Рейтинг текстовых моделей
Динамика рейтинга
Загружаем историю замеров…
Таблица борда
Снимок от 2 октября 2026, категория «общий зачёт». Показано 300 из 413 строк полного снимка. Оценка и интервал — из источника; интервал не равен диапазону мест.
| Место | Модель | Разработчик | Оценка | Интервал | Голоса | Лицензия |
|---|---|---|---|---|---|---|
| 1 | gemini-4-argon-high | 1 533 | 1 525–1 542 | 4 932 | Proprietary | |
| 2 | claude-opus-5.5-high | Anthropic | 1 512 | 1 503–1 521 | 4 552 | Proprietary |
| 3 | Claude Fable 5.1 в режиме max | Anthropic | 1 511 | 1 504–1 517 | 11 800 | Proprietary |
| 4 | Claude Opus 5 в режиме max | Anthropic | 1 507 | 1 502–1 512 | 28 937 | Proprietary |
| 5 | Claude Opus 4.6 в режиме high | Anthropic | 1 503 | 1 500–1 507 | 77 636 | Proprietary |
| 6 | Claude Opus 5 в режиме high | Anthropic | 1 502 | 1 498–1 506 | 59 482 | Proprietary |
| 7 | Claude Opus 4.6 | Anthropic | 1 498 | 1 494–1 501 | 82 189 | Proprietary |
| 8 | Gemini 3.8 Flash в режиме high | 1 497 | 1 492–1 502 | 26 298 | Proprietary | |
| 9 | claude-fable-5-high | Anthropic | 1 492 | 1 487–1 496 | 38 387 | Proprietary |
| 10 | MiMo-V2.6-Pro | Xiaomi | 1 491 | 1 482–1 500 | 4 056 | MIT |
| 11 | Claude Opus 4.7 в режиме high | Anthropic | 1 490 | 1 486–1 494 | 64 946 | Proprietary |
| 12 | Muse Spark 1.3 в режиме max | Meta | 1 490 | 1 484–1 496 | 12 343 | Proprietary |
| 13 | Gemini 3.7 Flash в режиме high | 1 487 | 1 482–1 492 | 21 539 | Proprietary | |
| 14 | Claude Opus 4.7 | Anthropic | 1 483 | 1 480–1 487 | 66 058 | Proprietary |
| 15 | Muse Spark 1.2 в режиме xhigh | Meta | 1 483 | 1 474–1 492 | 4 356 | Proprietary |
| 16 | Qwen3.8 Max (0902) | Alibaba Qwen | 1 482 | 1 477–1 487 | 23 353 | Proprietary |
| 17 | Gemini 3.5 Flash в режиме high | 1 482 | 1 478–1 486 | 48 420 | Proprietary | |
| 18 | Gemini 3.1 Pro Preview | 1 480 | 1 477–1 483 | 121 806 | Proprietary | |
| 19 | Gemini 3.6 Flash в режиме high | 1 479 | 1 475–1 484 | 36 070 | Proprietary | |
| 20 | Gemini 3 Pro | 1 479 | 1 476–1 483 | 41 910 | Proprietary | |
| 21 | Muse Spark 1.1 | Meta | 1 479 | 1 475–1 484 | 37 238 | Proprietary |
| 22 | Gemini 3.5 Flash в режиме medium | 1 478 | 1 474–1 482 | 47 187 | Proprietary | |
| 23 | Kimi K3 в режиме max | Moonshot AI | 1 476 | 1 471–1 481 | 28 280 | Kimi K3 license |
| 24 | Qwen3.7 Max | Alibaba Qwen | 1 476 | 1 466–1 485 | 3 920 | Proprietary |
| 25 | Muse Spark | Meta | 1 474 | 1 469–1 480 | 14 120 | Proprietary |
| 26 | GLM 5.3 в режиме max | Z.ai | 1 471 | 1 466–1 477 | 17 857 | MIT |
| 27 | GPT-5.5 в режиме high | OpenAI | 1 471 | 1 468–1 475 | 69 202 | Proprietary |
| 28 | Qwen3.5 Max | Alibaba Qwen | 1 470 | 1 466–1 475 | 22 555 | Proprietary |
| 29 | GLM 5.2 в режиме max | Z.ai | 1 470 | 1 466–1 475 | 45 399 | MIT |
| 30 | GLM 5.3 Flash | Z.ai | 1 470 | 1 464–1 475 | 22 971 | MIT |
| 31 | GPT-5.4 в режиме high | OpenAI | 1 469 | 1 465–1 473 | 64 642 | Proprietary |
| 32 | ERNIE 5.1 | Baidu | 1 468 | 1 464–1 473 | 39 396 | Proprietary |
| 33 | GPT-5.5 · 5.5 | OpenAI | 1 467 | 1 463–1 470 | 70 781 | Proprietary |
| 34 | claude-sonnet-5.5-xhigh | Anthropic | 1 467 | 1 456–1 477 | 3 145 | Proprietary |
| 35 | Gemini 3 Flash Preview | 1 466 | 1 461–1 470 | 31 259 | Proprietary | |
| 36 | MiMo-V2.5-Pro | Xiaomi | 1 465 | 1 461–1 469 | 70 871 | MIT |
| 37 | deepseek-v4.1-flash-max | DeepSeek | 1 462 | 1 456–1 469 | 8 728 | MIT |
| 38 | GLM 5.1 | Z.ai | 1 461 | 1 458–1 465 | 58 358 | MIT |
| 39 | Claude Opus 4.8 в режиме high | Anthropic | 1 461 | 1 457–1 465 | 63 974 | Proprietary |
