FreeAILab free-ai-lab

LLM मॉडल रैंकिंग

⚖️

पब्लिक 4 बेंचमार्क से नवीनतम स्वतंत्र AI मॉडल रैंकिंग — क्षमता आयामों की तुलना के लिए रडार चार्ट में मॉडल बदलें; एक रैंकिंग नंबर नहीं, ट्रेंड देखें।

82
मॉडल
4
बेंचमार्क
Arena 2026-10-15
नवीनतम Arena स्नैपशॉट
हर सप्ताह
स्वचालित अपडेट
अस्वीकरण: सभी स्कोर थर्ड-पार्टी बेंचमार्क के पब्लिक स्नैपशॉट (स्रोत नीचे लिंक) हैं और केवल सूचना के उद्देश्य से हैं। हर सूची के शीर्ष रैंक आमतौर पर सांख्यिकीय नॉइज़ की सीमा में होते हैं, इसलिए सटीक रैंक के बजाय ट्रेंड पर ध्यान दें। हम स्वयं कोई मूल्यांकन नहीं करते।

Artificial Analysis इंटेलिजेंस इंडेक्स

स्वतंत्र मूल्यांकन दो मॉडलों की तुलना करें →

कोड, गणित, विज्ञान, तर्क और एजेंट जैसे 10 सामान्यीकृत बेंचमार्क को एक इंटेलिजेंस इंडेक्स में जोड़ता है, साथ में कीमत और गति।

# मॉडल प्रोवाइडर इंटेलिजेंस कोड GPQA HLE SciCode LCR $/M tok tok/s
1 Claude Opus 5.5 (Max, Default Fallback) Anthropic 57.6 — — 61.4 66.9 84.7 8.00 96
2 Claude Sonnet 5.5 (Max, Default Fallback) Anthropic 56.0 — — 55.0 61.0 82.7 4.00 139
3 Claude Opus 5.5 (Xhigh, Default Fallback) Anthropic 56.0 — — 57.5 65.0 84.7 8.00 86
4 Muse Wonder Full (Max) Meta 55.8 — — 53.6 62.6 83.7 0.00 0
5 Claude Opus 5.5 (High, Default Fallback) Anthropic 53.6 — — 55.6 60.4 82.7 8.00 77
6 Claude Fable 5.1 (Max, Default Fallback) Anthropic 53.4 81.6 93.7 59.1 63.1 85.3 20.00 74
7 Claude Fable 5.1 (Xhigh, Default Fallback) Anthropic 53.2 80.7 93.4 58.7 60.9 83.0 20.00 60
8 GPT-6 Astra (Max) OpenAI 52.7 76.9 96.1 54.7 56.5 80.7 20.00 72
9 Gemini 4 Argon (High) Google 52.6 — — 57.1 61.8 79.7 4.00 0
10 Muse Wonder (Max) Meta 52.4 — — 50.1 60.3 80.7 8.00 159
11 GPT-6 Astra (Xhigh) OpenAI 52.4 75.9 96.3 54.6 55.7 80.0 20.00 65
12 Claude Sonnet 5.5 (Xhigh, Default Fallback) Anthropic 51.9 — — 50.0 57.3 79.7 4.00 105
13 GPT-6.1 Sol (Max) OpenAI 51.8 — — 52.9 54.2 83.0 4.00 54
14 Claude Opus 5.5 (Medium, Default Fallback) Anthropic 51.2 — — 54.7 59.3 84.3 8.00 76
15 Claude Fable 5.1 (High, Default Fallback) Anthropic 51.2 79.1 90.6 55.9 58.7 83.7 20.00 55
16 GPT-6.1 Sol (Xhigh) OpenAI 51.0 — — 52.6 55.7 79.7 4.00 52
17 GPT-6 Astra (High) OpenAI 50.9 77.1 94.9 53.1 55.4 80.0 20.00 58
18 Claude Opus 5 (Max) Anthropic 50.8 78.0 93.2 54.9 56.4 79.3 10.00 0
19 GPT-6.1 Sol (High) OpenAI 50.2 — — 51.4 55.8 82.3 4.00 49
20 Claude Opus 5 (Xhigh) Anthropic 49.7 77.0 93.7 54.4 55.7 80.3 10.00 0
21 Claude Fable 5 (Max, Opus 4.8 Fallback) Anthropic 49.6 76.5 92.6 55.5 61.0 82.3 20.00 0
22 GPT-6 Astra (Medium) OpenAI 49.6 76.7 93.9 52.7 54.2 79.7 20.00 57
23 Claude Fable 5.1 (Medium, Default Fallback) Anthropic 48.9 77.1 88.6 53.8 56.4 84.7 20.00 55
24 Claude Opus 5 (High) Anthropic 48.1 76.5 93.7 52.8 55.4 79.0 10.00 0
25 Muse Spark 1.3 (Max) Meta 48.1 75.8 93.5 48.7 58.8 83.0 2.00 119
26 GPT-6.1 Sol (Medium) OpenAI 47.8 — — 49.9 53.2 83.3 4.00 46
27 GPT-6 Sol (Max) OpenAI 47.6 — — 47.9 57.6 83.7 4.00 0
28 GPT-5.6 Sol (Max) OpenAI 47.0 77.4 94.1 49.5 57.1 84.0 8.00 0
29 Claude Fable 5.1 (Low, Default Fallback) Anthropic 46.8 75.2 88.1 48.9 56.7 82.3 20.00 54
30 Claude Sonnet 5.5 (High, Default Fallback) Anthropic 46.8 — — 45.8 53.7 78.0 4.00 103

