Рейтинг текстовых моделей
Динамика рейтинга
Загружаем историю замеров…
Таблица борда
Снимок от 28 октября 2026, категория «общий зачёт». Показано 300 из 419 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) | 1 540 | 1 531–1 549 | 4 403 | Proprietary | |
| 2 | Gemini 4 Argon (High) | 1 529 | 1 522–1 535 | 11 889 | Proprietary | |
| 3 | Claude Opus 5.5 (High) | Anthropic | 1 516 | 1 509–1 522 | 11 415 | Proprietary |
| 4 | Claude Fable 5.1 (Max) | Anthropic | 1 514 | 1 508–1 520 | 17 178 | Proprietary |
| 5 | Claude Opus 5 (Max) | Anthropic | 1 508 | 1 503–1 513 | 35 531 | Proprietary |
| 6 | Claude Opus 5 (High) | Anthropic | 1 504 | 1 501–1 508 | 73 167 | Proprietary |
| 7 | Claude Opus 4.6 (High) | Anthropic | 1 502 | 1 498–1 505 | 84 512 | Proprietary |
| 8 | Muse Wonder (Max) | Meta | 1 499 | 1 492–1 506 | 7 749 | Proprietary |
| 9 | Gemini 3.8 Flash (High) | 1 498 | 1 494–1 503 | 47 803 | Proprietary | |
| 10 | Claude Opus 4.6 | Anthropic | 1 496 | 1 493–1 499 | 89 324 | Proprietary |
| 11 | Claude Fable 5 в режиме high | Anthropic | 1 492 | 1 487–1 496 | 45 341 | Proprietary |
| 12 | MiMo-V2.6-Pro | Xiaomi | 1 491 | 1 482–1 501 | 4 037 | MIT |
| 13 | Muse Spark 1.3 (Max) | Meta | 1 491 | 1 485–1 496 | 22 134 | Proprietary |
| 14 | Claude Opus 4.7 (High) | Anthropic | 1 490 | 1 486–1 493 | 65 110 | Proprietary |
| 15 | Gemini 3.7 Flash (High) | 1 489 | 1 484–1 494 | 32 289 | Proprietary | |
| 16 | Qwen3.8 Max (0902) | Alibaba Qwen | 1 483 | 1 479–1 488 | 31 915 | Proprietary |
| 17 | Claude Opus 4.7 | Anthropic | 1 483 | 1 479–1 487 | 66 140 | Proprietary |
| 18 | Muse Spark 1.2 (xHigh) | Meta | 1 483 | 1 476–1 489 | 11 724 | Proprietary |
| 19 | Gemini 3.5 Flash (High) | 1 482 | 1 478–1 486 | 48 376 | Proprietary | |
| 20 | Gemini 3.1 Pro Preview | 1 480 | 1 477–1 483 | 132 547 | Proprietary | |
| 21 | Gemini 3.6 Flash (High) | 1 480 | 1 475–1 484 | 36 028 | Proprietary | |
| 22 | Gemini 3 Pro | 1 479 | 1 476–1 483 | 42 057 | Proprietary | |
| 23 | Muse Spark 1.1 | Meta | 1 478 | 1 474–1 482 | 46 354 | Proprietary |
| 24 | Gemini 3.5 Flash (Medium) | 1 478 | 1 474–1 482 | 47 196 | Proprietary | |
| 25 | Kimi K3 (Max) | moonshot | 1 476 | 1 471–1 480 | 36 780 | Kimi K3 license |
| 26 | Qwen3.7 Max | Alibaba Qwen | 1 475 | 1 465–1 484 | 3 932 | Proprietary |
| 27 | Muse Spark | Meta | 1 474 | 1 468–1 480 | 14 140 | Proprietary |
| 28 | GLM-5.3 (Max) | zai | 1 474 | 1 469–1 479 | 26 606 | MIT |
| 29 | GLM 5.3 Flash | Z.ai | 1 473 | 1 468–1 478 | 41 642 | MIT |
| 30 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1 473 | 1 466–1 480 | 10 033 | Proprietary |
| 31 | GPT-5.5 (High) | OpenAI | 1 472 | 1 468–1 475 | 69 377 | Proprietary |
| 32 | Qwen3.5 Max | Alibaba Qwen | 1 470 | 1 466–1 475 | 22 582 | Proprietary |
| 33 | GLM-5.2 (Max) | zai | 1 470 | 1 466–1 474 | 53 702 | MIT |
| 34 | GPT-5.4 (High) | OpenAI | 1 469 | 1 465–1 473 | 64 748 | Proprietary |
| 35 | ERNIE 5.1 | Baidu | 1 468 | 1 463–1 472 | 39 469 | Proprietary |
| 36 | GPT-5.5 | OpenAI | 1 467 | 1 463–1 470 | 70 949 | Proprietary |
| 37 | Gemini 3 Flash | 1 466 | 1 461–1 470 | 31 301 | Proprietary | |
| 38 | DeepSeek-V4.1-Flash-20260910 (Max) | DeepSeek | 1 465 | 1 458–1 471 | 13 657 | MIT |