| 40 | Gemini 2.5 Pro | 1 458 | 1 455–1 460 | 124 834 | Proprietary | |
| 41 | Claude Sonnet 4.6 | Anthropic | 1 458 | 1 454–1 461 | 70 747 | Proprietary |
| 42 | MiMo-V2.6-Flash | Xiaomi | 1 456 | 1 449–1 464 | 6 053 | MIT |
| 43 | GPT-5.6 Sol в режиме xhigh | OpenAI | 1 456 | 1 452–1 461 | 36 656 | Proprietary |
| 44 | Kimi K2.6 | Moonshot AI | 1 455 | 1 451–1 460 | 39 936 | Modified MIT |
| 45 | Qwen3.7 Plus | Alibaba Qwen | 1 455 | 1 450–1 459 | 41 908 | Proprietary |
| 46 | Claude Opus 4.8 | Anthropic | 1 454 | 1 450–1 458 | 65 072 | Proprietary |
| 47 | GPT-5.4 | OpenAI | 1 452 | 1 449–1 456 | 67 707 | Proprietary |
| 48 | DeepSeek V4 Pro 0423 | DeepSeek | 1 451 | 1 447–1 455 | 57 478 | MIT |
| 49 | Claude Opus 4.5 | Anthropic | 1 451 | 1 448–1 454 | 72 772 | Proprietary |
| 50 | Grok 4.20 · beta-0309-reasoning | xAI | 1 451 | 1 447–1 454 | 66 334 | Proprietary |
| 51 | Grok 4.20 Multi-Agent | xAI | 1 450 | 1 447–1 454 | 64 788 | Proprietary |
| 52 | Amazon Nova Experimental Chat · 26-02-10 | Amazon | 1 449 | 1 439–1 458 | 3 519 | Proprietary |
| 53 | Seed 2.0 Pro | ByteDance Seed | 1 448 | 1 445–1 452 | 78 890 | Proprietary |
| 54 | Grok 4.5 | xAI | 1 448 | 1 444–1 452 | 39 789 | Proprietary |
| 55 | Claude Opus 4.5 в режиме high | Anthropic | 1 448 | 1 444–1 452 | 37 448 | Proprietary |
| 56 | Step 5 Preview | StepFun | 1 448 | 1 437–1 459 | 2 701 | Proprietary |
| 57 | Qwen3.6 Max Preview | Alibaba Qwen | 1 447 | 1 439–1 455 | 5 406 | Proprietary |
| 58 | GPT-5.6 Terra в режиме xhigh | OpenAI | 1 446 | 1 442–1 451 | 37 663 | Proprietary |
| 59 | GLM 5 | Z.ai | 1 446 | 1 442–1 450 | 29 174 | MIT |
| 60 | gpt-6.1-sol-max | OpenAI | 1 446 | 1 435–1 456 | 3 071 | Proprietary |
| 61 | Kimi K2.5 · thinking | Moonshot AI | 1 445 | 1 442–1 448 | 74 565 | Modified MIT |
| 62 | DeepSeek V4 Pro 0813 в режиме high | DeepSeek | 1 445 | 1 439–1 452 | 9 780 | MIT |
| 63 | DeepSeek V4 Pro 0423 в режиме high | DeepSeek | 1 445 | 1 441–1 449 | 54 767 | MIT |
| 64 | Nemotron 3 Ultra | NVIDIA | 1 445 | 1 438–1 452 | 11 515 | OpenMDW-1.1 |
| 65 | ERNIE 5.0 · 0110 | Baidu | 1 445 | 1 441–1 449 | 36 413 | Proprietary |
| 66 | Grok 4.20 · beta1 | xAI | 1 444 | 1 440–1 449 | 27 827 | Proprietary |
| 67 | Gemma 4 31B | 1 443 | 1 436–1 451 | 6 133 | Apache 2.0 | |
| 68 | Claude Sonnet 5 в режиме high | Anthropic | 1 443 | 1 439–1 447 | 45 739 | Proprietary |
| 69 | GPT-5.1 в режиме high | OpenAI | 1 443 | 1 439–1 447 | 41 577 | Proprietary |
| 70 | ERNIE 5.0 · preview-1203 | Baidu | 1 442 | 1 436–1 449 | 9 788 | Proprietary |
| 71 | GPT-6 Astra в режиме max | OpenAI | 1 442 | 1 435–1 449 | 9 156 | Proprietary |
| 72 | Gemini 3 Flash Preview в режиме minimal | 1 442 | 1 439–1 445 | 90 842 | Proprietary | |
| 73 | Inkling | Thinking Machines Lab | 1 442 | 1 437–1 446 | 35 204 | Apache 2.0 |
| 74 | Qwen3.8 27B | Alibaba Qwen | 1 441 | 1 435–1 446 | 18 462 | Apache 2.0 |
| 75 | Hy3 | Tencent | 1 441 | 1 434–1 447 | 10 476 | Apache 2.0 |
| 76 | GLM 4.6 | Z.ai | 1 440 | 1 436–1 444 | 35 662 | MIT |
| 77 | Qwen3 Max · preview | Alibaba Qwen | 1 439 | 1 434–1 444 | 27 232 | Proprietary |
| 78 | Claude Sonnet 4.5 | Anthropic | 1 439 | 1 436–1 441 | 82 425 | Proprietary |
| 79 | GPT-5.2 Chat | OpenAI | 1 439 | 1 435–1 443 | 35 937 | Proprietary |
| 80 | Qwen3.5 397B A17B | Alibaba Qwen | 1 438 | 1 435–1 441 | 88 660 | Apache 2.0 |
| 81 | GLM 5V Turbo | Z.ai | 1 437 | 1 431–1 444 | 10 436 | Proprietary |
| 82 | Qwen3.6 Plus | Alibaba Qwen | 1 437 | 1 433–1 441 | 48 062 | Proprietary |
| 83 | Grok 4.1 · 4.1-thinking | xAI | 1 437 | 1 433–1 440 | 66 366 | Proprietary |