क्षमता रडार

6 क्षमता अक्षों की तुलना के लिए मॉडल चुनें (अधिकतम 100 का प्रतिशत)

    स्रोत: Artificial Analysis · स्नैपशॉट 2026-10-19 · हर सप्ताह अपडेट

    Arena Elo रैंकिंग

    असली इंसानों की ब्लाइंड वोटिंग

    अज्ञात A/B ड्यूल में असली यूज़र्स वोट करते हैं और परिणाम Bradley–Terry Elo में बदला जाता है। यह मापता है कि लोग वास्तव में कौन-सा मॉडल पसंद करते हैं, परफ़ॉर्मेंस टेस्ट नहीं।

    # मॉडल प्रोवाइडर लाइसेंस Elo वोट पिछले स्नैपशॉट से
    1 Gemini 4 Argon (High) google क्लोज़्ड 1532 4,904 —
    2 Claude Opus 5.5 (High) anthropic क्लोज़्ड 1516 8,300 —
    3 Claude Fable 5.1 (Max) anthropic क्लोज़्ड 1512 14,590 —
    4 Claude Opus 5 (Max) anthropic क्लोज़्ड 1508 32,495 —
    5 Claude Opus 5 (High) anthropic क्लोज़्ड 1503 66,824 —
    6 Claude Opus 4.6 (High) anthropic क्लोज़्ड 1502 81,394 —
    7 Muse Wonder (Max) meta क्लोज़्ड 1501 3,247 —
    8 Gemini 3.8 Flash (High) google क्लोज़्ड 1499 37,454 —
    9 Claude Opus 4.6 anthropic क्लोज़्ड 1498 86,071 —
    10 Claude Fable 5 (High) anthropic क्लोज़्ड 1491 42,004 —
    11 mimo-v2.6-pro xiaomi क्लोज़्ड 1491 4,075 ▲ 2
    12 Muse Spark 1.3 (Max) meta क्लोज़्ड 1490 17,561 —
    13 Claude Opus 4.7 (High) anthropic क्लोज़्ड 1490 65,116 —
    14 Gemini 3.7 Flash (High) google क्लोज़्ड 1487 27,232 —
    15 Muse Spark 1.2 (xHigh) meta क्लोज़्ड 1484 8,248 —
    16 Claude Opus 4.7 anthropic क्लोज़्ड 1483 66,216 —
    17 qwen3.8-max alibaba क्लोज़्ड 1483 27,766 ▲ 3
    18 gemini-3.5-flash-high google क्लोज़्ड 1482 48,486 ▲ 1
    19 Gemini 3.1 Pro Preview google क्लोज़्ड 1480 127,649 —
    20 Gemini 3 Pro google क्लोज़्ड 1479 42,072 —
    21 gemini-3.6-flash-high google क्लोज़्ड 1479 36,122 ▲ 1
    22 Muse Spark 1.1 meta क्लोज़्ड 1478 42,810 —
    23 gemini-3.5-flash-medium google क्लोज़्ड 1477 47,292 —
    24 qwen3.7-max-preview alibaba क्लोज़्ड 1475 3,934 —
    25 Kimi K3 (Max) moonshot क्लोज़्ड 1475 32,795 —
    26 Muse Spark meta क्लोज़्ड 1474 14,150 —
    27 glm-5.3-max zai क्लोज़्ड 1471 22,543 —
    28 gpt-5.5-high openai क्लोज़्ड 1471 69,401 —
    29 glm-5.3-flash zai क्लोज़्ड 1471 32,925 —
    30 claude-sonnet-5.5-xhigh anthropic क्लोज़्ड 1470 6,831 —

    2023 से Elo ट्रेंड · 8 स्नैपशॉट

    समय के साथ Arena Elo मूल्यों में बदलाव

    स्रोत: Arena leaderboard · स्नैपशॉट 2026-10-15 · हर सप्ताह अपडेट

    OpenCompass क्षमता स्कोर

    ज्ञान · तर्क · गणित · कोड

    बंद आधिकारिक इवैल्यूएशन सेट पर चलाया गया ऑब्जेक्टिव क्षमता बेंचमार्क। औसत (avg) चार आयामों का औसत है।

