Рейтинг моделей для русского языка
Динамика рейтинга
Загружаем историю замеров…
Таблица борда
Снимок от 28 октября 2026, категория «русский язык». Показано 300 из 383 строк полного снимка. Оценка и интервал — из источника; интервал не равен диапазону мест.
| Место | Модель | Разработчик | Оценка | Интервал | Голоса | Лицензия |
|---|---|---|---|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1 564 | 1 540–1 588 | 647 | Proprietary | |
| 2 | Gemini 4 Argon (High) | 1 535 | 1 520–1 551 | 1 632 | Proprietary | |
| 3 | Claude Fable 5.1 (Max) | Anthropic | 1 521 | 1 508–1 534 | 2 256 | Proprietary |
| 4 | Muse Wonder (Max) | Meta | 1 518 | 1 500–1 536 | 1 077 | Proprietary |
| 5 | Gemini 3.8 Flash (High) | 1 516 | 1 508–1 525 | 6 256 | Proprietary | |
| 6 | Claude Opus 5.5 (High) | Anthropic | 1 515 | 1 499–1 530 | 1 539 | Proprietary |
| 7 | Gemini 3.7 Flash (High) | 1 513 | 1 503–1 523 | 4 131 | Proprietary | |
| 8 | Claude Opus 5 (Max) | Anthropic | 1 507 | 1 498–1 517 | 4 336 | Proprietary |
| 9 | Claude Opus 5 (High) | Anthropic | 1 507 | 1 500–1 515 | 8 921 | Proprietary |
| 10 | Claude Fable 5 в режиме high | Anthropic | 1 502 | 1 494–1 511 | 5 181 | Proprietary |
| 11 | Gemini 3.1 Pro Preview | 1 497 | 1 491–1 502 | 15 237 | Proprietary | |
| 12 | Claude Opus 4.6 | Anthropic | 1 495 | 1 488–1 501 | 10 205 | Proprietary |
| 13 | Muse Spark 1.3 (Max) | Meta | 1 495 | 1 483–1 506 | 3 005 | Proprietary |
| 14 | Claude Opus 4.6 (High) | Anthropic | 1 495 | 1 488–1 501 | 9 833 | Proprietary |
| 15 | Gemini 3.5 Flash (High) | 1 494 | 1 486–1 503 | 5 437 | Proprietary | |
| 16 | Claude Opus 4.7 (High) | Anthropic | 1 494 | 1 486–1 502 | 6 860 | Proprietary |
| 17 | Gemini 3.5 Flash (Medium) | 1 493 | 1 484–1 502 | 5 376 | Proprietary | |
| 18 | Gemini 3 Pro | 1 492 | 1 484–1 501 | 5 072 | Proprietary | |
| 19 | Gemini 3.6 Flash (High) | 1 489 | 1 479–1 498 | 4 142 | Proprietary | |
| 20 | Claude Opus 4.7 | Anthropic | 1 484 | 1 476–1 492 | 7 017 | Proprietary |
| 21 | Kimi K3 (Max) | moonshot | 1 484 | 1 475–1 493 | 4 663 | Kimi K3 license |
| 22 | Qwen3.8 Max (0902) | Alibaba Qwen | 1 484 | 1 474–1 493 | 4 278 | Proprietary |
| 23 | Muse Spark 1.1 | Meta | 1 483 | 1 475–1 492 | 5 480 | Proprietary |
| 24 | Muse Spark 1.2 (xHigh) | Meta | 1 481 | 1 465–1 497 | 1 535 | Proprietary |
| 25 | Qwen3.7 Max | Alibaba Qwen | 1 481 | 1 450–1 511 | 404 | Proprietary |
| 26 | GPT-5.4 (High) | OpenAI | 1 480 | 1 472–1 488 | 7 199 | Proprietary |
| 27 | Gemini 3 Flash | 1 480 | 1 471–1 489 | 4 151 | Proprietary | |
| 28 | MiMo-V2.6-Pro | Xiaomi | 1 479 | 1 455–1 502 | 581 | MIT |
| 29 | Claude Opus 4.8 (High) | Anthropic | 1 475 | 1 467–1 483 | 7 106 | Proprietary |
| 30 | GPT-5.5 | OpenAI | 1 473 | 1 465–1 481 | 7 401 | Proprietary |
| 31 | GPT-5.5 (High) | OpenAI | 1 473 | 1 465–1 480 | 7 340 | Proprietary |
| 32 | GPT-5.6 Sol (xHigh) | OpenAI | 1 472 | 1 463–1 480 | 5 206 | Proprietary |
| 33 | Qwen3.5 Max | Alibaba Qwen | 1 472 | 1 460–1 483 | 2 610 | Proprietary |
| 34 | GLM-5.3 (Max) | zai | 1 471 | 1 460–1 481 | 3 432 | MIT |
| 35 | GLM 5.3 Flash | Z.ai | 1 467 | 1 459–1 476 | 5 882 | MIT |
| 36 | DeepSeek-V4.1-Flash-20260910 (Max) | DeepSeek | 1 467 | 1 453–1 481 | 1 938 | MIT |
| 37 | GLM-5.2 (Max) | zai | 1 467 | 1 459–1 475 | 6 377 | MIT |
| 38 | Claude Opus 4.8 | Anthropic | 1 467 | 1 459–1 474 | 7 064 | Proprietary |
| 39 | Muse Spark | Meta | 1 466 | 1 451–1 481 | 1 574 | Proprietary |
| 40 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1 461 | 1 444–1 477 | 1 400 | Proprietary |
| 41 | Gemma 4 31B | 1 461 | 1 441–1 480 | 825 | Apache 2.0 | |