| 39 | MiMo-V2.5-Pro | Xiaomi | 1 464 | 1 461–1 468 | 77 728 | MIT |
| 40 | GLM 5.1 | Z.ai | 1 463 | 1 459–1 466 | 66 771 | MIT |
| 41 | Claude Opus 4.8 (High) | Anthropic | 1 461 | 1 457–1 465 | 63 994 | Proprietary |
| 42 | Claude Sonnet 4.6 | Anthropic | 1 458 | 1 454–1 461 | 70 916 | Proprietary |
| 43 | Gemini 2.5 Pro | 1 458 | 1 455–1 460 | 125 307 | Proprietary | |
| 44 | GPT-5.6 Sol (xHigh) | OpenAI | 1 457 | 1 453–1 461 | 43 796 | Proprietary |
| 45 | Kimi K2.6 | Moonshot AI | 1 456 | 1 451–1 460 | 39 978 | Modified MIT |
| 46 | Qwen3.7 Plus | Alibaba Qwen | 1 455 | 1 450–1 459 | 42 011 | Proprietary |
| 47 | Claude Opus 4.8 | Anthropic | 1 454 | 1 450–1 458 | 65 121 | Proprietary |
| 48 | GPT-5.4 | OpenAI | 1 452 | 1 449–1 456 | 67 856 | Proprietary |
| 49 | MiMo-V2.6-Flash | Xiaomi | 1 451 | 1 445–1 457 | 15 312 | MIT |
| 50 | DeepSeek V4 Pro 0423 | DeepSeek | 1 451 | 1 447–1 455 | 57 572 | MIT |
| 51 | Grok 4.20 Beta (Reasoning, 0309) | xai | 1 451 | 1 447–1 455 | 66 422 | Proprietary |
| 52 | Claude Opus 4.5 (20251101) | Anthropic | 1 451 | 1 448–1 454 | 72 825 | Proprietary |
| 53 | Grok 4.20 Multi-Agent Beta (0309) | xai | 1 451 | 1 447–1 454 | 64 917 | Proprietary |
| 54 | amazon-nova-experimental-chat (26-02-10) | Amazon | 1 449 | 1 439–1 458 | 3 523 | Proprietary |
| 55 | GPT-5.6 Terra (xHigh) | OpenAI | 1 448 | 1 444–1 452 | 48 166 | Proprietary |
| 56 | Claude Opus 4.5 (High, 32K, 20251101) | Anthropic | 1 448 | 1 444–1 452 | 37 484 | Proprietary |
| 57 | Dola Seed 2.0 Pro | ByteDance | 1 448 | 1 445–1 451 | 79 094 | Proprietary |
| 58 | Grok 4.5 | xAI | 1 448 | 1 443–1 452 | 39 801 | Proprietary |
| 59 | Qwen3.6 Max Preview | Alibaba Qwen | 1 447 | 1 439–1 455 | 5 419 | Proprietary |
| 60 | DeepSeek-V4-Pro (High, 20260813) | DeepSeek | 1 446 | 1 439–1 453 | 9 787 | MIT |
| 61 | GLM 5 | Z.ai | 1 446 | 1 442–1 450 | 29 255 | MIT |
| 62 | GPT-6.1 Sol (Max) | OpenAI | 1 446 | 1 439–1 453 | 9 367 | Proprietary |
| 63 | NVIDIA-Nemotron-3-Ultra-550B-A55B (NVFP4) | NVIDIA | 1 445 | 1 438–1 452 | 11 563 | OpenMDW-1.1 |
| 64 | DeepSeek-V4-Pro Preview (High) | DeepSeek | 1 445 | 1 441–1 449 | 54 870 | MIT |
| 65 | Kimi K2.5 (Thinking) | moonshot | 1 445 | 1 442–1 448 | 74 682 | Modified MIT |
| 66 | ERNIE 5.0 (0110) | Baidu | 1 445 | 1 441–1 448 | 36 475 | Proprietary |
| 67 | Grok 4.20 Beta 1 | xai | 1 444 | 1 440–1 449 | 27 889 | Proprietary |
| 68 | Gemma 4 31B | 1 443 | 1 436–1 450 | 6 138 | Apache 2.0 | |
| 69 | Step 5 Preview | StepFun | 1 443 | 1 436–1 449 | 11 355 | Proprietary |
| 70 | GPT-5.1 (High) | OpenAI | 1 443 | 1 439–1 446 | 41 639 | Proprietary |
| 71 | Claude Sonnet 5 (High) | Anthropic | 1 443 | 1 439–1 447 | 52 952 | Proprietary |
| 72 | Inkling | Thinking Machines Lab | 1 443 | 1 438–1 447 | 45 472 | Apache 2.0 |
| 73 | Gemini 3 Flash (Minimal) | 1 442 | 1 439–1 445 | 90 997 | Proprietary | |
| 74 | ERNIE-5.0-Preview (1203) | Baidu | 1 442 | 1 436–1 449 | 9 802 | Proprietary |
| 75 | GPT-6 Astra (Max) | OpenAI | 1 441 | 1 435–1 447 | 15 038 | Proprietary |
| 76 | GLM 4.6 | Z.ai | 1 440 | 1 436–1 444 | 35 810 | MIT |
| 77 | Hy3 | Tencent | 1 439 | 1 433–1 445 | 13 840 | Apache 2.0 |