| 84 | MiMo-V2 Pro | Xiaomi | 1 436 | 1 431–1 441 | 25 396 | Proprietary |
| 85 | Grok 4.1 · 4.1 | xAI | 1 436 | 1 433–1 439 | 68 478 | Proprietary |
| 86 | GLM 4.7 | Z.ai | 1 436 | 1 429–1 442 | 12 228 | MIT |
| 87 | Gemini 3.5 Flash Lite | 1 435 | 1 430–1 439 | 35 763 | Proprietary | |
| 88 | Claude Sonnet 4.5 в режиме high | Anthropic | 1 435 | 1 432–1 437 | 83 670 | Proprietary |
| 89 | Gemma 4 26B A4B | 1 434 | 1 426–1 441 | 6 081 | Apache 2.0 | |
| 90 | DeepSeek V4 Flash 0423 | DeepSeek | 1 432 | 1 428–1 436 | 51 850 | MIT |
| 91 | MiniMax M3 | MiniMax | 1 432 | 1 428–1 436 | 58 757 | MiniMax Community License |
| 92 | GPT-5.6 Luna в режиме xhigh | OpenAI | 1 431 | 1 427–1 435 | 38 275 | Proprietary |
| 93 | GLM 4.5 | Z.ai | 1 430 | 1 425–1 435 | 23 661 | MIT |
| 94 | ERNIE 5.0 · preview-1022 | Baidu | 1 430 | 1 421–1 439 | 4 724 | Proprietary |
| 95 | ChatGPT-4o (latest) | OpenAI | 1 429 | 1 426–1 432 | 81 595 | Proprietary |
| 96 | R1 0528 | DeepSeek | 1 428 | 1 422–1 434 | 18 059 | MIT |
| 97 | Mistral Large 3 2512 | Mistral AI | 1 428 | 1 425–1 431 | 79 452 | Apache 2.0 |
| 98 | MiMo-V2.5 | Xiaomi | 1 428 | 1 423–1 432 | 47 266 | MIT |
| 99 | Grok 4.6 в режиме high | xAI | 1 427 | 1 422–1 432 | 23 680 | Proprietary |
| 100 | LongCat-Flash-Chat · chat-2602-exp | Meituan | 1 427 | 1 422–1 431 | 29 211 | Proprietary |
| 101 | Grok 3 | xAI | 1 426 | 1 421–1 430 | 32 386 | Proprietary |
| 102 | DeepSeek V3.2 Exp · exp-thinking | DeepSeek | 1 425 | 1 418–1 431 | 8 947 | MIT |
| 103 | DeepSeek V3.2 · v3.2 | DeepSeek | 1 424 | 1 421–1 428 | 47 999 | MIT |
| 104 | Mistral Medium 3.1 | Mistral AI | 1 424 | 1 422–1 427 | 94 966 | Proprietary |
| 105 | DeepSeek V4 Flash 0423 в режиме high | DeepSeek | 1 424 | 1 420–1 428 | 51 648 | MIT |
| 106 | MiMo-V2 Omni | Xiaomi | 1 423 | 1 418–1 429 | 20 596 | Proprietary |
| 107 | LongCat-Flash-Chat · chat | Meituan | 1 423 | 1 417–1 429 | 11 123 | MIT |
| 108 | DeepSeek V3.2 Exp · exp | DeepSeek | 1 422 | 1 416–1 429 | 11 944 | MIT |
| 109 | GPT-5.1 | OpenAI | 1 422 | 1 419–1 426 | 44 298 | Proprietary |
| 110 | Mistral Medium 3.5 | Mistral AI | 1 421 | 1 415–1 428 | 11 757 | Modified MIT |
| 111 | Amazon Nova Experimental Chat · 12-10 | Amazon | 1 420 | 1 411–1 430 | 3 728 | Proprietary |
| 112 | DeepSeek V3.2 · v3.2-thinking | DeepSeek | 1 420 | 1 417–1 424 | 41 975 | MIT |
| 113 | DeepSeek V3.1 Terminus · terminus-thinking | DeepSeek | 1 420 | 1 410–1 430 | 3 354 | MIT |
| 114 | Qwen3 VL 235B A22B Instruct | Alibaba Qwen | 1 420 | 1 414–1 427 | 11 241 | Apache 2.0 |
| 115 | Kimi K2.5 · instant | Moonshot AI | 1 420 | 1 414–1 427 | 8 356 | Modified MIT |
| 116 | DeepSeek V3.1 · v3.1 | DeepSeek | 1 420 | 1 414–1 426 | 14 540 | MIT |
| 117 | GPT-5.5 · 5.5-instant | OpenAI | 1 419 | 1 415–1 424 | 27 098 | Proprietary |
| 118 | Qwen3 235B A22B Instruct 2507 | Alibaba Qwen | 1 419 | 1 417–1 422 | 97 788 | Apache 2.0 |
| 119 | Claude Opus 4.1 · 20250805-thinking-16k | Anthropic | 1 419 | 1 416–1 423 | 49 306 | Proprietary |
| 120 | Claude Opus 4.1 · 20250805 | Anthropic | 1 419 | 1 416–1 422 | 76 920 | Proprietary |
| 121 | GPT-4.5 Preview | OpenAI | 1 417 | 1 412–1 423 | 14 547 | Proprietary |
| 122 | Qwen3 Next 80B A3B Instruct | Alibaba Qwen | 1 417 | 1 413–1 422 | 22 603 | Apache 2.0 |
| 123 | Qwen3.5-122B-A10B | Alibaba Qwen | 1 417 | 1 413–1 421 | 29 651 | Apache 2.0 |
| 124 | DeepSeek V3.1 Terminus · terminus | DeepSeek | 1 417 | 1 407–1 427 | 3 599 | MIT |
| 125 | Gemini 2.5 Flash · flash | 1 417 | 1 415–1 419 | 125 012 | Proprietary | |