| 42 | Gemini 2.5 Pro | 1 461 | 1 455–1 466 | 12 203 | Proprietary | |
| 43 | ERNIE 5.1 | Baidu | 1 459 | 1 450–1 469 | 4 341 | Proprietary |
| 44 | GPT-5.4 | OpenAI | 1 458 | 1 451–1 466 | 7 666 | Proprietary |
| 45 | Qwen3.7 Plus | Alibaba Qwen | 1 458 | 1 449–1 467 | 4 651 | Proprietary |
| 46 | Grok 4.20 Beta (Reasoning, 0309) | xai | 1 458 | 1 450–1 465 | 7 432 | Proprietary |
| 47 | GPT-6.1 Sol (Max) | OpenAI | 1 457 | 1 441–1 474 | 1 352 | Proprietary |
| 48 | Grok 4.20 Multi-Agent Beta (0309) | xai | 1 457 | 1 450–1 465 | 7 153 | Proprietary |
| 49 | GLM 5.1 | Z.ai | 1 455 | 1 448–1 462 | 8 091 | MIT |
| 50 | Gemini 3 Flash (Minimal) | 1 454 | 1 448–1 460 | 10 618 | Proprietary | |
| 51 | GPT-5.6 Terra (xHigh) | OpenAI | 1 453 | 1 445–1 462 | 5 582 | Proprietary |
| 52 | DeepSeek V4 Pro 0423 | DeepSeek | 1 453 | 1 445–1 461 | 6 314 | MIT |
| 53 | Grok 4.5 | xAI | 1 450 | 1 441–1 459 | 4 584 | Proprietary |
| 54 | Claude Sonnet 5 (High) | Anthropic | 1 450 | 1 441–1 458 | 6 149 | Proprietary |
| 55 | Grok 4.20 Beta 1 | xai | 1 449 | 1 439–1 460 | 3 302 | Proprietary |
| 56 | DeepSeek-V4-Pro Preview (High) | DeepSeek | 1 449 | 1 441–1 458 | 6 144 | MIT |
| 57 | Dola Seed 2.0 Pro | ByteDance | 1 449 | 1 442–1 456 | 9 154 | Proprietary |
| 58 | MiMo-V2.5-Pro | Xiaomi | 1 449 | 1 442–1 456 | 9 358 | MIT |
| 59 | DeepSeek-V4-Pro (High, 20260813) | DeepSeek | 1 447 | 1 431–1 464 | 1 219 | MIT |
| 60 | Claude Opus 4.5 (20251101) | Anthropic | 1 447 | 1 440–1 454 | 9 041 | Proprietary |
| 61 | Kimi K2.6 | Moonshot AI | 1 446 | 1 437–1 455 | 4 244 | Modified MIT |
| 62 | ERNIE 5.0 (0110) | Baidu | 1 445 | 1 437–1 454 | 4 631 | Proprietary |
| 63 | Qwen3.6 Max Preview | Alibaba Qwen | 1 445 | 1 420–1 470 | 583 | Proprietary |
| 64 | Gemini 3.5 Flash-Lite | 1 445 | 1 435–1 455 | 4 041 | Proprietary | |
| 65 | GPT-6 Astra (Max) | OpenAI | 1 441 | 1 427–1 455 | 1 938 | Proprietary |
| 66 | GPT-5.2 Chat (20260210) | OpenAI | 1 440 | 1 431–1 449 | 4 431 | Proprietary |
| 67 | Claude Sonnet 4.6 | Anthropic | 1 440 | 1 432–1 447 | 7 987 | Proprietary |
| 68 | Hy3 | Tencent | 1 439 | 1 425–1 454 | 1 733 | Apache 2.0 |
| 69 | Claude Opus 4.5 (High, 32K, 20251101) | Anthropic | 1 437 | 1 428–1 446 | 4 824 | Proprietary |
| 70 | Claude Sonnet 4.5 (20250929) | Anthropic | 1 437 | 1 430–1 443 | 9 572 | Proprietary |
| 71 | ERNIE-5.0-Preview (1203) | Baidu | 1 436 | 1 420–1 453 | 1 186 | Proprietary |
| 72 | GLM 5 | Z.ai | 1 436 | 1 426–1 446 | 3 448 | MIT |
| 73 | DeepSeek-V3.1-Terminus (Thinking) | DeepSeek | 1 436 | 1 402–1 470 | 283 | MIT |
| 74 | GPT-5.1 (High) | OpenAI | 1 435 | 1 427–1 444 | 5 210 | Proprietary |
| 75 | Kimi K2.5 (Thinking) | moonshot | 1 435 | 1 428–1 442 | 8 814 | Modified MIT |
| 76 | Gemma 4 26B A4B | 1 434 | 1 416–1 452 | 900 | Apache 2.0 | |
| 77 | Inkling | Thinking Machines Lab | 1 434 | 1 425–1 443 | 5 502 | Apache 2.0 |
| 78 | Grok 4.1 (Thinking) | xai | 1 434 | 1 427–1 441 | 7 944 | Proprietary |
| 79 | Qwen3.6 Plus | Alibaba Qwen | 1 434 | 1 425–1 442 | 5 253 | Proprietary |
| 80 | GLM 5V Turbo | Z.ai | 1 434 | 1 416–1 451 | 1 112 | Proprietary |
| 81 | Step 5 Preview | StepFun | 1 431 | 1 416–1 445 | 1 693 | Proprietary |
| 82 | Qwen3.5 397B A17B | Alibaba Qwen | 1 431 | 1 424–1 437 | 11 258 | Apache 2.0 |
| 83 | GPT-5.5 Instant | OpenAI | 1 430 | 1 419–1 442 | 3 024 | Proprietary |
| 84 | ChatGPT-4o Latest (20250326) | OpenAI | 1 429 | 1 423–1 436 | 7 792 | Proprietary |
| 85 | Claude Sonnet 4.5 (High, 32K, 20250929) | Anthropic | 1 428 | 1 422–1 434 | 9 522 | Proprietary |
| 86 | GPT-5.6 Luna (xHigh) | OpenAI | 1 428 | 1 419–1 437 | 4 734 | Proprietary |
