Рейтинг текстовых моделей
Динамика рейтинга
Загружаем историю замеров…
Таблица борда
Снимок от 28 октября 2026, категория «отрасль: разработка ПО, ИТ-услуги». 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) | 1 555 | 1 540–1 570 | 1 621 | Proprietary | |
| 2 | Gemini 4 Argon (High) | 1 545 | 1 536–1 555 | 4 193 | Proprietary | |
| 3 | Claude Opus 5.5 (High) | Anthropic | 1 538 | 1 527–1 548 | 3 876 | Proprietary |
| 4 | Claude Fable 5.1 (Max) | Anthropic | 1 529 | 1 521–1 538 | 5 644 | Proprietary |
| 5 | Claude Opus 5 (High) | Anthropic | 1 528 | 1 523–1 533 | 27 064 | Proprietary |
| 6 | MiMo-V2.6-Pro | Xiaomi | 1 528 | 1 513–1 542 | 1 630 | MIT |
| 7 | Claude Opus 5 (Max) | Anthropic | 1 527 | 1 520–1 533 | 12 834 | Proprietary |
| 8 | Claude Opus 4.6 | Anthropic | 1 527 | 1 522–1 531 | 34 720 | Proprietary |
| 9 | Claude Opus 4.6 (High) | Anthropic | 1 525 | 1 521–1 530 | 31 981 | Proprietary |
| 10 | Claude Opus 4.7 (High) | Anthropic | 1 516 | 1 511–1 521 | 26 193 | Proprietary |
| 11 | Muse Wonder (Max) | Meta | 1 515 | 1 504–1 527 | 2 785 | Proprietary |
| 12 | Claude Fable 5 в режиме high | Anthropic | 1 512 | 1 507–1 518 | 16 769 | Proprietary |
| 13 | Muse Spark 1.3 (Max) | Meta | 1 508 | 1 501–1 516 | 8 240 | Proprietary |
| 14 | Muse Spark 1.2 (xHigh) | Meta | 1 508 | 1 498–1 517 | 4 340 | Proprietary |
| 15 | Gemini 3.8 Flash (High) | 1 507 | 1 501–1 513 | 17 809 | Proprietary | |
| 16 | Claude Opus 4.7 | Anthropic | 1 506 | 1 501–1 511 | 26 493 | Proprietary |
| 17 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1 504 | 1 494–1 515 | 3 416 | Proprietary |
| 18 | GLM 5.3 Flash | Z.ai | 1 502 | 1 495–1 508 | 15 570 | MIT |
| 19 | Gemini 3.7 Flash (High) | 1 499 | 1 493–1 506 | 12 292 | Proprietary | |
| 20 | Kimi K3 (Max) | moonshot | 1 499 | 1 493–1 505 | 13 902 | Kimi K3 license |
| 21 | Qwen3.8 Max (0902) | Alibaba Qwen | 1 499 | 1 492–1 505 | 12 546 | Proprietary |
| 22 | Muse Spark 1.1 | Meta | 1 498 | 1 493–1 504 | 17 897 | Proprietary |
| 23 | DeepSeek-V4.1-Flash-20260910 (Max) | DeepSeek | 1 496 | 1 487–1 504 | 5 363 | MIT |
| 24 | MiMo-V2.6-Flash | Xiaomi | 1 495 | 1 487–1 504 | 5 703 | MIT |
| 25 | MiMo-V2.5-Pro | Xiaomi | 1 495 | 1 490–1 500 | 30 420 | MIT |
| 26 | Qwen3.7 Max | Alibaba Qwen | 1 494 | 1 479–1 509 | 1 616 | Proprietary |
| 27 | Gemini 3.5 Flash (High) | 1 494 | 1 489–1 499 | 19 402 | Proprietary | |
| 28 | GLM-5.3 (Max) | zai | 1 494 | 1 487–1 501 | 9 675 | MIT |
| 29 | GPT-5.5 (High) | OpenAI | 1 493 | 1 488–1 498 | 27 468 | Proprietary |
| 30 | Gemini 3.6 Flash (High) | 1 492 | 1 486–1 498 | 14 504 | Proprietary | |
| 31 | ERNIE 5.1 | Baidu | 1 492 | 1 486–1 498 | 15 688 | Proprietary |
| 32 | GPT-5.4 (High) | OpenAI | 1 491 | 1 486–1 496 | 25 478 | Proprietary |
| 33 | Claude Sonnet 4.6 | Anthropic | 1 491 | 1 486–1 496 | 27 747 | Proprietary |
| 34 | Claude Opus 4.8 (High) | Anthropic | 1 488 | 1 483–1 493 | 25 108 | Proprietary |
| 35 | GPT-5.6 Sol (xHigh) | OpenAI | 1 488 | 1 482–1 494 | 16 872 | Proprietary |
| 36 | Muse Spark | Meta | 1 487 | 1 479–1 495 | 5 551 | Proprietary |
| 37 | GLM-5.2 (Max) | zai | 1 487 | 1 481–1 492 | 20 769 | MIT |