| 126 | DeepSeek V3.1 · v3.1-thinking | DeepSeek | 1 417 | 1 410–1 423 | 11 409 | MIT |
| 127 | GPT-5.2 в режиме high | OpenAI | 1 416 | 1 413–1 420 | 49 542 | Proprietary |
| 128 | Gemini 3.1 Flash Lite Preview | 1 416 | 1 412–1 419 | 64 047 | Proprietary | |
| 129 | Qwen3 235B A22B Thinking 2507 | Alibaba Qwen | 1 415 | 1 409–1 422 | 8 774 | Apache 2.0 |
| 130 | Amazon Nova Experimental Chat · 11-10 | Amazon | 1 415 | 1 411–1 419 | 25 995 | Proprietary |
| 131 | Kimi K2 Thinking | Moonshot AI | 1 414 | 1 411–1 418 | 63 210 | Modified MIT |
| 132 | Inkling Small | Thinking Machines Lab | 1 414 | 1 409–1 419 | 27 070 | Apache 2.0 |
| 133 | Qwen3 Max · 2025-09-23 | Alibaba Qwen | 1 412 | 1 406–1 419 | 8 969 | Proprietary |
| 134 | GPT-5.2 | OpenAI | 1 412 | 1 409–1 415 | 83 656 | Proprietary |
| 135 | GPT-5.4 Mini в режиме high | OpenAI | 1 411 | 1 408–1 415 | 63 290 | Proprietary |
| 136 | Grok 4 | xAI | 1 411 | 1 407–1 415 | 39 398 | Proprietary |
| 137 | MiMo-V2 Flash · flash (non-thinking) | Xiaomi | 1 411 | 1 408–1 414 | 47 998 | MIT |
| 138 | o3 | OpenAI | 1 410 | 1 406–1 414 | 58 583 | Proprietary |
| 139 | Qwen3.5-27B | Alibaba Qwen | 1 409 | 1 405–1 413 | 28 612 | Apache 2.0 |
| 140 | Grok 4.1 Fast | xAI | 1 408 | 1 405–1 411 | 57 427 | Proprietary |
| 141 | Grok 4 Fast · chat | xAI | 1 407 | 1 399–1 415 | 6 320 | Proprietary |
| 142 | Gemini 2.5 Flash · flash-preview-09-2025 | 1 407 | 1 402–1 411 | 32 839 | Proprietary | |
| 143 | Hunyuan Vision 1.5 | Tencent | 1 406 | 1 394–1 419 | 2 158 | Proprietary |
| 144 | GPT-5 в режиме high | OpenAI | 1 406 | 1 402–1 410 | 31 489 | Proprietary |
| 145 | MiniMax M2.7 | MiniMax | 1 405 | 1 401–1 408 | 79 944 | Modified MIT |
| 146 | GPT-5 | OpenAI | 1 404 | 1 399–1 408 | 31 009 | Proprietary |
| 147 | Step 3.5 Flash | StepFun | 1 403 | 1 399–1 406 | 60 207 | Apache 2.0 |
| 148 | Hy3 preview | Tencent | 1 401 | 1 394–1 409 | 6 874 | tencent-hunyuan-community |
| 149 | Qwen3 VL 235B A22B Thinking | Alibaba Qwen | 1 401 | 1 394–1 408 | 7 805 | Apache 2.0 |
| 150 | Hunyuan T1 | Tencent | 1 401 | 1 392–1 409 | 4 572 | Proprietary |
| 151 | grok-4.7-xhigh | xai | 1 400 | 1 392–1 408 | 6 405 | Proprietary |
| 152 | Grok 4 Fast · reasoning | xAI | 1 399 | 1 394–1 404 | 18 142 | Proprietary |
| 153 | Qwen3.5-Flash | Alibaba Qwen | 1 397 | 1 393–1 401 | 61 669 | Proprietary |
| 154 | Grok 4.3 | xAI | 1 397 | 1 393–1 400 | 71 150 | Proprietary |
| 155 | Claude Haiku 4.5 | Anthropic | 1 396 | 1 394–1 399 | 143 402 | Proprietary |
| 156 | Amazon Nova Experimental Chat · 26-01-10 | Amazon | 1 396 | 1 386–1 406 | 3 534 | Proprietary |
| 157 | MiMo-V2 Flash · flash (thinking) | Xiaomi | 1 395 | 1 389–1 402 | 11 115 | MIT |
| 158 | gpt-6-sol-max | OpenAI | 1 395 | 1 388–1 402 | 8 787 | Proprietary |
| 159 | Qwen3.5-35B-A3B | Alibaba Qwen | 1 394 | 1 390–1 399 | 30 408 | Apache 2.0 |
| 160 | Qwen3 235B A22B · a22b-no-thinking | Alibaba Qwen | 1 394 | 1 389–1 398 | 37 279 | Apache 2.0 |
| 161 | Amazon Nova Experimental Chat · 10-20 | Amazon | 1 394 | 1 388–1 400 | 11 590 | Proprietary |
| 162 | MiniMax M2.1 | MiniMax | 1 392 | 1 387–1 397 | 17 187 | MIT |
| 163 | gpt-6-luna-max | OpenAI | 1 391 | 1 385–1 398 | 10 014 | Proprietary |
| 164 | Muse Glimmer 30B | Meta | 1 389 | 1 380–1 399 | 3 893 | Apache-2.0 |
| 165 | GPT-5.3 Chat | OpenAI | 1 389 | 1 385–1 393 | 34 296 | Proprietary |
| 166 | Solar Pro 4 | Upstage | 1 386 | 1 381–1 392 | 15 819 | Proprietary |
| 167 | Qwen3 30B A3B Instruct 2507 | Alibaba Qwen | 1 384 | 1 379–1 389 | 23 174 | Apache 2.0 |