| 87 | Qwen3 Max | Alibaba Qwen | 1 427 | 1 414–1 441 | 1 865 | Proprietary |
| 88 | MiMo-V2 Pro | Xiaomi | 1 427 | 1 416–1 437 | 3 231 | Proprietary |
| 89 | DeepSeek V4 Flash 0423 | DeepSeek | 1 426 | 1 418–1 435 | 5 737 | MIT |
| 90 | MiniMax M3 | MiniMax | 1 426 | 1 419–1 433 | 8 155 | MiniMax Community License |
| 91 | Grok 4.1 | xAI | 1 426 | 1 419–1 433 | 7 870 | Proprietary |
| 92 | GPT-5.1 | OpenAI | 1 426 | 1 418–1 434 | 5 396 | Proprietary |
| 93 | DeepSeek-V4-Flash Preview (High) | DeepSeek | 1 425 | 1 416–1 434 | 5 781 | MIT |
| 94 | DeepSeek V3.1 Terminus | DeepSeek | 1 424 | 1 393–1 454 | 304 | MIT |
| 95 | DeepSeek V3.2 | DeepSeek | 1 423 | 1 416–1 431 | 6 099 | MIT |
| 96 | GLM 4.7 | Z.ai | 1 423 | 1 410–1 437 | 1 639 | MIT |
| 97 | amazon-nova-experimental-chat (26-02-10) | Amazon | 1 423 | 1 399–1 447 | 495 | Proprietary |
| 98 | DeepSeek-R1 (0528) | DeepSeek | 1 423 | 1 408–1 437 | 1 523 | MIT |
| 99 | Claude Opus 4.1 (20250805) | Anthropic | 1 421 | 1 414–1 428 | 7 228 | Proprietary |
| 100 | Gemini 3.1 Flash-Lite Preview | 1 420 | 1 412–1 427 | 7 184 | Proprietary | |
| 101 | GPT-4.5 Preview (2025-02-27) | OpenAI | 1 419 | 1 403–1 434 | 1 430 | Proprietary |
| 102 | Grok 4.6 (High) | xai | 1 419 | 1 409–1 428 | 4 317 | Proprietary |
| 103 | GLM 4.6 | Z.ai | 1 418 | 1 409–1 428 | 3 542 | MIT |
| 104 | NVIDIA-Nemotron-3-Ultra-550B-A55B (NVFP4) | NVIDIA | 1 418 | 1 400–1 435 | 1 201 | OpenMDW-1.1 |
| 105 | GPT-5.4 mini (High) | OpenAI | 1 417 | 1 409–1 425 | 6 992 | Proprietary |
| 106 | Claude Opus 4.1 (Thinking 16K, 20250805) | Anthropic | 1 417 | 1 408–1 426 | 4 214 | Proprietary |
| 107 | Grok 3 Preview (02-24) | xai | 1 416 | 1 405–1 427 | 2 761 | Proprietary |
| 108 | Qwen3-Max (2025-09-23) | Alibaba | 1 415 | 1 395–1 436 | 730 | Proprietary |
| 109 | GPT-5.2 | OpenAI | 1 415 | 1 409–1 422 | 9 718 | Proprietary |
| 110 | Gemini 2.5 Flash | 1 415 | 1 409–1 420 | 12 296 | Proprietary | |
| 111 | Mistral Large 4 | Mistral AI | 1 414 | 1 400–1 429 | 1 653 | Proprietary |
| 112 | GLM 4.5 | Z.ai | 1 413 | 1 399–1 427 | 1 568 | MIT |
| 113 | DeepSeek-V3.2-Exp (Thinking) | DeepSeek | 1 412 | 1 391–1 434 | 654 | MIT |
| 114 | MiMo-V2 Omni | Xiaomi | 1 412 | 1 399–1 425 | 2 263 | Proprietary |
| 115 | GPT-5.2 (High) | OpenAI | 1 412 | 1 404–1 419 | 6 312 | Proprietary |
| 116 | MiMo-V2.6-Flash | Xiaomi | 1 411 | 1 398–1 424 | 2 187 | MIT |
| 117 | Qwen3.8 27B | Alibaba Qwen | 1 411 | 1 401–1 422 | 3 656 | Apache 2.0 |
| 118 | Mistral Medium 3.1 (2508) | mistral | 1 411 | 1 405–1 417 | 9 721 | Proprietary |
| 119 | Qwen3-235B-A22B-Instruct (2507) | Alibaba | 1 411 | 1 405–1 417 | 10 185 | Apache 2.0 |
| 120 | Mistral Large 3 | mistral | 1 410 | 1 404–1 416 | 10 719 | Apache 2.0 |
| 121 | Beam 1.0 501B A23B | Reflection | 1 410 | 1 386–1 434 | 634 | Apache 2.0 |
| 122 | Grok 4 (0709) | xai | 1 409 | 1 398–1 420 | 2 814 | Proprietary |
| 123 | Qwen3 VL 235B A22B Instruct | Alibaba Qwen | 1 408 | 1 387–1 428 | 882 | Apache 2.0 |
| 124 | DeepSeek-V3.2 (Thinking) | DeepSeek | 1 407 | 1 399–1 415 | 5 416 | MIT |
| 125 | GPT-5 Chat | OpenAI | 1 407 | 1 394–1 419 | 2 169 | Proprietary |
| 126 | o3 (2025-04-16) | OpenAI | 1 406 | 1 398–1 415 | 4 677 | Proprietary |
| 127 | GPT-6 Sol (Max) | OpenAI | 1 405 | 1 391–1 418 | 2 087 | Proprietary |
| 128 | DeepSeek V3.1 | DeepSeek | 1 405 | 1 386–1 423 | 957 | MIT |
| 129 | Kimi K2.5 (Instant) | moonshot | 1 404 | 1 387–1 420 | 1 131 | Modified MIT |
| 130 | Qwen3 Next 80B A3B Instruct | Alibaba Qwen | 1 404 | 1 389–1 418 | 1 611 | Apache 2.0 |
| 131 | DeepSeek V3.2 Exp | DeepSeek | 1 403 | 1 387–1 420 | 1 174 | MIT |