    # मॉडल प्रोवाइडर लाइसेंस औसत ज्ञान तर्क गणित कोड
    1 Claude Opus 5 (high) Anthropic क्लोज़्ड 83.3 94.1 68.4 77.3 93.3
    2 GPT-5.6-Sol (high) OpenAI क्लोज़्ड 80.8 88.5 66.8 71.4 96.3
    3 Qwen3.8-Max Alibaba ओपन 80.6 86.8 65.2 75 95.5
    4 GPT-5.5 (high) OpenAI क्लोज़्ड 80.6 87.7 66.9 71.4 96.5
    5 Gemini-3.7-Flash Google क्लोज़्ड 80.5 94 62.1 76.8 89.3
    6 Doubao-Seed-2.1-Pro-260628 (high) ByteDance क्लोज़्ड 80.5 91.4 64.9 74.9 90.8
    7 Kimi-K3 (high) Moonshot AI ओपन 79.1 90.3 63.9 74.1 88
    8 Grok-4.6 (high) xAI क्लोज़्ड 78 93.8 60 73 85
    9 DeepSeek-V4-Pro DeepSeek ओपन 77.5 92.5 55.5 71.2 91
    10 Kimi-K2.6 (high) Moonshot AI ओपन 75.7 89.8 62.9 75.7 74.5
    11 Claude Opus 4.8 (high) Anthropic क्लोज़्ड 75.1 87.5 64.1 71.5 77.3
    12 GLM-5.3 Zhipu AI क्लोज़्ड 74.4 91.9 62 67.2 76.5
    13 DeepSeek-V4-Flash DeepSeek ओपन 73.7 84.5 61 70.4 79
    14 Hy3-preview (high) Tencent ओपन 73.6 85.6 54.6 72.2 82
    15 MiniMax-M3 MiniMax ओपन 69 86.6 54 63 72.5

    क्षमता रडार

    4 क्षमता अक्षों की तुलना के लिए मॉडल चुनें (अधिकतम 100 का प्रतिशत)

      स्रोत: OpenCompass · स्नैपशॉट 2026-08-24 · हर महीने अपडेट

      SuperCLUE इंटेलिजेंस इंडेक्स

      चीनी बेंचमार्क · अधिकतम 100

      मंदारिन-भाषा का व्यापक बेंचमार्क जिसमें छह कार्य शामिल हैं: गणितीय तर्क, हॉलुसिनेशन नियंत्रण, वैज्ञानिक तर्क, सटीक निर्देश पालन, एजेंट कोडिंग और एजेंट टास्क योजना।

      # मॉडल प्रोवाइडर लाइसेंस कुल स्कोर गणित हॉलुसिनेशन विज्ञान निर्देश एजेंट कोड एजेंट योजना
      1 Qwen3.8-Max(max) 阿里巴巴 ओपन 71.48 77.19 86.08 71.93 43.81 68.42 90.94
      2 Kimi-K3(max) 月之暗面 ओपन 70.68 71.93 83.85 70.17 40.95 75.79 84.35
      3 DeepSeek-V4-Pro(max) 深度求索 ओपन 70.1 77.19 89.73 71.93 42.86 63.16 85.48
      4 Doubao-Seed-2.1-pro(high) 字节跳动 क्लोज़्ड 65.94 75.44 78.85 77.19 42.86 51.58 84.95
      5 DeepSeek-V4-Flash(max) 深度求索 ओपन 65.6 78.95 78.25 70.17 35.24 58.95 80.72
      6 MiniMax-M3 稀宇科技 ओपन 56.9 70.18 70.44 70.17 20 46.32 77.68
      7 LongCat-2.0 美团 ओपन 54.22 70.18 70.02 64.91 19.05 42.11 71.32

      क्षमता रडार

      6 टास्क अक्षों की तुलना के लिए मॉडल चुनें (अधिकतम 100 का प्रतिशत)

        स्रोत: SuperCLUE · स्नैपशॉट 2026-08-06 · हर महीने अपडेट

        क्षमता के अनुसार सर्वश्रेष्ठ मॉडल

        हर क्षमता में कौन-सा मॉडल बेहतर है? हर सूची उस क्षमता को सबसे सटीक मापने वाले स्रोत से Top 10 दिखाती है: कोड AA Coding Index से, गणित और तर्क OpenCompass से, एजेंट SuperCLUE से।

        # मॉडल प्रोवाइडर कोड
        1 Claude Fable 5.1 (Max, Default Fallback) Anthropic
        81.6
        2 Claude Fable 5.1 (Xhigh, Default Fallback) Anthropic
        80.7
        3 Claude Fable 5.1 (High, Default Fallback) Anthropic
        79.1
        4 Claude Opus 5 (Max) Anthropic
        78.0
        5 GPT-5.6 Sol (Max) OpenAI
        77.4
        6 GPT-6 Astra (High) OpenAI
        77.1
        7 Claude Fable 5.1 (Medium, Default Fallback) Anthropic
        77.1
        8 Claude Opus 5 (Xhigh) Anthropic
        77.0
        9 GPT-6 Astra (Max) OpenAI
        76.9
        10 GPT-6 Astra (Medium) OpenAI
        76.7

        स्रोत: AA Coding Index · स्नैपशॉट 2026-10-19 · स्रोत के अनुसार अपडेट