| 168 | GLM 4.5 Air | Z.ai | 1 384 | 1 380–1 388 | 30 454 | MIT |
| 169 | GPT-4.1 | OpenAI | 1 383 | 1 379–1 387 | 49 991 | Proprietary |
| 170 | Kimi K2 0905 | Moonshot AI | 1 380 | 1 374–1 387 | 11 531 | Modified MIT |
| 171 | Gemini 2.5 Flash Lite · 09-2025-no-thinking | 1 379 | 1 376–1 383 | 47 254 | Proprietary | |
| 172 | Nemotron 3 Super | NVIDIA | 1 378 | 1 371–1 385 | 7 859 | NVIDIA Open Model |
| 173 | Claude Opus 4 · 20250514-thinking-16k | Anthropic | 1 377 | 1 372–1 381 | 35 691 | Proprietary |
| 174 | GLM 4.6V | Z.ai | 1 377 | 1 366–1 388 | 2 830 | MIT |
| 175 | Hunyuan TurboS · 20250416 | Tencent | 1 377 | 1 370–1 383 | 10 577 | Proprietary |
| 176 | DeepSeek V3 0324 | DeepSeek | 1 375 | 1 371–1 379 | 44 758 | MIT |
| 177 | GPT-5 Mini в режиме high | OpenAI | 1 373 | 1 369–1 378 | 26 638 | Proprietary |
| 178 | R1 | DeepSeek | 1 373 | 1 368–1 378 | 18 524 | MIT |
| 179 | GPT-5.4 Nano в режиме high | OpenAI | 1 372 | 1 368–1 376 | 62 249 | Proprietary |
| 180 | Kimi K2 0711 | Moonshot AI | 1 371 | 1 366–1 376 | 26 959 | Modified MIT |
| 181 | Mistral Medium 3 | Mistral AI | 1 370 | 1 366–1 375 | 32 615 | Proprietary |
| 182 | Gemini 2.5 Flash Lite · 06-17-thinking | 1 369 | 1 365–1 374 | 32 175 | Proprietary | |
| 183 | Grok 3 Mini в режиме high | xAI | 1 369 | 1 364–1 375 | 15 505 | Proprietary |
| 184 | Qwen3 Next 80B A3B Thinking | Alibaba Qwen | 1 368 | 1 362–1 374 | 13 371 | Apache 2.0 |
| 185 | Qwen2.5 Max | Alibaba Qwen | 1 367 | 1 363–1 371 | 32 411 | Proprietary |
| 186 | Qwen3 235B A22B · a22b | Alibaba Qwen | 1 367 | 1 362–1 371 | 25 825 | Apache 2.0 |
| 187 | o1 · 2024-12-17 | OpenAI | 1 366 | 1 361–1 370 | 27 807 | Proprietary |
| 188 | Claude Opus 4 · 20250514 | Anthropic | 1 366 | 1 361–1 370 | 42 792 | Proprietary |
| 189 | gpt-oss-120b | OpenAI | 1 365 | 1 361–1 370 | 30 018 | Apache 2.0 |
| 190 | Amazon Nova Experimental Chat · 10-09 | Amazon | 1 365 | 1 354–1 376 | 2 765 | Proprietary |
| 191 | Grok 3 Mini | xAI | 1 364 | 1 359–1 369 | 20 813 | Proprietary |
| 192 | Nova 2 Lite | Amazon | 1 362 | 1 356–1 368 | 12 392 | Proprietary |
| 193 | Ling-flash-2.0 | inclusionAI | 1 361 | 1 354–1 369 | 6 887 | MIT |
| 194 | Granite 4.2 30B | IBM Granite | 1 361 | 1 350–1 371 | 3 401 | Apache 2.0 |
| 195 | MiniMax M2.5 | MiniMax | 1 359 | 1 355–1 363 | 42 730 | Modified MIT |
| 196 | Gemma 3 27B | 1 358 | 1 354–1 361 | 46 425 | Gemma | |
| 197 | Qwen3 Coder 480B A35B | Alibaba Qwen | 1 356 | 1 351–1 361 | 25 006 | Apache 2.0 |
| 198 | INTELLECT-3 | Prime Intellect | 1 356 | 1 348–1 364 | 5 417 | MIT |
| 199 | Mercury 2 | Inception Labs | 1 355 | 1 345–1 366 | 3 197 | Proprietary |
| 200 | Gemini 2.0 Flash | 1 354 | 1 350–1 358 | 43 310 | Proprietary | |
| 201 | o4 Mini | OpenAI | 1 353 | 1 349–1 357 | 44 626 | Proprietary |
| 202 | o1 · preview | OpenAI | 1 353 | 1 348–1 358 | 31 122 | Proprietary |
| 203 | GLM 4.7 Flash | Z.ai | 1 351 | 1 345–1 357 | 11 977 | MIT |
| 204 | Step 3 | StepFun | 1 351 | 1 343–1 358 | 6 266 | Apache 2.0 |
| 205 | Claude Sonnet 4 · 20250514-thinking-32k | Anthropic | 1 351 | 1 346–1 355 | 33 913 | Proprietary |
| 206 | Nemotron 3 Nano 30B A3B | NVIDIA | 1 348 | 1 342–1 353 | 15 722 | NVIDIA Open Model |
| 207 | MiniMax M1 | MiniMax | 1 343 | 1 339–1 347 | 34 042 | Apache 2.0 |
| 208 | GPT-4.1 Mini | OpenAI | 1 340 | 1 336–1 345 | 38 547 | Proprietary |
| 209 | Qwen3 32B | Alibaba Qwen | 1 340 | 1 331–1 349 | 3 926 | Apache 2.0 |
| 210 | Trinity Large Thinking | Arcee AI | 1 340 | 1 335–1 345 | 30 265 | Apache 2.0 |