| 132 | GPT-5 (High) | OpenAI | 1 402 | 1 390–1 415 | 2 164 | Proprietary |
| 133 | Qwen3.5-122B-A10B | Alibaba Qwen | 1 400 | 1 390–1 410 | 3 479 | Apache 2.0 |
| 134 | Qwen3-235B-A22B-Thinking (2507) | Alibaba | 1 400 | 1 376–1 424 | 530 | Apache 2.0 |
| 135 | DeepSeek-V3.1 (Thinking) | DeepSeek | 1 399 | 1 379–1 419 | 727 | MIT |
| 136 | GPT-5.3 Chat | OpenAI | 1 399 | 1 390–1 409 | 4 099 | Proprietary |
| 137 | Grok 4.3 | xAI | 1 399 | 1 391–1 406 | 7 486 | Proprietary |
| 138 | ERNIE-5.0-Preview (1022) | Baidu | 1 398 | 1 369–1 427 | 354 | Proprietary |
| 139 | Hy3 preview | Tencent | 1 398 | 1 375–1 421 | 710 | tencent-hunyuan-community |
| 140 | Mistral Medium 3.5 | Mistral AI | 1 396 | 1 379–1 413 | 1 236 | Modified MIT |
| 141 | Inkling Small | Thinking Machines Lab | 1 396 | 1 387–1 406 | 4 500 | Apache 2.0 |
| 142 | LongCat-Flash-Chat | Meituan | 1 396 | 1 376–1 415 | 846 | MIT |
| 143 | MiMo-V2.5 | Xiaomi | 1 395 | 1 386–1 404 | 5 265 | MIT |
| 144 | amazon-nova-experimental-chat (12-10) | Amazon | 1 395 | 1 370–1 420 | 496 | Proprietary |
| 145 | Grok 4.7 (xHigh) | xai | 1 394 | 1 381–1 407 | 2 216 | Proprietary |
| 146 | amazon-nova-experimental-chat (11-10) | Amazon | 1 394 | 1 384–1 404 | 3 446 | Proprietary |
| 147 | Qwen3-235B-A22B (Non-Thinking) | Alibaba | 1 394 | 1 383–1 405 | 2 908 | Apache 2.0 |
| 148 | Gemini 2.5 Flash Preview (09-2025) | 1 392 | 1 382–1 403 | 2 945 | Proprietary | |
| 149 | amazon-nova-experimental-chat (26-01-10) | Amazon | 1 392 | 1 365–1 418 | 458 | Proprietary |
| 150 | Claude Opus 4 (Thinking 16K, 20250514) | Anthropic | 1 391 | 1 380–1 403 | 2 554 | Proprietary |
| 151 | Muse Glimmer | Meta | 1 390 | 1 362–1 419 | 388 | Apache-2.0 |
| 152 | Kimi K2 Thinking Turbo | moonshot | 1 390 | 1 383–1 397 | 7 445 | Modified MIT |
| 153 | GPT-6 Luna (Max) | OpenAI | 1 390 | 1 383–1 397 | 11 809 | Proprietary |
| 154 | Qwen3.5-27B | Alibaba Qwen | 1 390 | 1 379–1 400 | 3 313 | Apache 2.0 |
| 155 | Grok 4 Fast (Reasoning) | xai | 1 389 | 1 374–1 404 | 1 411 | Proprietary |
| 156 | LongCat-Flash-Chat Exp (2602) | Meituan | 1 388 | 1 377–1 399 | 3 182 | Proprietary |
| 157 | MiMo-V2 Flash · Flash (Non-Thinking) | Xiaomi | 1 387 | 1 380–1 395 | 6 206 | MIT |
| 158 | Grok 4.1 Fast (Reasoning) | xai | 1 387 | 1 380–1 394 | 7 086 | Proprietary |
| 159 | MiniMax-M2.1 Preview | MiniMax | 1 387 | 1 375–1 398 | 2 387 | MIT |
| 160 | Step 3.5 Flash | StepFun | 1 385 | 1 378–1 392 | 7 434 | Apache 2.0 |
| 161 | Hunyuan T1 (20250711) | Tencent | 1 385 | 1 354–1 416 | 304 | Proprietary |
| 162 | Kimi K2 Preview (0905) | moonshot | 1 384 | 1 364–1 404 | 839 | Modified MIT |
| 163 | MiniMax M2.7 | MiniMax | 1 383 | 1 376–1 389 | 10 867 | Modified MIT |
| 164 | Grok 4 Fast (Non-Reasoning) | xai | 1 383 | 1 357–1 408 | 466 | Proprietary |
| 165 | Claude Haiku 4.5 (20251001) | Anthropic | 1 381 | 1 376–1 387 | 17 319 | Proprietary |
| 166 | Claude Opus 4 (20250514) | Anthropic | 1 381 | 1 371–1 391 | 3 443 | Proprietary |
| 167 | Qwen3.5-Flash | Alibaba Qwen | 1 380 | 1 372–1 387 | 7 213 | Proprietary |
| 168 | GPT-4.1 (2025-04-14) | OpenAI | 1 377 | 1 367–1 386 | 3 809 | Proprietary |
| 169 | Qwen3.5-35B-A3B | Alibaba Qwen | 1 377 | 1 367–1 387 | 3 629 | Apache 2.0 |
| 170 | MiMo-V2 Flash · Flash (Thinking) | Xiaomi | 1 373 | 1 359–1 387 | 1 571 | MIT |
| 171 | DeepSeek-V3 (0324) | DeepSeek | 1 373 | 1 364–1 383 | 3 573 | MIT |
| 172 | GLM 4.5 Air | Z.ai | 1 373 | 1 360–1 386 | 2 003 | MIT |
| 173 | Gemini 2.5 Flash-Lite Preview (Non-Thinking, 09-2025) | 1 373 | 1 364–1 381 | 4 794 | Proprietary | |
