAI | 1 394,29 1 382–1 406 | $75 | $150 | 128K |
| 63 | Grok 4.1 Fast Reasoning ≈ | xAI | 1 393,1 1 386–1 400 | $0,2 | $0,5 | 2 000K |
| 64 | Hunyuan T1 ≈ | Tencent (Hunyuan) | 1 392,73 1 369–1 416 | — | — | 131K |
| 65 | Mistral Medium 3.1 ≈ | Mistral AI | 1 392,2 1 387–1 398 | $0,4 | $2 | 262K |
| 66 | MiMo V2.5 ≈ | Xiaomi | 1 391,79 1 384–1 400 | $0,14 | $0,28 | 1 050K |
| 67 | MiMo V2 Omni ≈ | Xiaomi | 1 391,39 1 380–1 403 | $0,14 | $0,28 | 262K |
| 68 | Mistral Large 3 ≈ | Mistral AI | 1 390,53 1 383–1 398 | $0,5 | $1,5 | 256K |
| 69 | Grok 4.3 ≈ | xAI | 1 388,05 1 380–1 396 | $1,25 | $2,5 | 1 000K |
| 70 | 2025) ≈ | Google DeepMind | 1 387,99 1 379–1 397 | $0,3 | $2,5 | 1 049K |
| 71 | DeepSeek V3.1 ≈ | DeepSeek | 1 387,55 1 374–1 401 | $0,2 | $0,7 | 164K |
| 72 | Qwen3 235B A22B Thinking-2507 ≈ | Alibaba (Qwen) | 1 386,32 1 368–1 404 | $0,1 | $0,1 | 262K |
| 73 | Qwen3 Max 2025-09-23 ≈ | Alibaba (Qwen) | 1 382,56 1 366–1 400 | $0,86 | $3,43 | 258K |
| 74 | MiMo V2 Flash ≈ | Xiaomi | 1 378,57 1 371–1 386 | $0,14 | $0,28 | 262K |
| 75 | Qwen3 235B A22B Instruct 2507 ≈ | Alibaba (Qwen) | 1 375,98 1 370–1 381 | $0,1 | $0,1 | 262K |
| 76 | Kimi K2 Thinking Turbo ≈ | Moonshot AI (Kimi) | 1 374,88 1 368–1 382 | $1,15 | $8 | 262K |
| 77 | Grok 4 Fast Reasoning ≈ | xAI | 1 374,71 1 363–1 386 | $0,2 | $0,5 | 2 000K |
| 78 | Claude 4 Opus ≈ | Anthropic | 1 374,61 1 366–1 383 | $15 | $75 | 200K |
| 79 | Claude Haiku 4.5 ≈ | Anthropic | 1 371,16 1 366–1 377 | $1 | $5 | 200K |
| 80 | Qwen3 VL 235B A22B Instruct ≈ | Alibaba (Qwen) | 1 370,17 1 353–1 387 | $0,4 | $1,6 | 262K |
| 81 | Qwen3.5 122B-A10B ≈ | Alibaba (Qwen) | 1 369,14 1 360–1 379 | $0,4 | $3,2 | 262K |
| 82 | Mistral Medium 3.5 ≈ | Mistral AI | 1 368,5 1 354–1 383 | $1,5 | $7,5 | 262K |
| 83 | GPT 5 Chat ≈ | OpenAI | 1 367,89 1 358–1 377 | $1,25 | $10 | 128K |
| 84 | Gemini 2.5 Flash Lite Preview ≈ | Google DeepMind | 1 366,02 1 357–1 375 | $0,1 | $0,4 | 1 049K |
| 85 | DeepSeek Chat 0324 ≈ | DeepSeek | 1 364,71 1 357–1 373 | $0,2 | $0,6 | 164K |
| 86 | GPT 4.1 2025-04-14 ≈ | OpenAI | 1 363,66 1 356–1 371 | $2 | $8 | 1 048K |
| 87 | Qwen3.5 27B ≈ | Alibaba (Qwen) | 1 361,69 1 352–1 371 | $0,3 | $2,4 | 262K |
| 88 | o3 2025-04-16 ≈ | OpenAI | 1 359,4 1 352–1 367 | $2 | $8 | 200K |