| 38 | Gemini 3.1 Pro Preview | 1 487 | 1 483–1 491 | 51 951 | Proprietary | |
| 39 | GPT-5.5 | OpenAI | 1 487 | 1 482–1 491 | 28 332 | Proprietary |
| 40 | Qwen3.5 Max | Alibaba Qwen | 1 486 | 1 479–1 493 | 8 991 | Proprietary |
| 41 | Gemini 3.5 Flash (Medium) | 1 486 | 1 480–1 491 | 18 867 | Proprietary | |
| 42 | Gemini 3 Pro | 1 485 | 1 480–1 491 | 14 390 | Proprietary | |
| 43 | Kimi K2.6 | Moonshot AI | 1 484 | 1 478–1 490 | 16 029 | Modified MIT |
| 44 | GLM 5.1 | Z.ai | 1 484 | 1 479–1 488 | 26 126 | MIT |
| 45 | Claude Opus 4.5 (20251101) | Anthropic | 1 483 | 1 478–1 487 | 26 861 | Proprietary |
| 46 | Claude Opus 4.8 | Anthropic | 1 483 | 1 478–1 488 | 25 737 | Proprietary |
| 47 | Claude Opus 4.5 (High, 32K, 20251101) | Anthropic | 1 482 | 1 476–1 488 | 12 636 | Proprietary |
| 48 | GPT-5.6 Terra (xHigh) | OpenAI | 1 482 | 1 476–1 487 | 18 481 | Proprietary |
| 49 | amazon-nova-experimental-chat (26-02-10) | Amazon | 1 481 | 1 465–1 496 | 1 301 | Proprietary |
| 50 | GPT-6.1 Sol (Max) | OpenAI | 1 481 | 1 469–1 492 | 3 156 | Proprietary |
| 51 | Qwen3.8 27B | Alibaba Qwen | 1 477 | 1 470–1 483 | 10 781 | Apache 2.0 |
| 52 | GPT-5.4 | OpenAI | 1 475 | 1 470–1 480 | 26 996 | Proprietary |
| 53 | Claude Sonnet 5 (High) | Anthropic | 1 475 | 1 469–1 480 | 20 391 | Proprietary |
| 54 | GPT-6 Astra (Max) | OpenAI | 1 475 | 1 466–1 483 | 5 349 | Proprietary |
| 55 | Dola Seed 2.0 Pro | ByteDance | 1 474 | 1 470–1 479 | 30 993 | Proprietary |
| 56 | Qwen3.7 Plus | Alibaba Qwen | 1 473 | 1 467–1 479 | 17 157 | Proprietary |
| 57 | Claude Sonnet 4.5 (20250929) | Anthropic | 1 472 | 1 468–1 477 | 30 303 | Proprietary |
| 58 | Step 5 Preview | StepFun | 1 472 | 1 462–1 481 | 4 170 | Proprietary |
| 59 | Grok 4.5 | xAI | 1 471 | 1 465–1 477 | 15 970 | Proprietary |
| 60 | Claude Sonnet 4.5 (High, 32K, 20250929) | Anthropic | 1 471 | 1 467–1 475 | 30 407 | Proprietary |
| 61 | Kimi K2.5 (Instant) | moonshot | 1 471 | 1 460–1 481 | 2 882 | Modified MIT |
| 62 | Gemini 3 Flash | 1 470 | 1 464–1 477 | 10 651 | Proprietary | |
| 63 | Kimi K2.5 (Thinking) | moonshot | 1 469 | 1 464–1 473 | 29 757 | Modified MIT |
| 64 | DeepSeek V4 Pro 0423 | DeepSeek | 1 468 | 1 463–1 474 | 23 647 | MIT |
| 65 | NVIDIA-Nemotron-3-Ultra-550B-A55B (NVFP4) | NVIDIA | 1 468 | 1 459–1 478 | 4 431 | OpenMDW-1.1 |
| 66 | MiMo-V2 Pro | Xiaomi | 1 468 | 1 461–1 474 | 10 265 | Proprietary |
| 67 | Mistral Large 4 | Mistral AI | 1 467 | 1 458–1 477 | 4 177 | Proprietary |
| 68 | Inkling | Thinking Machines Lab | 1 466 | 1 460–1 472 | 17 589 | Apache 2.0 |
| 69 | MiniMax M3 | MiniMax | 1 466 | 1 461–1 471 | 27 474 | MiniMax Community License |
| 70 | Qwen3.6 Max Preview | Alibaba Qwen | 1 466 | 1 453–1 478 | 2 257 | Proprietary |
| 71 | LongCat-Flash-Chat Exp (2602) | Meituan | 1 465 | 1 459–1 471 | 11 433 | Proprietary |
| 72 | Hy3 | Tencent | 1 464 | 1 456–1 472 | 5 452 | Apache 2.0 |
| 73 | GPT-5.6 Luna (xHigh) | OpenAI | 1 464 | 1 458–1 469 | 16 040 | Proprietary |
| 74 | Gemma 4 31B | 1 463 | 1 451–1 475 | 2 217 | Apache 2.0 | |
| 75 | MiMo-V2.5 | Xiaomi | 1 463 | 1 457–1 469 | 19 308 | MIT |