| 78 | Qwen3 Max | Alibaba Qwen | 1 439 | 1 434–1 443 | 27 368 | Proprietary |
| 79 | Claude Sonnet 4.5 (20250929) | Anthropic | 1 439 | 1 436–1 441 | 82 621 | Proprietary |
| 80 | GPT-5.2 Chat (20260210) | OpenAI | 1 438 | 1 435–1 442 | 35 974 | Proprietary |
| 81 | Qwen3.8 27B | Alibaba Qwen | 1 438 | 1 434–1 443 | 27 779 | Apache 2.0 |
| 82 | GLM 5V Turbo | Z.ai | 1 438 | 1 431–1 444 | 10 476 | Proprietary |
| 83 | Qwen3.5 397B A17B | Alibaba Qwen | 1 438 | 1 435–1 441 | 97 675 | Apache 2.0 |
| 84 | Grok 4.1 (Thinking) | xai | 1 436 | 1 433–1 440 | 66 470 | Proprietary |
| 85 | Qwen3.6 Plus | Alibaba Qwen | 1 436 | 1 432–1 440 | 48 126 | Proprietary |
| 86 | MiMo-V2 Pro | Xiaomi | 1 436 | 1 431–1 441 | 25 421 | Proprietary |
| 87 | Grok 4.1 | xAI | 1 436 | 1 433–1 439 | 68 599 | Proprietary |
| 88 | Gemini 3.5 Flash-Lite | 1 435 | 1 431–1 440 | 35 740 | Proprietary | |
| 89 | GLM 4.7 | Z.ai | 1 435 | 1 429–1 441 | 12 239 | MIT |
| 90 | Claude Sonnet 4.5 (High, 32K, 20250929) | Anthropic | 1 434 | 1 432–1 437 | 83 892 | Proprietary |
| 91 | Gemma 4 26B A4B | 1 434 | 1 427–1 442 | 6 090 | Apache 2.0 | |
| 92 | DeepSeek V4 Flash 0423 | DeepSeek | 1 432 | 1 428–1 436 | 51 944 | MIT |
| 93 | MiniMax M3 | MiniMax | 1 431 | 1 428–1 435 | 68 611 | MiniMax Community License |
| 94 | GPT-5.6 Luna (xHigh) | OpenAI | 1 431 | 1 427–1 435 | 41 317 | Proprietary |
| 95 | Mistral Large 4 | Mistral AI | 1 430 | 1 424–1 436 | 12 066 | Proprietary |
| 96 | GLM 4.5 | Z.ai | 1 430 | 1 425–1 435 | 23 797 | MIT |
| 97 | ERNIE-5.0-Preview (1022) | Baidu | 1 430 | 1 421–1 439 | 4 755 | Proprietary |
| 98 | Grok 4.6 (High) | xai | 1 429 | 1 424–1 433 | 33 824 | Proprietary |
| 99 | ChatGPT-4o Latest (20250326) | OpenAI | 1 428 | 1 426–1 431 | 81 893 | Proprietary |
| 100 | Mistral Large 3 | mistral | 1 428 | 1 425–1 431 | 88 325 | Apache 2.0 |
| 101 | MiMo-V2.5 | Xiaomi | 1 428 | 1 424–1 432 | 47 327 | MIT |
| 102 | DeepSeek-R1 (0528) | DeepSeek | 1 428 | 1 422–1 433 | 18 165 | MIT |
| 103 | LongCat-Flash-Chat Exp (2602) | Meituan | 1 427 | 1 422–1 431 | 29 244 | Proprietary |
| 104 | Grok 3 Preview (02-24) | xai | 1 425 | 1 421–1 430 | 32 496 | Proprietary |
| 105 | Beam 1.0 501B A23B | Reflection | 1 425 | 1 416–1 435 | 4 233 | Apache 2.0 |
| 106 | DeepSeek-V3.2-Exp (Thinking) | DeepSeek | 1 425 | 1 418–1 432 | 8 991 | MIT |
| 107 | DeepSeek V3.2 | DeepSeek | 1 424 | 1 421–1 428 | 48 095 | MIT |
| 108 | DeepSeek-V4-Flash Preview (High) | DeepSeek | 1 424 | 1 420–1 428 | 51 763 | MIT |
| 109 | Mistral Medium 3.1 (2508) | mistral | 1 424 | 1 422–1 427 | 95 269 | Proprietary |
| 110 | MiMo-V2 Omni | Xiaomi | 1 423 | 1 418–1 429 | 20 615 | Proprietary |
| 111 | LongCat-Flash-Chat | Meituan | 1 423 | 1 416–1 429 | 11 167 | MIT |
| 112 | GPT-5.1 | OpenAI | 1 422 | 1 419–1 426 | 44 413 | Proprietary |
| 113 | DeepSeek V3.2 Exp | DeepSeek | 1 422 | 1 416–1 428 | 11 996 | MIT |
| 114 | Mistral Medium 3.5 | Mistral AI | 1 421 | 1 414–1 427 | 11 791 | Modified MIT |
| 115 | Kimi K2.5 (Instant) | moonshot | 1 420 | 1 414–1 427 | 8 371 | Modified MIT |
| 116 | Qwen3 VL 235B A22B Instruct | Alibaba Qwen | 1 420 | 1 414–1 427 | 11 314 | Apache 2.0 |
| 117 | DeepSeek-V3.2 (Thinking) | DeepSeek | 1 420 | 1 416–1 423 | 42 033 | MIT |