| 174 | amazon-nova-experimental-chat (10-20) | Amazon | 1 371 | 1 354–1 388 | 1 115 | Proprietary |
| 175 | Claude Haiku 5.5 (High) | Anthropic | 1 370 | 1 351–1 389 | 1 056 | Proprietary |
| 176 | Qwen3 VL 235B A22B Thinking | Alibaba Qwen | 1 370 | 1 347–1 392 | 618 | Apache 2.0 |
| 177 | Qwen3-30B-A3B-Instruct (2507) | Alibaba | 1 369 | 1 355–1 384 | 1 563 | Apache 2.0 |
| 178 | Hunyuan TurboS (20250416) | Tencent | 1 367 | 1 350–1 385 | 989 | Proprietary |
| 179 | Qwen3 Coder 480B A35B | Alibaba Qwen | 1 366 | 1 352–1 380 | 1 690 | Apache 2.0 |
| 180 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | NVIDIA | 1 366 | 1 341–1 391 | 569 | OpenMDW-1.1 |
| 181 | Gemini 2.5 Flash-Lite Preview (Thinking, 06-17) | 1 364 | 1 352–1 376 | 2 274 | Proprietary | |
| 182 | GPT-5.4 nano (High) | OpenAI | 1 362 | 1 355–1 370 | 6 862 | Proprietary |
| 183 | GPT-5 mini (High) | OpenAI | 1 361 | 1 348–1 375 | 1 870 | Proprietary |
| 184 | Kimi K2 Preview (0711) | moonshot | 1 361 | 1 348–1 375 | 1 824 | Modified MIT |
| 185 | Mistral Medium 3 (2505) | mistral | 1 359 | 1 348–1 370 | 2 762 | Proprietary |
| 186 | MiniMax M2.5 | MiniMax | 1 359 | 1 350–1 367 | 5 228 | Modified MIT |
| 187 | o1 (2024-12-17) | OpenAI | 1 356 | 1 345–1 366 | 3 078 | Proprietary |
| 188 | Claude Sonnet 4 (Thinking 32K, 20250514) | Anthropic | 1 355 | 1 343–1 367 | 2 410 | Proprietary |
| 189 | R1 | DeepSeek | 1 354 | 1 341–1 367 | 1 904 | MIT |
| 190 | Solar Pro 4 | Upstage | 1 354 | 1 343–1 365 | 3 320 | Proprietary |
| 191 | Grok 3 Mini Beta | xai | 1 353 | 1 339–1 367 | 1 630 | Proprietary |
| 192 | Qwen2.5 Max | Alibaba Qwen | 1 353 | 1 342–1 363 | 2 985 | Proprietary |
| 193 | Claude Sonnet 4 (20250514) | Anthropic | 1 353 | 1 342–1 363 | 3 213 | Proprietary |
| 194 | Gemini 2.0 Flash (001) | 1 351 | 1 342–1 361 | 3 711 | Proprietary | |
| 195 | Grok 3 Mini (High) | xai | 1 351 | 1 334–1 368 | 1 146 | Proprietary |
| 196 | Gemma 3 27B | 1 349 | 1 339–1 358 | 3 436 | Gemma | |
| 197 | gpt-oss-120b | OpenAI | 1 343 | 1 330–1 355 | 2 138 | Apache 2.0 |
| 198 | Qwen3 235B A22B | Alibaba Qwen | 1 342 | 1 330–1 354 | 2 151 | Apache 2.0 |
| 199 | Amazon Nova 2 Lite | Amazon | 1 342 | 1 327–1 357 | 1 449 | Proprietary |
| 200 | GLM 4.6V | Z.ai | 1 340 | 1 310–1 370 | 356 | MIT |
| 201 | Granite 4.2 30B | IBM Granite | 1 339 | 1 308–1 371 | 353 | Apache 2.0 |
| 202 | Trinity Large Thinking | Arcee AI | 1 338 | 1 327–1 349 | 3 282 | Apache 2.0 |
| 203 | INTELLECT-3 | Prime Intellect | 1 338 | 1 314–1 363 | 565 | MIT |
| 204 | Qwen3 Next 80B A3B Thinking | Alibaba Qwen | 1 337 | 1 319–1 356 | 928 | Apache 2.0 |
| 205 | Nemotron 3 Super | NVIDIA | 1 335 | 1 317–1 353 | 1 022 | NVIDIA Open Model |
| 206 | Gemma 3 12B | 1 335 | 1 304–1 366 | 285 | Gemma | |
| 207 | o4-mini (2025-04-16) | OpenAI | 1 334 | 1 324–1 344 | 3 427 | Proprietary |
| 208 | GLM 4.7 Flash | Z.ai | 1 332 | 1 319–1 346 | 1 715 | MIT |
| 209 | Llama 3.3 Nemotron Super 49B v1.5 | NVIDIA | 1 332 | 1 296–1 367 | 202 | Nvidia Open |
| 210 | Step 3 | StepFun | 1 331 | 1 306–1 357 | 489 | Apache 2.0 |
| 211 | MiniMax M2 | MiniMax | 1 330 | 1 305–1 356 | 498 | Apache 2.0 |
| 212 | MiniMax M1 | MiniMax | 1 329 | 1 318–1 341 | 2 392 | Apache 2.0 |
| 213 | Gemini 2.0 Flash-Lite Preview (02-05) | 1 327 | 1 316–1 339 | 2 296 | Proprietary | |
| 214 | Step-1o Turbo (202506) | StepFun | 1 327 | 1 306–1 348 | 653 | Proprietary |
| 215 | DeepSeek V3 | DeepSeek | 1 324 | 1 313–1 335 | 2 512 | DeepSeek |
| 216 | Step-2 16K Exp (202412) | StepFun | 1 324 | 1 302–1 346 | 642 | Proprietary |
| 217 | GPT-4.1 mini (2025-04-14) | OpenAI | 1 324 | 1 313–1 334 | 3 084 | Proprietary |