| 211 | MiniMax M2 | MiniMax | 1 340 | 1 332–1 348 | 6 817 | Apache 2.0 |
| 212 | Claude Sonnet 4 · 20250514 | Anthropic | 1 339 | 1 335–1 344 | 38 912 | Proprietary |
| 213 | Trinity Large | Arcee AI | 1 339 | 1 334–1 343 | 31 201 | Apache 2.0 |
| 214 | Mistral Small 3.2 24B | Mistral AI | 1 338 | 1 333–1 344 | 17 348 | Apache 2.0 |
| 215 | Llama 3.3 Nemotron Super 49B v1.5 | NVIDIA | 1 338 | 1 328–1 348 | 3 308 | Nvidia Open |
| 216 | o3 Mini High | OpenAI | 1 337 | 1 331–1 342 | 18 589 | Proprietary |
| 217 | Step-1o Turbo | StepFun | 1 336 | 1 329–1 343 | 8 845 | Proprietary |
| 218 | Gemma 3 12B | 1 334 | 1 325–1 344 | 3 829 | Gemma | |
| 219 | Ring-flash-2.0 | inclusionAI | 1 334 | 1 327–1 341 | 6 932 | MIT |
| 220 | GLM 4.5V | Z.ai | 1 333 | 1 324–1 341 | 4 807 | MIT |
| 221 | DeepSeek V3 | DeepSeek | 1 332 | 1 328–1 337 | 21 770 | DeepSeek |
| 222 | Command A | Cohere | 1 331 | 1 327–1 334 | 55 467 | CC-BY-NC-4.0 |
| 223 | GLM-4-Plus · plus-0111 | Z.ai | 1 331 | 1 322–1 339 | 5 760 | Proprietary |
| 224 | Gemini 2.0 Flash-Lite | 1 330 | 1 325–1 334 | 24 955 | Proprietary | |
| 225 | QwQ 32B | Alibaba Qwen | 1 329 | 1 325–1 334 | 25 078 | Apache 2.0 |
| 226 | Nemotron 3.5 Lightning | NVIDIA | 1 327 | 1 321–1 333 | 14 877 | OpenMDW-1.1 |
| 227 | Qwen-Plus | Alibaba Qwen | 1 326 | 1 318–1 335 | 5 819 | Proprietary |
| 228 | Step-2 16k | StepFun | 1 321 | 1 312–1 329 | 4 833 | Proprietary |
| 229 | GPT-5 Nano в режиме high | OpenAI | 1 320 | 1 313–1 327 | 8 112 | Proprietary |
| 230 | Hunyuan TurboS · 20250226 | Tencent | 1 320 | 1 308–1 331 | 2 220 | Proprietary |
| 231 | Llama 3.1 Nemotron Ultra 253B v1 | NVIDIA | 1 320 | 1 308–1 331 | 2 549 | Nvidia Open Model |
| 232 | o3 Mini | OpenAI | 1 319 | 1 316–1 323 | 56 564 | Proprietary |
| 233 | Gemini 1.5 Pro · 1.5-pro-002 | 1 319 | 1 316–1 322 | 55 606 | Proprietary | |
| 234 | Granite 4.2 8B | IBM Granite | 1 318 | 1 307–1 329 | 3 237 | Apache 2.0 |
| 235 | o1-mini | OpenAI | 1 317 | 1 313–1 321 | 51 981 | Proprietary |
| 236 | Qwen3 30B A3B | Alibaba Qwen | 1 317 | 1 312–1 321 | 26 037 | Apache 2.0 |
| 237 | Claude 3.7 Sonnet · 20250219-thinking-32k | Anthropic | 1 314 | 1 310–1 319 | 38 033 | Proprietary |
| 238 | Hunyuan Turbo | Tencent | 1 311 | 1 300–1 323 | 2 290 | Proprietary |
| 239 | OLMo 3.1 32B Instruct | Ai2 | 1 311 | 1 305–1 317 | 11 801 | Apache 2.0 |
| 240 | Llama 3.3 Nemotron Super 49B v1 | NVIDIA | 1 308 | 1 296–1 320 | 2 218 | Nvidia |
| 241 | Gemma 3n E4B | 1 305 | 1 300–1 311 | 22 042 | Gemma | |
| 242 | Grok 2 | xAI | 1 305 | 1 301–1 308 | 63 498 | Proprietary |
| 243 | Yi-Lightning | 01.AI | 1 301 | 1 297–1 306 | 27 332 | Proprietary |
| 244 | GPT-4o (2024-05-13) | OpenAI | 1 300 | 1 297–1 304 | 112 881 | Proprietary |
| 245 | OLMo 3 32B Think | Ai2 | 1 300 | 1 291–1 308 | 5 811 | Apache 2.0 |
| 246 | Claude 3.7 Sonnet · 20250219 | Anthropic | 1 299 | 1 295–1 303 | 42 401 | Proprietary |
| 247 | Qwen2.5 Plus | Alibaba Qwen | 1 299 | 1 293–1 305 | 10 187 | Proprietary |
| 248 | Claude 3.5 Sonnet · 20241022 | Anthropic | 1 298 | 1 295–1 301 | 87 638 | Proprietary |
| 249 | DeepSeek V2.5 · v2.5-1210 | DeepSeek | 1 294 | 1 286–1 302 | 6 795 | DeepSeek |
| 250 | Granite 4.2 3B | IBM Granite | 1 293 | 1 281–1 304 | 3 247 | Apache 2.0 |
| 251 | Athene V2 Chat | Nexusflow | 1 291 | 1 287–1 296 | 24 739 | NexusFlow |
| 252 | Gemma 3 4B | 1 291 | 1 282–1 300 | 4 171 | Gemma | |
| 253 | Granite 4.1 8B | IBM Granite | 1 290 | 1 280–1 300 | 4 161 | Apache 2.0 |
| 254 | GLM-4-Plus · plus | Z.ai | 1 290 | 1 285–1 295 | 26 126 | Proprietary |