| 118 | DeepSeek V3.1 | DeepSeek | 1 420 | 1 413–1 426 | 14 606 | MIT |
| 119 | amazon-nova-experimental-chat (12-10) | Amazon | 1 420 | 1 410–1 429 | 3 734 | Proprietary |
| 120 | Claude Opus 4.1 (Thinking 16K, 20250805) | Anthropic | 1 419 | 1 416–1 423 | 49 535 | Proprietary |
| 121 | GPT-5.5 Instant | OpenAI | 1 419 | 1 414–1 424 | 27 128 | Proprietary |
| 122 | Qwen3-235B-A22B-Instruct (2507) | Alibaba | 1 419 | 1 417–1 422 | 98 081 | Apache 2.0 |
| 123 | DeepSeek-V3.1-Terminus (Thinking) | DeepSeek | 1 419 | 1 409–1 429 | 3 379 | MIT |
| 124 | Claude Opus 4.1 (20250805) | Anthropic | 1 419 | 1 416–1 422 | 77 213 | Proprietary |
| 125 | Qwen3.5-122B-A10B | Alibaba Qwen | 1 418 | 1 413–1 422 | 29 712 | Apache 2.0 |
| 126 | GPT-4.5 Preview (2025-02-27) | OpenAI | 1 417 | 1 412–1 423 | 14 547 | Proprietary |
| 127 | DeepSeek V3.1 Terminus | DeepSeek | 1 417 | 1 407–1 427 | 3 609 | MIT |
| 128 | Qwen3 Next 80B A3B Instruct | Alibaba Qwen | 1 417 | 1 412–1 422 | 22 753 | Apache 2.0 |
| 129 | Gemini 2.5 Flash | 1 417 | 1 415–1 419 | 125 457 | Proprietary | |
| 130 | DeepSeek-V3.1 (Thinking) | DeepSeek | 1 417 | 1 410–1 423 | 11 458 | MIT |
| 131 | GPT-5.2 (High) | OpenAI | 1 416 | 1 413–1 420 | 49 628 | Proprietary |
| 132 | Gemini 3.1 Flash-Lite Preview | 1 416 | 1 412–1 419 | 64 196 | Proprietary | |
| 133 | Qwen3-235B-A22B-Thinking (2507) | Alibaba | 1 415 | 1 409–1 422 | 8 822 | Apache 2.0 |
| 134 | amazon-nova-experimental-chat (11-10) | Amazon | 1 415 | 1 411–1 419 | 26 026 | Proprietary |
| 135 | Kimi K2 Thinking Turbo | moonshot | 1 414 | 1 411–1 417 | 63 310 | Modified MIT |
| 136 | Inkling Small | Thinking Machines Lab | 1 414 | 1 410–1 419 | 36 999 | Apache 2.0 |
| 137 | Qwen3-Max (2025-09-23) | Alibaba | 1 413 | 1 407–1 419 | 9 026 | Proprietary |
| 138 | GPT-5.2 | OpenAI | 1 412 | 1 409–1 415 | 83 793 | Proprietary |
| 139 | GPT-5.4 mini (High) | OpenAI | 1 412 | 1 408–1 415 | 63 432 | Proprietary |
| 140 | Grok 4 (0709) | xai | 1 411 | 1 408–1 415 | 39 678 | Proprietary |
| 141 | MiMo-V2 Flash · Flash (Non-Thinking) | Xiaomi | 1 411 | 1 408–1 414 | 48 060 | MIT |
| 142 | o3 (2025-04-16) | OpenAI | 1 410 | 1 406–1 413 | 58 901 | Proprietary |
| 143 | Qwen3.5-27B | Alibaba Qwen | 1 409 | 1 405–1 413 | 28 647 | Apache 2.0 |
| 144 | Grok 4.1 Fast (Reasoning) | xai | 1 408 | 1 405–1 411 | 57 500 | Proprietary |
| 145 | Grok 4 Fast (Non-Reasoning) | xai | 1 407 | 1 399–1 415 | 6 336 | Proprietary |
| 146 | Gemini 2.5 Flash Preview (09-2025) | 1 406 | 1 402–1 410 | 32 996 | Proprietary | |
| 147 | GPT-5 (High) | OpenAI | 1 406 | 1 402–1 411 | 31 718 | Proprietary |
| 148 | Hunyuan Vision 1.5 Thinking | Tencent | 1 406 | 1 393–1 418 | 2 169 | Proprietary |
| 149 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | NVIDIA | 1 405 | 1 396–1 414 | 4 178 | OpenMDW-1.1 |
| 150 | MiniMax M2.7 | MiniMax | 1 405 | 1 402–1 408 | 89 197 | Modified MIT |
| 151 | GPT-5 Chat | OpenAI | 1 403 | 1 399–1 408 | 31 187 | Proprietary |
| 152 | Step 3.5 Flash | StepFun | 1 403 | 1 399–1 406 | 60 305 | Apache 2.0 |
| 153 | Hy3 preview | Tencent | 1 401 | 1 394–1 409 | 6 869 | tencent-hunyuan-community |
| 154 | Claude Haiku 5.5 (High) | Anthropic | 1 401 | 1 393–1 408 | 7 890 | Proprietary |