| 218 | Mistral Small 3.2 (2506) | mistral | 1 324 | 1 308–1 340 | 1 232 | Apache 2.0 |
| 219 | Trinity Large Preview | — | 1 323 | 1 313–1 334 | 3 840 | Apache 2.0 |
| 220 | Qwen-Plus (0125) | Alibaba | 1 323 | 1 301–1 345 | 578 | Proprietary |
| 221 | Gemini 1.5 Pro (002) | 1 320 | 1 312–1 327 | 7 738 | Proprietary | |
| 222 | o1 | OpenAI | 1 316 | 1 306–1 326 | 4 488 | Proprietary |
| 223 | Command A (03-2025) | Cohere | 1 314 | 1 305–1 322 | 4 467 | CC-BY-NC-4.0 |
| 224 | Hunyuan TurboS (20250226) | Tencent | 1 313 | 1 277–1 349 | 217 | Proprietary |
| 225 | GLM-4-Plus (0111) | zai | 1 312 | 1 291–1 334 | 653 | Proprietary |
| 226 | Qwen3 32B | Alibaba Qwen | 1 311 | 1 286–1 336 | 412 | Apache 2.0 |
| 227 | Claude 3.7 Sonnet (Thinking 32K, 20250219) | Anthropic | 1 311 | 1 300–1 321 | 3 353 | Proprietary |
| 228 | Claude 3.7 Sonnet (20250219) | Anthropic | 1 310 | 1 300–1 320 | 3 507 | Proprietary |
| 229 | Ling-flash-2.0 | inclusionAI | 1 308 | 1 281–1 334 | 475 | MIT |
| 230 | Claude 3.5 Sonnet (20241022) | Anthropic | 1 305 | 1 299–1 312 | 10 311 | Proprietary |
| 231 | Hunyuan Turbo (0110) | Tencent | 1 305 | 1 273–1 337 | 266 | Proprietary |
| 232 | Mercury 2 | Inception Labs | 1 304 | 1 277–1 331 | 451 | Proprietary |
| 233 | o3-mini (High) | OpenAI | 1 304 | 1 290–1 317 | 1 740 | Proprietary |
| 234 | NVIDIA-Nemotron-3-Nano-30B-A3B (BF16) | NVIDIA | 1 303 | 1 291–1 316 | 2 095 | NVIDIA Open Model |
| 235 | o3 Mini | OpenAI | 1 301 | 1 293–1 309 | 4 937 | Proprietary |
| 236 | GLM 4.5V | Z.ai | 1 298 | 1 270–1 325 | 394 | MIT |
| 237 | QwQ 32B | Alibaba Qwen | 1 297 | 1 285–1 309 | 2 134 | Apache 2.0 |
| 238 | GPT-5 nano (High) | OpenAI | 1 296 | 1 273–1 320 | 601 | Proprietary |
| 239 | Gemma 3 4B | 1 294 | 1 263–1 324 | 307 | Gemma | |
| 240 | Qwen3 30B A3B | Alibaba Qwen | 1 291 | 1 279–1 303 | 2 225 | Apache 2.0 |
| 241 | DeepSeek-V2.5 (1210) | DeepSeek | 1 289 | 1 272–1 306 | 1 034 | DeepSeek |
| 242 | Gemma 3n E4B | 1 288 | 1 274–1 302 | 1 630 | Gemma | |
| 243 | Gemini 1.5 Flash (002) | 1 287 | 1 278–1 296 | 5 101 | Proprietary | |
| 244 | Llama 4 Maverick 17B 128E Instruct | Meta | 1 286 | 1 275–1 296 | 3 102 | Llama 4 |
| 245 | Grok 2 (2024-08-13) | xai | 1 286 | 1 278–1 293 | 8 745 | Proprietary |
| 246 | GPT-4o (2024-05-13) | OpenAI | 1 285 | 1 278–1 293 | 13 904 | Proprietary |
| 247 | Llama 3.1 Nemotron Ultra 253B v1 | NVIDIA | 1 284 | 1 254–1 313 | 303 | Nvidia Open Model |
| 248 | o1-mini | OpenAI | 1 282 | 1 274–1 290 | 7 413 | Proprietary |
| 249 | Gemini Advanced (0514) | 1 282 | 1 272–1 293 | 5 861 | Proprietary | |
| 250 | Claude 3.5 Sonnet (20240620) | Anthropic | 1 282 | 1 274–1 290 | 9 966 | Proprietary |
| 251 | Athene V2 Chat | Nexusflow | 1 282 | 1 272–1 292 | 3 448 | NexusFlow |
| 252 | Granite 4.2 8B | IBM Granite | 1 281 | 1 247–1 315 | 336 | Apache 2.0 |
| 253 | Claude 3 Opus (20240229) | Anthropic | 1 280 | 1 273–1 287 | 21 089 | Proprietary |
| 254 | gpt-oss-20b | OpenAI | 1 278 | 1 257–1 299 | 755 | Apache 2.0 |
| 255 | Gemini 1.5 Pro (001) | 1 276 | 1 267–1 285 | 9 385 | Proprietary | |
| 256 | GPT-4o mini (2024-07-18) | OpenAI | 1 275 | 1 268–1 283 | 8 268 | Proprietary |
| 257 | GLM-4-Plus | Z.ai | 1 275 | 1 265–1 285 | 3 904 | Proprietary |
| 258 | Qwen-Max (0919) | Alibaba | 1 274 | 1 262–1 286 | 2 432 | Qwen |
| 259 | GPT-4o (2024-08-06) | OpenAI | 1 272 | 1 263–1 280 | 5 517 | Proprietary |
| 260 | Qwen2.5-Plus (1127) | Alibaba | 1 270 | 1 255–1 286 | 1 397 | Proprietary |
| 261 | Llama 3.3 Nemotron Super 49B v1 | NVIDIA | 1 269 | 1 235–1 304 | 263 | Nvidia |