| 255 | Hunyuan Large | Tencent | 1 288 | 1 278–1 298 | 3 738 | Proprietary |
| 256 | Molmo 2 8B | Ai2 | 1 288 | 1 267–1 309 | 818 | Apache 2.0 |
| 257 | gpt-oss-20b | OpenAI | 1 288 | 1 281–1 294 | 10 368 | Apache 2.0 |
| 258 | Llama 4 Maverick | Meta | 1 287 | 1 283–1 291 | 39 262 | Llama 4 |
| 259 | Gemini 1.5 Flash · 002 | 1 287 | 1 282–1 291 | 34 902 | Proprietary | |
| 260 | GPT-4o-mini (2024-07-18) | OpenAI | 1 286 | 1 283–1 290 | 68 697 | Proprietary |
| 261 | GPT-4.1 Nano | OpenAI | 1 285 | 1 277–1 292 | 6 103 | Proprietary |
| 262 | Llama 3.1 405B Instruct · bf16 | Meta | 1 284 | 1 280–1 287 | 41 375 | Llama 3.1 Community |
| 263 | Llama 3.1 Nemotron 70B Instruct | NVIDIA | 1 283 | 1 275–1 290 | 7 140 | Llama 3.1 |
| 264 | GPT-4o (2024-08-06) | OpenAI | 1 283 | 1 278–1 287 | 45 499 | Proprietary |
| 265 | Qwen Max | Alibaba Qwen | 1 282 | 1 276–1 288 | 16 478 | Qwen |
| 266 | Llama 3.1 405B Instruct · fp8 | Meta | 1 282 | 1 278–1 285 | 59 656 | Llama 3.1 Community |
| 267 | Mercury | Inception Labs | 1 282 | 1 268–1 295 | 1 949 | Proprietary |
| 268 | Claude 3.5 Sonnet · 20240620 | Anthropic | 1 281 | 1 277–1 284 | 82 419 | Proprietary |
| 269 | Grok 2 Mini | xAI | 1 281 | 1 277–1 284 | 52 567 | Proprietary |
| 270 | Llama 4 Scout | Meta | 1 279 | 1 275–1 284 | 29 667 | Llama |
| 271 | Gemini 1.5 Pro · advanced-0514 | 1 279 | 1 273–1 284 | 50 148 | Proprietary | |
| 272 | Mistral Small 3.1 24B | Mistral AI | 1 278 | 1 273–1 282 | 32 551 | Apache 2.0 |
| 273 | Llama 3.3 70B Instruct | Meta | 1 274 | 1 271–1 278 | 54 366 | Llama-3.3 |
| 274 | Hunyuan Standard | Tencent | 1 274 | 1 264–1 284 | 3 904 | Proprietary |
| 275 | Gemini 1.5 Pro · 1.5-pro-001 | 1 273 | 1 269–1 277 | 79 138 | Proprietary | |
| 276 | GPT-4 Turbo | OpenAI | 1 272 | 1 268–1 276 | 98 114 | Proprietary |
| 277 | OLMo 3.1 32B Think | Ai2 | 1 271 | 1 264–1 279 | 8 278 | Apache 2.0 |
| 278 | DeepSeek V2.5 · v2.5 | DeepSeek | 1 271 | 1 267–1 276 | 24 572 | DeepSeek |
| 279 | Qwen2.5 72B Instruct | Alibaba Qwen | 1 269 | 1 265–1 273 | 39 406 | Qwen |
| 280 | Mistral Large 2407 | Mistral AI | 1 266 | 1 262–1 270 | 45 459 | Mistral Research |
| 281 | Mistral Large | Mistral AI | 1 265 | 1 261–1 270 | 28 073 | MRL |
| 282 | Athene 70B | Nexusflow | 1 265 | 1 259–1 271 | 19 621 | CC-BY-NC-4.0 |
| 283 | GPT-4 Turbo Preview · 1106-preview | OpenAI | 1 263 | 1 260–1 267 | 100 105 | Proprietary |
| 284 | Hunyuan Large Vision | Tencent | 1 263 | 1 254–1 272 | 5 248 | Proprietary |
| 285 | GPT-4 Turbo Preview · 0125-preview | OpenAI | 1 262 | 1 258–1 266 | 93 439 | Proprietary |
| 286 | Claude 3 Opus | Anthropic | 1 262 | 1 259–1 265 | 194 909 | Proprietary |
| 287 | Llama 3.1 70B Instruct | Meta | 1 261 | 1 257–1 265 | 55 240 | Llama 3.1 Community |
| 288 | Nova Pro 1.0 | Amazon | 1 259 | 1 254–1 263 | 24 745 | Proprietary |
| 289 | Llama 3.1 Tulu 3 70B | Ai2 | 1 256 | 1 245–1 266 | 2 846 | Llama 3.1 |
| 290 | Claude 3.5 Haiku | Anthropic | 1 255 | 1 252–1 259 | 68 873 | Proprietary |
| 291 | Magistral Medium | Mistral AI | 1 255 | 1 248–1 261 | 11 432 | Proprietary |
| 292 | Reka Core | Reka AI | 1 248 | 1 241–1 255 | 7 312 | Proprietary |
| 293 | Granite 4.0 H Small | IBM Granite | 1 241 | 1 233–1 250 | 5 576 | Apache 2.0 |
| 294 | Gemini 1.5 Flash · 001 | 1 239 | 1 235–1 244 | 62 833 | Proprietary | |
| 295 | Jamba 1.5 Large | AI21 Labs | 1 237 | 1 230–1 244 | 8 662 | Jamba Open |
| 296 | Mistral Small 3 | Mistral AI | 1 234 | 1 228–1 239 | 14 681 | Apache 2.0 |
| 297 | Gemma 2 27B | 1 231 | 1 228–1 235 | 75 754 | Gemma license | |