| 155 | Hunyuan T1 (20250711) | Tencent | 1 401 | 1 392–1 409 | 4 595 | Proprietary |
| 156 | Qwen3 VL 235B A22B Thinking | Alibaba Qwen | 1 400 | 1 394–1 407 | 7 862 | Apache 2.0 |
| 157 | Grok 4 Fast (Reasoning) | xai | 1 400 | 1 395–1 405 | 18 270 | Proprietary |
| 158 | Grok 4.7 (xHigh) | xai | 1 398 | 1 392–1 404 | 16 442 | Proprietary |
| 159 | GPT-6 Sol (Max) | OpenAI | 1 397 | 1 392–1 403 | 15 807 | Proprietary |
| 160 | Qwen3.5-Flash | Alibaba Qwen | 1 397 | 1 393–1 401 | 61 776 | Proprietary |
| 161 | Grok 4.3 | xAI | 1 397 | 1 393–1 400 | 71 287 | Proprietary |
| 162 | Claude Haiku 4.5 (20251001) | Anthropic | 1 397 | 1 394–1 399 | 154 063 | Proprietary |
| 163 | amazon-nova-experimental-chat (26-01-10) | Amazon | 1 396 | 1 386–1 405 | 3 534 | Proprietary |
| 164 | MiMo-V2 Flash · Flash (Thinking) | Xiaomi | 1 395 | 1 388–1 401 | 11 135 | MIT |
| 165 | Qwen3.5-35B-A3B | Alibaba Qwen | 1 395 | 1 390–1 399 | 30 427 | Apache 2.0 |
| 166 | amazon-nova-experimental-chat (10-20) | Amazon | 1 394 | 1 388–1 400 | 11 625 | Proprietary |
| 167 | Qwen3-235B-A22B (Non-Thinking) | Alibaba | 1 393 | 1 389–1 398 | 37 472 | Apache 2.0 |
| 168 | MiniMax-M2.1 Preview | MiniMax | 1 392 | 1 387–1 397 | 17 222 | MIT |
| 169 | Muse Glimmer | Meta | 1 389 | 1 380–1 399 | 3 884 | Apache-2.0 |
| 170 | GPT-6 Luna (Max) | OpenAI | 1 389 | 1 385–1 393 | 86 478 | Proprietary |
| 171 | GPT-5.3 Chat | OpenAI | 1 389 | 1 385–1 393 | 34 316 | Proprietary |
| 172 | Solar Pro 4 | Upstage | 1 389 | 1 384–1 394 | 26 159 | Proprietary |
| 173 | Qwen3-30B-A3B-Instruct (2507) | Alibaba | 1 384 | 1 379–1 389 | 23 312 | Apache 2.0 |
| 174 | GLM 4.5 Air | Z.ai | 1 384 | 1 379–1 388 | 30 652 | MIT |
| 175 | GPT-4.1 (2025-04-14) | OpenAI | 1 383 | 1 379–1 387 | 50 298 | Proprietary |
| 176 | Kimi K2 Preview (0905) | moonshot | 1 380 | 1 373–1 386 | 11 592 | Modified MIT |
| 177 | Gemini 2.5 Flash-Lite Preview (Non-Thinking, 09-2025) | 1 379 | 1 376–1 383 | 47 418 | Proprietary | |
| 178 | Nemotron 3 Super | NVIDIA | 1 377 | 1 370–1 384 | 7 870 | NVIDIA Open Model |
| 179 | Hunyuan TurboS (20250416) | Tencent | 1 377 | 1 371–1 384 | 10 623 | Proprietary |
| 180 | Claude Opus 4 (Thinking 16K, 20250514) | Anthropic | 1 377 | 1 373–1 382 | 35 904 | Proprietary |
| 181 | GLM 4.6V | Z.ai | 1 376 | 1 365–1 388 | 2 833 | MIT |
| 182 | DeepSeek-V3 (0324) | DeepSeek | 1 375 | 1 371–1 378 | 44 977 | MIT |
| 183 | GPT-5 mini (High) | OpenAI | 1 373 | 1 369–1 378 | 26 793 | Proprietary |
| 184 | R1 | DeepSeek | 1 373 | 1 368–1 378 | 18 524 | MIT |
| 185 | GPT-5.4 nano (High) | OpenAI | 1 372 | 1 368–1 376 | 62 314 | Proprietary |
| 186 | Kimi K2 Preview (0711) | moonshot | 1 371 | 1 366–1 376 | 27 139 | Modified MIT |
| 187 | Mistral Medium 3 (2505) | mistral | 1 370 | 1 365–1 375 | 32 777 | Proprietary |
| 188 | Grok 3 Mini (High) | xai | 1 369 | 1 364–1 375 | 15 595 | Proprietary |
| 189 | Gemini 2.5 Flash-Lite Preview (Thinking, 06-17) | 1 369 | 1 365–1 374 | 32 381 | Proprietary | |
| 190 | Qwen3 Next 80B A3B Thinking | Alibaba Qwen | 1 368 | 1 362–1 374 | 13 476 | Apache 2.0 |
| 191 | Qwen2.5 Max | Alibaba Qwen | 1 367 | 1 363–1 371 | 32 487 | Proprietary |