| 89 | Hunyuan TurboS ≈ | Tencent (Hunyuan) | 1 358,18 1 343–1 374 | — | — | 131K |
| 90 | Step 3.5 Flash ≈ | StepFun | 1 355,92 1 349–1 363 | $0,1 | $0,3 | 262K |
| 91 | GPT-5.3 Chat (latest) ≈ | OpenAI | 1 355,23 1 346–1 364 | $1,75 | $14 | 128K |
| 92 | DeepSeek Reasoner ≈ | DeepSeek | 1 354,71 1 344–1 365 | $0,55 | $2,19 | 164K |
| 93 | MiniMax M2.7 ≈ | MiniMax | 1 353,29 1 345–1 361 | $0,3 | $1,2 | 205K |
| 94 | Kimi K2 0905 Preview ≈ | Moonshot AI (Kimi) | 1 349,52 1 334–1 365 | $0,6 | $2,5 | 262K |
| 95 | MiMo V2 Flash (Thinking) ≈ | Xiaomi | 1 348,09 1 334–1 362 | $0,1 | $0,31 | 256K |
| 96 | o1 2024-12-17 ≈ | OpenAI | 1 347,89 1 339–1 357 | $15 | $60 | 200K |
| 97 | Qwen3.5 35B A3B ≈ | Alibaba (Qwen) | 1 347,69 1 338–1 357 | $0,25 | $2 | 262K |
| 98 | Longcat Flash Chat ≈ | Meituan | 1 346,08 1 330–1 362 | — | — | 131K |
| 99 | Gemma 3 27B ≈ | Google DeepMind | 1 344,5 1 337–1 352 | $0,03 | $0,11 | 131K |
| 100 | Qwen3 VL 235B A22B Thinking ≈ | Alibaba (Qwen) | 1 344,2 1 326–1 362 | $0,4 | $4 | 262K |
Таблицу можно прокрутить вбок: колонки помещаются не все.
Цена — минимальная среди поставщиков модели, базовый тариф, без батчевых и льготных ставок. Вход и выход показаны раздельно намеренно: у большинства моделей выход дороже входа в несколько раз, и от того, чего в задаче больше, зависит итоговый счёт.
Знаком ≈ отмечены модели, у которых доверительный интервал пересекается с интервалом строки выше. Таких здесь 99 моделей — их порядок между собой по имеющимся данным не определён.
Доверительный интервал у половины моделей шире 18,5 пункта — это около 11 соседних строк таблицы. Внутри такой группы порядок задан не данными, а тем, кто в этот раз проголосовал; разницу между началом и концом списка данные выдерживают, соседство мест — нет. Голосов на модель здесь — медиана 4 577: чем их меньше, тем шире интервал.
Arena (LMArena)
— лицензия CC-BY-4.0 · первоисточник
По данным Arena (LMArena)
Здесь измерены не все модели. Из первой десятки вкладки «По оценкам людей» в этой таблице нет 10 — Claude Opus 5, Claude Fable 5, Gemini 3 Pro, Claude Opus 4.6, Gemini 3.1 Pro Preview и ещё 5. Ни одной оценки на наборах заданий этой вкладки у них нет: пустое место означает «не измеряли», а не «выступила плохо». Самая новая модель, до которой набор дотянулся, вышла 1 декабря 2025.