| 262 | OLMo 3.1 32B Instruct | Ai2 | 1 268 | 1 253–1 282 | 1 689 | Apache 2.0 |
| 263 | Hunyuan Large (2025-02-10) | Tencent | 1 266 | 1 237–1 294 | 374 | Proprietary |
| 264 | Llama 3.1 405B Instruct (FP8) | Meta | 1 265 | 1 257–1 273 | 7 673 | Llama 3.1 Community |
| 265 | Qwen2.5 72B Instruct | Alibaba Qwen | 1 264 | 1 255–1 272 | 5 776 | Qwen |
| 266 | Mistral Small 3.1 24B Instruct (2503) | mistral | 1 263 | 1 251–1 275 | 2 415 | Apache 2.0 |
| 267 | Llama 4 Scout 17B 16E Instruct | Meta | 1 263 | 1 250–1 275 | 2 273 | Llama |
| 268 | Grok 2 mini (2024-08-13) | xai | 1 261 | 1 253–1 269 | 7 193 | Proprietary |
| 269 | GPT-4.1 nano (2025-04-14) | OpenAI | 1 261 | 1 240–1 282 | 702 | Proprietary |
| 270 | GPT-4 Turbo (2024-04-09) | OpenAI | 1 259 | 1 251–1 268 | 9 938 | Proprietary |
| 271 | Hunyuan Standard (2025-02-10) | Tencent | 1 258 | 1 231–1 285 | 379 | Proprietary |
| 272 | NVIDIA-Nemotron-3.5-Lightning-30B-A3B (NVFP4) | NVIDIA | 1 258 | 1 246–1 270 | 3 205 | OpenMDW-1.1 |
| 273 | Mistral Large 2 (2407) | mistral | 1 257 | 1 248–1 265 | 5 748 | Mistral Research |
| 274 | Llama 3.1 405B Instruct (BF16) | Meta | 1 256 | 1 247–1 265 | 4 863 | Llama 3.1 Community |
| 275 | Yi-Lightning | 01.AI | 1 255 | 1 245–1 265 | 4 189 | Proprietary |
| 276 | OLMo 3 32B Think | Ai2 | 1 254 | 1 229–1 279 | 608 | Apache 2.0 |
| 277 | DeepSeek V2.5 | DeepSeek | 1 253 | 1 242–1 263 | 3 519 | DeepSeek |
| 278 | Claude 3.5 Haiku (20241022) | Anthropic | 1 253 | 1 245–1 260 | 6 650 | Proprietary |
| 279 | Llama 3.3 70B Instruct | Meta | 1 252 | 1 244–1 259 | 5 712 | Llama-3.3 |
| 280 | Mistral Large (2411) | mistral | 1 251 | 1 241–1 261 | 3 258 | MRL |
| 281 | GPT-4 Turbo Preview (1106) | OpenAI | 1 251 | 1 242–1 260 | 7 053 | Proprietary |
| 282 | Athene 70B (0725) | — | 1 250 | 1 237–1 263 | 1 934 | CC-BY-NC-4.0 |
| 283 | Reka Core (20240904) | — | 1 249 | 1 231–1 267 | 976 | Proprietary |
| 284 | Granite 4.2 3B | IBM Granite | 1 246 | 1 211–1 280 | 360 | Apache 2.0 |
| 285 | Llama 3.1 Tulu 3 70B | Ai2 | 1 245 | 1 218–1 272 | 366 | Llama 3.1 |
| 286 | Ring-flash-2.0 | inclusionAI | 1 244 | 1 218–1 270 | 493 | MIT |
| 287 | Hunyuan Large Vision | Tencent | 1 243 | 1 216–1 271 | 450 | Proprietary |
| 288 | GPT-4 Turbo Preview (0125) | OpenAI | 1 241 | 1 232–1 250 | 8 356 | Proprietary |
| 289 | Amazon Nova Pro 1.0 | Amazon | 1 240 | 1 229–1 250 | 3 014 | Proprietary |
| 290 | Gemini 1.5 Flash (001) | 1 239 | 1 230–1 248 | 7 468 | Proprietary | |
| 291 | Granite 4.1 8B | IBM Granite | 1 237 | 1 207–1 266 | 463 | Apache 2.0 |
| 292 | Gemini 1.5 Flash-8B (001) | 1 236 | 1 227–1 244 | 5 317 | Proprietary | |
| 293 | Gemma 2 27B | 1 234 | 1 226–1 241 | 9 678 | Gemma license | |
| 294 | Llama 3.1 70B Instruct | Meta | 1 233 | 1 225–1 242 | 7 285 | Llama 3.1 Community |
| 295 | Qwen2.5 Coder 32B Instruct | Alibaba Qwen | 1 228 | 1 210–1 246 | 822 | Apache 2.0 |
| 296 | Command R+ (08-2024) | Cohere | 1 227 | 1 212–1 242 | 1 354 | CC-BY-NC-4.0 |
| 297 | Aya Expanse 32B | Cohere | 1 227 | 1 217–1 237 | 3 891 | CC-BY-NC-4.0 |
| 298 | Llama 3.1 Nemotron 70B Instruct | NVIDIA | 1 227 | 1 209–1 244 | 1 069 | Llama 3.1 |
| 299 | Claude 3 Sonnet (20240229) | Anthropic | 1 226 | 1 217–1 236 | 10 794 | Proprietary |
| 300 | Gemma 2 9B IT SimPO | Princeton NLP | 1 224 | 1 208–1 241 | 1 119 | MIT |
Направления рейтинга · 29Выбрано: русский язык
Направление «русский язык»: снимок от 28 октября 2026. Строк в полном снимке — 383; строки могут относиться к модели или отдельному режиму. Снимков этого направления в архиве — 215, первый — 15 мая 2024. Оценки, интервалы и места относятся только к выбранному направлению и дате.