| 192 | Qwen3 235B A22B | Alibaba Qwen | 1 366 | 1 362–1 371 | 25 950 | Apache 2.0 |
| 193 | Claude Opus 4 (20250514) | Anthropic | 1 366 | 1 362–1 370 | 43 037 | Proprietary |
| 194 | o1 (2024-12-17) | OpenAI | 1 366 | 1 361–1 370 | 27 807 | Proprietary |
| 195 | gpt-oss-120b | OpenAI | 1 365 | 1 361–1 370 | 30 200 | Apache 2.0 |
| 196 | Grok 3 Mini Beta | xai | 1 364 | 1 359–1 369 | 20 930 | Proprietary |
| 197 | amazon-nova-experimental-chat (10-09) | Amazon | 1 364 | 1 353–1 375 | 2 781 | Proprietary |
| 198 | Amazon Nova 2 Lite | Amazon | 1 362 | 1 356–1 368 | 12 415 | Proprietary |
| 199 | Granite 4.2 30B | IBM Granite | 1 361 | 1 351–1 372 | 3 389 | Apache 2.0 |
| 200 | Ling-flash-2.0 | inclusionAI | 1 361 | 1 354–1 368 | 6 952 | MIT |
| 201 | MiniMax M2.5 | MiniMax | 1 359 | 1 355–1 363 | 42 783 | Modified MIT |
| 202 | Gemma 3 27B | 1 358 | 1 354–1 361 | 46 670 | Gemma | |
| 203 | Qwen3 Coder 480B A35B | Alibaba Qwen | 1 357 | 1 352–1 362 | 25 190 | Apache 2.0 |
| 204 | INTELLECT-3 | Prime Intellect | 1 356 | 1 347–1 364 | 5 435 | MIT |
| 205 | Mercury 2 | Inception Labs | 1 355 | 1 344–1 365 | 3 191 | Proprietary |
| 206 | Gemini 2.0 Flash (001) | 1 354 | 1 350–1 358 | 43 443 | Proprietary | |
| 207 | o4-mini (2025-04-16) | OpenAI | 1 353 | 1 349–1 357 | 44 843 | Proprietary |
| 208 | o1 | OpenAI | 1 353 | 1 348–1 358 | 31 122 | Proprietary |
| 209 | Claude Sonnet 4 (Thinking 32K, 20250514) | Anthropic | 1 351 | 1 346–1 355 | 34 128 | Proprietary |
| 210 | GLM 4.7 Flash | Z.ai | 1 351 | 1 345–1 356 | 12 008 | MIT |
| 211 | Step 3 | StepFun | 1 350 | 1 343–1 358 | 6 291 | Apache 2.0 |
| 212 | NVIDIA-Nemotron-3-Nano-30B-A3B (BF16) | NVIDIA | 1 348 | 1 342–1 353 | 15 761 | NVIDIA Open Model |
| 213 | MiniMax M1 | MiniMax | 1 343 | 1 338–1 347 | 34 293 | Apache 2.0 |
| 214 | GPT-4.1 mini (2025-04-14) | OpenAI | 1 340 | 1 336–1 345 | 38 696 | Proprietary |
| 215 | Trinity Large Thinking | Arcee AI | 1 340 | 1 336–1 345 | 30 290 | Apache 2.0 |
| 216 | MiniMax M2 | MiniMax | 1 340 | 1 332–1 348 | 6 850 | Apache 2.0 |
| 217 | Qwen3 32B | Alibaba Qwen | 1 340 | 1 331–1 349 | 3 926 | Apache 2.0 |
| 218 | Claude Sonnet 4 (20250514) | Anthropic | 1 339 | 1 335–1 344 | 39 168 | Proprietary |
| 219 | Trinity Large Preview | — | 1 339 | 1 334–1 343 | 31 233 | Apache 2.0 |
| 220 | Llama 3.3 Nemotron Super 49B v1.5 | NVIDIA | 1 338 | 1 328–1 348 | 3 327 | Nvidia Open |
| 221 | Mistral Small 3.2 (2506) | mistral | 1 338 | 1 333–1 343 | 17 462 | Apache 2.0 |
| 222 | o3-mini (High) | OpenAI | 1 337 | 1 331–1 342 | 18 589 | Proprietary |
| 223 | Step-1o Turbo (202506) | StepFun | 1 336 | 1 329–1 342 | 8 906 | Proprietary |
| 224 | Gemma 3 12B | 1 334 | 1 325–1 344 | 3 829 | Gemma | |
| 225 | Ring-flash-2.0 | inclusionAI | 1 334 | 1 326–1 341 | 6 987 | MIT |
| 226 | GLM 4.5V | Z.ai | 1 333 | 1 324–1 341 | 4 817 | MIT |
| 227 | DeepSeek V3 | DeepSeek | 1 332 | 1 328–1 337 | 21 770 | DeepSeek |
| 228 | Command A (03-2025) | Cohere | 1 331 | 1 327–1 334 | 55 763 | CC-BY-NC-4.0 |
| 229 | NVIDIA-Nemotron-3.5-Lightning-30B-A3B (NVFP4) | NVIDIA | 1 331 | 1 326–1 336 | 24 230 | OpenMDW-1.1 |
| 230 | GLM-4-Plus (0111) | zai | 1 331 | 1 322–1 339 | 5 760 | Proprietary |