| 298 | Qwen2.5 Coder 32B Instruct | Alibaba Qwen | 1 230 | 1 222–1 238 | 5 432 | Apache 2.0 |
| 299 | Command R+ (08-2024) | Cohere | 1 229 | 1 222–1 235 | 9 866 | CC-BY-NC-4.0 |
| 300 | Nova Lite 1.0 | Amazon | 1 228 | 1 223–1 234 | 19 372 | Proprietary |
Направления рейтинга · 29Выбрано: общий зачёт
Направление «общий зачёт»: снимок от 2 октября 2026. Строк в полном снимке — 413; строки могут относиться к модели или отдельному режиму. Снимков этого направления в архиве — 246, первый — 8 мая 2023. 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.
Это общий зачёт направления «Текст» — снимок от 2 сентября 2026. Оценку в нём считают по методу Брэдли — Терри: модели и их режимы сравнивают парами, и единица выборки — один голос человека за один из двух ответов. Такие снимки выходят с 21 июня 2024, в наборе их 200.
Рядом с оценкой стоят две границы — интервал измерения. Он говорит о точности самой оценки и не равен диапазону мест; какому уровню доверия соответствуют границы, снимок не сообщает. В первой десятке интервалы пересекаются у всех девяти соседних пар: порядок соседних строк эти данные не различают. Зато у первой и пятой строк интервалы не пересекаются: часть строк десятки снимок всё же разделяет.
Восемь строк первой десятки — это режимы моделей, а не модели целиком, так что место в них принадлежит режиму. Цены, контекста и доступности в снимке нет. Голос показывает, какой из двух ответов человек предпочёл; правильность ответов снимок не проверяет.
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.
Читайте таблицу группами, а не строками: если интервалы двух строк пересекаются, снимок не различает эти строки между собой. Смотрите не на место, а на ширину интервала: у первой строки снимка это 22,2 пункта шкалы при 2 906 голосах, у пятой — 6,8 пункта при 76 015 голосах, то есть строка с меньшей выборкой измерена грубее. Если задача узкая, общий зачёт её не выделяет: в направлении «Текст» отдельно считают ещё 28 срезов, среди них «Русский язык», «Программирование» и «Математика».
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 моделей для кода
- Рейтинг моделей для творческих текстов
- Рейтинг моделей для математики
- Рейтинг моделей для русского языка
- Рейтинг генерации изображений
- Рейтинг генерации видео
- Рейтинг редактирования видео
- Рейтинг моделей с изображениями на входе
- Рейтинг моделей для веб-разработки
Вопросы и ответы
Почему одна модель встречается в таблице несколько раз?
Строки могут относиться к разным режимам одной модели. Например, подпись уровня усилия обозначает отдельную настройку, с которой получен результат. Сравнивайте полные названия строк: место одного режима нельзя автоматически приписывать всем вариантам модели.
Полоса вокруг оценки показывает, какие места может занять модель?
Нет, это границы неопределённости самой оценки, в тех же единицах, что и балл рейтинга. Их не следует читать как диапазон мест. Небольшой разрыв баллов нужно рассматривать вместе с этими границами, а не объявлять доказанным преимуществом по одному порядку строк.
Если модель опустилась в таблице, она стала хуже отвечать?
Не обязательно. Место зависит и от других участников: выше могут появиться новые модели или измениться их оценки. Для сравнения во времени откройте историю той же строки и направления, посмотрите баллы, интервалы и даты. Один сдвиг номера места не доказывает ухудшение самой модели.
Как считается и откуда данные · данные обновлены 5 октября 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 2 октября 2026
Полная методика: источники, частота обновления, что означает число