Сохранённый редакционный разбор — не пересчитан по текущим данным
Это сохранённый текст, а не автоматически обновляемая сводка. Его числа и выводы требуют повторной проверки; актуальные значения приведены в таблицах и карточках этой страницы. Дата одобрения текста не является датой замера.
«Русский язык» — одно из направлений, где ответы моделей и их режимов сравнивают попарно. Единица выборки — голос в парном сравнении: человек сравнил два ответа на один запрос и отметил предпочтительный. Оценка и место заданы этим направлением и датой снимка — 2 сентября 2026 года.
Какие запросы попадают в направление, снимок не сообщает: записано только название категории. У 35 строк снимка подписан режим модели: место такой строки принадлежит режиму, а не модели целиком.
В снимке 363 строки, в общем зачёте за ту же дату — 399, то есть на 36 строк больше. Наборы строк не совпадают, поэтому место здесь и место в общем зачёте — разные величины.
Границы рядом с оценкой заданы в тех же единицах, что и она: это точность оценки, а не набор возможных мест. Чем шире границы, тем грубее измерена оценка строки. Крайние по ширине границ строки первой десятки различаются размером выборки: у верхней 348 голосов и разброс около 65 пунктов шкалы, у десятой — 11 037 голосов и около 13 пунктов.
Вывод редакции
Сохранённый редакционный разбор — не пересчитан по текущим данным
Это сохранённый текст, а не автоматически обновляемая сводка. Его числа и выводы требуют повторной проверки; актуальные значения приведены в таблицах и карточках этой страницы. Дата одобрения текста не является датой замера.
В первой десятке снимка от 2 сентября 2026 интервалы пересекаются у всех пар, а не только у соседних: наибольшая нижняя граница — 1 498,2 пункта шкалы, наименьшая верхняя — 1 502,3. Поэтому десятка читается как одна группа, а разница мест в этом снимке различима там, где границы двух строк не пересекаются. Внутри группы выбор решают свойства, которых в снимке нет: цена, контекст и доступность модели или режима у провайдеров.
Другие рейтинги
- Рейтинг агентов
- Рейтинг работы с документами
- Рейтинг редактирования изображений
- Рейтинг видео из изображения
- Популярность моделей по использованию через API-агрегаторы
- Рейтинг поисковых моделей
- Рейтинг текстовых моделей
- Рейтинг моделей для кода
- Рейтинг моделей для творческих текстов
- Рейтинг моделей для математики
- Рейтинг генерации изображений
- Рейтинг генерации видео
- Рейтинг редактирования видео
- Рейтинг моделей с изображениями на входе
- Рейтинг моделей для веб-разработки
Вопросы и ответы
Это рейтинг российских нейросетей?
Нет, здесь выбран языковой срез «Русский язык», а не страна разработчика. Принадлежность модели российской компании и её место в этом срезе — разные сведения. Разработчика можно посмотреть в карточке модели.
Почему место модели здесь отличается от места в общем зачёте?
Место относится к выбранному направлению и дате снимка. Языковой срез и общий зачёт — разные сравнения, поэтому переносить номер места между ними нельзя. Если выбираете модель именно для русскоязычных запросов, смотрите её строку здесь, включая подпись режима, а не только общий рейтинг.
Можно ли по этому месту отдельно оценить перевод, грамотность и знание русской культуры?
Нет, одно место в языковом срезе не раскладывает результат на эти навыки. Для перевода, редактирования или вопросов о культуре нужны отдельные примеры вашей задачи и проверка ответов. Высокую позицию здесь не стоит превращать в обещание одинакового качества любой работы на русском языке.
Как считается и откуда данные · данные обновлены 2 ноября 2026
Оценки и интервалы приведены как в открытых замерах оценок людей, без пересчёта; доля использования — по публичным данным API-агрегаторов (топ-K моделей и строка «прочие»); характеристики и цены — из каталогов и провайдеров с датой наблюдения.
- Метрика
- рейтинг Брэдли — Терри (Elo-подобная шкала) с интервалом из источника
- Единица выборки
- голос в парном сравнении
- Окно
- снимок датасета от 28 октября 2026
Полная методика: источники, частота обновления, что означает число