| 231 | Gemini 2.0 Flash-Lite Preview (02-05) | 1 330 | 1 325–1 334 | 24 955 | Proprietary | |
| 232 | QwQ 32B | Alibaba Qwen | 1 329 | 1 325–1 333 | 25 177 | Apache 2.0 |
| 233 | Qwen-Plus (0125) | Alibaba | 1 326 | 1 318–1 335 | 5 819 | Proprietary |
| 234 | Step-2 16K Exp (202412) | StepFun | 1 321 | 1 312–1 329 | 4 833 | Proprietary |
| 235 | GPT-5 nano (High) | OpenAI | 1 320 | 1 313–1 327 | 8 134 | Proprietary |
| 236 | Hunyuan TurboS (20250226) | Tencent | 1 320 | 1 308–1 331 | 2 220 | Proprietary |
| 237 | Llama 3.1 Nemotron Ultra 253B v1 | NVIDIA | 1 320 | 1 308–1 331 | 2 549 | Nvidia Open Model |
| 238 | o3 Mini | OpenAI | 1 319 | 1 316–1 323 | 56 735 | Proprietary |
| 239 | Gemini 1.5 Pro (002) | 1 319 | 1 316–1 322 | 55 606 | Proprietary | |
| 240 | Granite 4.2 8B | IBM Granite | 1 319 | 1 308–1 330 | 3 251 | Apache 2.0 |
| 241 | o1-mini | OpenAI | 1 317 | 1 313–1 321 | 51 981 | Proprietary |
| 242 | Qwen3 30B A3B | Alibaba Qwen | 1 317 | 1 312–1 322 | 26 156 | Apache 2.0 |
| 243 | Claude 3.7 Sonnet (Thinking 32K, 20250219) | Anthropic | 1 314 | 1 310–1 319 | 38 156 | Proprietary |
| 244 | Hunyuan Turbo (0110) | Tencent | 1 311 | 1 300–1 323 | 2 290 | Proprietary |
| 245 | OLMo 3.1 32B Instruct | Ai2 | 1 311 | 1 305–1 317 | 11 805 | Apache 2.0 |
| 246 | Llama 3.3 Nemotron Super 49B v1 | NVIDIA | 1 308 | 1 296–1 320 | 2 218 | Nvidia |
| 247 | Gemma 3n E4B | 1 306 | 1 300–1 311 | 22 136 | Gemma | |
| 248 | Grok 2 (2024-08-13) | xai | 1 305 | 1 301–1 308 | 63 498 | Proprietary |
| 249 | Yi-Lightning | 01.AI | 1 302 | 1 297–1 306 | 27 332 | Proprietary |
| 250 | GPT-4o (2024-05-13) | OpenAI | 1 300 | 1 297–1 304 | 112 881 | Proprietary |
| 251 | Claude 3.7 Sonnet (20250219) | Anthropic | 1 299 | 1 295–1 303 | 42 573 | Proprietary |
| 252 | OLMo 3 32B Think | Ai2 | 1 299 | 1 291–1 308 | 5 827 | Apache 2.0 |
| 253 | Qwen2.5-Plus (1127) | Alibaba | 1 299 | 1 293–1 305 | 10 187 | Proprietary |
| 254 | Claude 3.5 Sonnet (20241022) | Anthropic | 1 298 | 1 295–1 301 | 87 771 | Proprietary |
| 255 | DeepSeek-V2.5 (1210) | DeepSeek | 1 294 | 1 286–1 302 | 6 795 | DeepSeek |
| 256 | Granite 4.2 3B | IBM Granite | 1 293 | 1 282–1 305 | 3 249 | Apache 2.0 |
| 257 | Athene V2 Chat | Nexusflow | 1 291 | 1 287–1 296 | 24 739 | NexusFlow |
| 258 | Gemma 3 4B | 1 291 | 1 282–1 300 | 4 171 | Gemma | |
| 259 | Granite 4.1 8B | IBM Granite | 1 291 | 1 281–1 300 | 4 177 | Apache 2.0 |
| 260 | GLM-4-Plus | Z.ai | 1 290 | 1 285–1 295 | 26 126 | Proprietary |
| 261 | Hunyuan Large (2025-02-10) | Tencent | 1 288 | 1 278–1 298 | 3 738 | Proprietary |
| 262 | Molmo 2 8B | Ai2 | 1 287 | 1 267–1 308 | 822 | Apache 2.0 |
| 263 | gpt-oss-20b | OpenAI | 1 287 | 1 281–1 294 | 10 416 | Apache 2.0 |
| 264 | Llama 4 Maverick 17B 128E Instruct | Meta | 1 287 | 1 283–1 291 | 39 439 | Llama 4 |
| 265 | Gemini 1.5 Flash (002) | 1 287 | 1 282–1 291 | 34 902 | Proprietary | |
| 266 | GPT-4o mini (2024-07-18) | OpenAI | 1 286 | 1 283–1 290 | 68 705 | Proprietary |
| 267 | GPT-4.1 nano (2025-04-14) | OpenAI | 1 285 | 1 277–1 292 | 6 103 | Proprietary |
| 268 | Llama 3.1 405B Instruct (BF16) | Meta | 1 284 | 1 280–1 287 | 41 375 | Llama 3.1 Community |
| 269 | Llama 3.1 Nemotron 70B Instruct | NVIDIA | 1 283 | 1 275–1 290 | 7 140 | Llama 3.1 |