| # | Модель | Разработчик | Балл по заданиям % | Вход$ / 1M | Выход$ / 1M | Контексттокенов |
|---|---|---|---|---|---|---|
| 1 | GPT 5 2025-08-07 | OpenAI | 86 % | $1,25 | $10 | 272K |
| 2 | Kimi K2 Instruct | Moonshot AI (Kimi) | 85,6 % | $0,1 | $2 | 131K |
| 3 | Claude 4.1 Opus | Anthropic | 84,7 % | $15 | $75 | 200K |
| 4 | OpenAI o3-pro (2025-06-10) | OpenAI | 84,4 % | $20 | $80 | 200K |
| 5 | o3 2025-04-16 | OpenAI | 83,9 % | $2 | $8 | 200K |
| 6 | Gemini 2.5 Pro | Google DeepMind | 83,8 % | $1,25 | $10 | 1 049K |
| 7 | Claude 4 Opus | Anthropic | 83,6 % | $15 | $75 | 200K |
| 8 | GPT 5 Mini 2025-08-07 | OpenAI | 83,1 % | $0,25 | $2 | 272K |
| 9 | DeepSeek Reasoner | DeepSeek | 83 % | $0,55 | $2,19 | 164K |
| 10 | Qwen 3 235b A22B | Alibaba (Qwen) | 83 % | $0,7 | $2,8 | 131K |
| 11 | Qwen3 235B A22B Thinking-2507 | Alibaba (Qwen) | 82,4 % | $0,1 | $0,1 | 262K |
| 12 | DeepSeek R1 0528 | DeepSeek | 81,9 % | $0,25 | $0,25 | 164K |
| 13 | GPT-4o (2024-11-20) | OpenAI | 81,8 % | $2,5 | $10 | 128K |
| 14 | Claude 4 Sonnet | Anthropic | 81,4 % | $3 | $15 | 1 000K |
| 15 | Claude Sonnet 3.7 | Anthropic | 81,1 % | $3 | $15 | 200K |
| 16 | Gemini 2.5 Pro Preview 0506 | Google DeepMind | 80,9 % | $1,25 | $10 | 1 049K |
| 17 | Gemini 2.5 Pro Experimental 0325 | Google DeepMind | 80,5 % | $2,5 | $10 | 1 049K |
| 18 | Claude 3.5 Sonnet 2024-10-22 | Anthropic | 80,3 % | $3 | $15 | 200K |
| 19 | Gemma 3 27B | Google DeepMind | 79,9 % | $0,03 | $0,11 | 131K |
| 20 | Mistral Medium 3 | Mistral AI | 77,3 % | $0,4 | $2 | 131K |
| 21 | GPT OSS 120B | OpenAI | 77,1 % | $0,03 | $0,14 | 131K |
| 22 | DeepSeek Chat 0324 | DeepSeek | 77 % | $0,2 | $0,6 | 164K |
| 23 | Grok 4 | xAI | 76,9 % | $3 | $15 | 256K |
| 24 | Gemini 2.5 Flash Preview | Google DeepMind | 76,5 % | $0,15 | $0,6 | 1 049K |
| 25 | Grok 3 | xAI | 76,4 % | $3 | $15 | 131K |
| 26 | GPT 4.5 Preview | OpenAI | 75,6 % | $75 | $150 | 128K |
| 27 | o4 Mini 2025-04-16 | OpenAI | 75 % | $1,1 | $4,4 | 200K |
| 28 | Gemini 2.0 Flash Thinking 0121 | Google DeepMind | 73,8 % | $0,31 | $1 | 1 000K |
| 29 | Grok 3 Mini | xAI | 73,5 % | $0,3 | $0,5 | 131K |
| 30 | Claude 3.5 Haiku | Anthropic | 73,5 % | $0,25 | $1,25 | 200K |
| 31 | o1 2024-12-17 | OpenAI | 70,2 % | $15 | $60 | 200K |
| 32 | Mistral Large 2407 | Mistral AI | 69 % | $3 | $9 | 131K |
| 33 | OpenAI: GPT-4o-mini (2024-07-18) | OpenAI | 67,2 % | $0,15 | $0,6 | 128K |
| 34 | o1 Mini 2024-09-12 | OpenAI | 64,9 % | $1,1 | $4,4 | 128K |
| 35 | Grok 2 1212 | xAI | 63,6 % | $2 | $10 | 131K |
| 36 | Phi 4 | Microsoft | 62,6 % | $0,06 | $0,14 | 128K |
| 37 | Llama 4 Maverick 17b 128e Instruct | Meta AI | 62 % | $0,05 | $0,1 | 1 049K |
| 38 | o3 Mini 2025-01-31 | OpenAI | 61,7 % | $1,1 | $4,4 | 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.
Epoch AI
— лицензия CC-BY · первоисточник
По данным Epoch AI