| 270 | GPT-4o (2024-08-06) | OpenAI | 1 283 | 1 278–1 287 | 45 499 | Proprietary |
| 271 | Mercury | Inception Labs | 1 282 | 1 268–1 296 | 1 966 | Proprietary |
| 272 | Qwen-Max (0919) | Alibaba | 1 282 | 1 276–1 288 | 16 478 | Qwen |
| 273 | Llama 3.1 405B Instruct (FP8) | Meta | 1 282 | 1 278–1 285 | 59 656 | Llama 3.1 Community |
| 274 | Claude 3.5 Sonnet (20240620) | Anthropic | 1 281 | 1 277–1 284 | 82 419 | Proprietary |
| 275 | Grok 2 mini (2024-08-13) | xai | 1 281 | 1 277–1 284 | 52 567 | Proprietary |
| 276 | Llama 4 Scout 17B 16E Instruct | Meta | 1 279 | 1 274–1 284 | 29 823 | Llama |
| 277 | Gemini Advanced (0514) | 1 279 | 1 273–1 284 | 50 148 | Proprietary | |
| 278 | Mistral Small 3.1 24B Instruct (2503) | mistral | 1 277 | 1 272–1 282 | 32 722 | Apache 2.0 |
| 279 | Llama 3.3 70B Instruct | Meta | 1 274 | 1 271–1 278 | 54 493 | Llama-3.3 |
| 280 | Hunyuan Standard (2025-02-10) | Tencent | 1 274 | 1 264–1 284 | 3 904 | Proprietary |
| 281 | Gemini 1.5 Pro (001) | 1 273 | 1 270–1 277 | 79 138 | Proprietary | |
| 282 | GPT-4 Turbo (2024-04-09) | OpenAI | 1 272 | 1 268–1 276 | 98 114 | Proprietary |
| 283 | OLMo 3.1 32B Think | Ai2 | 1 271 | 1 264–1 279 | 8 299 | Apache 2.0 |
| 284 | DeepSeek V2.5 | DeepSeek | 1 271 | 1 267–1 276 | 24 572 | DeepSeek |
| 285 | Qwen2.5 72B Instruct | Alibaba Qwen | 1 269 | 1 265–1 273 | 39 406 | Qwen |
| 286 | Mistral Large 2 (2407) | mistral | 1 266 | 1 262–1 270 | 45 459 | Mistral Research |
| 287 | Mistral Large (2411) | mistral | 1 265 | 1 261–1 270 | 28 073 | MRL |
| 288 | Athene 70B (0725) | — | 1 265 | 1 259–1 271 | 19 621 | CC-BY-NC-4.0 |
| 289 | GPT-4 Turbo Preview (1106) | OpenAI | 1 263 | 1 260–1 267 | 100 105 | Proprietary |
| 290 | Hunyuan Large Vision | Tencent | 1 263 | 1 254–1 272 | 5 279 | Proprietary |
| 291 | GPT-4 Turbo Preview (0125) | OpenAI | 1 262 | 1 258–1 266 | 93 439 | Proprietary |
| 292 | Claude 3 Opus (20240229) | Anthropic | 1 262 | 1 259–1 265 | 194 909 | Proprietary |
| 293 | Llama 3.1 70B Instruct | Meta | 1 261 | 1 257–1 265 | 55 240 | Llama 3.1 Community |
| 294 | Amazon Nova Pro 1.0 | Amazon | 1 259 | 1 254–1 263 | 24 745 | Proprietary |
| 295 | Llama 3.1 Tulu 3 70B | Ai2 | 1 256 | 1 245–1 266 | 2 846 | Llama 3.1 |
| 296 | Claude 3.5 Haiku (20241022) | Anthropic | 1 255 | 1 252–1 259 | 69 056 | Proprietary |
| 297 | Magistral Medium (2506) | mistral | 1 255 | 1 248–1 261 | 11 513 | Proprietary |
| 298 | Reka Core (20240904) | — | 1 248 | 1 241–1 255 | 7 312 | Proprietary |
| 299 | Granite 4.0 H Small | IBM Granite | 1 241 | 1 233–1 250 | 5 630 | Apache 2.0 |
| 300 | Gemini 1.5 Flash (001) | 1 239 | 1 235–1 244 | 62 833 | Proprietary |
Направления рейтинга · 29Выбрано: общий зачёт
Направление «общий зачёт»: снимок от 28 октября 2026. Строк в полном снимке — 419; строки могут относиться к модели или отдельному режиму. Снимков этого направления в архиве — 252, 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. Уровень усилия — настройка объёма вычислений на обдумывание ответа. Сравнивайте полные названия строк: место относится к конкретному режиму, и его 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 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