| 76 | Qwen3.5 397B A17B | Alibaba Qwen | 1 462 | 1 458–1 467 | 38 862 | Apache 2.0 |
| 77 | ERNIE 5.0 (0110) | Baidu | 1 462 | 1 457–1 468 | 13 549 | Proprietary |
| 78 | Qwen3.6 Plus | Alibaba Qwen | 1 462 | 1 456–1 467 | 20 155 | Proprietary |
| 79 | DeepSeek-V4-Pro (High, 20260813) | DeepSeek | 1 461 | 1 452–1 471 | 4 093 | MIT |
| 80 | Beam 1.0 501B A23B | Reflection | 1 461 | 1 446–1 477 | 1 452 | Apache 2.0 |
| 81 | Grok 4.20 Beta (Reasoning, 0309) | xai | 1 461 | 1 456–1 466 | 26 051 | Proprietary |
| 82 | Grok 4.20 Multi-Agent Beta (0309) | xai | 1 461 | 1 456–1 466 | 25 579 | Proprietary |
| 83 | GLM 5V Turbo | Z.ai | 1 460 | 1 451–1 469 | 4 167 | Proprietary |
| 84 | GLM 5 | Z.ai | 1 460 | 1 454–1 466 | 11 149 | MIT |
| 85 | Gemini 2.5 Pro | 1 459 | 1 455–1 463 | 44 018 | Proprietary | |
| 86 | Qwen3 Max | Alibaba Qwen | 1 458 | 1 452–1 465 | 9 334 | Proprietary |
| 87 | Mistral Medium 3.5 | Mistral AI | 1 458 | 1 449–1 467 | 4 599 | Modified MIT |
| 88 | LongCat-Flash-Chat | Meituan | 1 458 | 1 448–1 467 | 3 811 | MIT |
| 89 | DeepSeek-V4-Pro Preview (High) | DeepSeek | 1 457 | 1 451–1 462 | 22 413 | MIT |
| 90 | MiMo-V2 Omni | Xiaomi | 1 456 | 1 449–1 464 | 8 366 | Proprietary |
| 91 | Claude Opus 4.1 (Thinking 16K, 20250805) | Anthropic | 1 456 | 1 451–1 462 | 16 722 | Proprietary |
| 92 | GLM 4.6 | Z.ai | 1 455 | 1 449–1 461 | 12 601 | MIT |
| 93 | Grok 4.6 (High) | xai | 1 455 | 1 449–1 461 | 12 579 | Proprietary |
| 94 | GPT-5.2 Chat (20260210) | OpenAI | 1 454 | 1 448–1 460 | 14 031 | Proprietary |
| 95 | GPT-5.1 (High) | OpenAI | 1 454 | 1 448–1 460 | 14 111 | Proprietary |
| 96 | Gemma 4 26B A4B | 1 454 | 1 442–1 466 | 2 211 | Apache 2.0 | |
| 97 | GLM 4.7 | Z.ai | 1 453 | 1 444–1 463 | 4 116 | MIT |
| 98 | DeepSeek V4 Flash 0423 | DeepSeek | 1 453 | 1 447–1 458 | 21 384 | MIT |
| 99 | Grok 4.20 Beta 1 | xai | 1 452 | 1 446–1 459 | 10 827 | Proprietary |
| 100 | Claude Opus 4.1 (20250805) | Anthropic | 1 451 | 1 447–1 456 | 26 030 | Proprietary |
| 101 | Mistral Large 3 | mistral | 1 451 | 1 447–1 455 | 32 925 | Apache 2.0 |
| 102 | Gemini 3.5 Flash-Lite | 1 451 | 1 444–1 457 | 14 365 | Proprietary | |
| 103 | Grok 4.1 (Thinking) | xai | 1 450 | 1 446–1 455 | 23 755 | Proprietary |
| 104 | Grok 4.1 | xAI | 1 450 | 1 445–1 454 | 24 793 | Proprietary |
| 105 | DeepSeek-V3.2 (Thinking) | DeepSeek | 1 449 | 1 444–1 455 | 14 284 | MIT |
| 106 | Claude Haiku 5.5 (High) | Anthropic | 1 449 | 1 437–1 461 | 2 775 | Proprietary |
| 107 | Inkling Small | Thinking Machines Lab | 1 448 | 1 442–1 454 | 14 266 | Apache 2.0 |
| 108 | ERNIE-5.0-Preview (1203) | Baidu | 1 447 | 1 437–1 458 | 3 325 | Proprietary |
| 109 | Qwen3 Next 80B A3B Instruct | Alibaba Qwen | 1 447 | 1 440–1 454 | 8 045 | Apache 2.0 |
| 110 | Qwen3-235B-A22B-Instruct (2507) | Alibaba | 1 446 | 1 443–1 450 | 34 876 | Apache 2.0 |
| 111 | amazon-nova-experimental-chat (12-10) | Amazon | 1 446 | 1 430–1 463 | 1 189 | Proprietary |
| 112 | Kimi K2 Thinking Turbo | moonshot | 1 446 | 1 442–1 451 | 23 155 | Modified MIT |
| 113 | MiniMax M2.7 | MiniMax | 1 445 | 1 441–1 450 | 35 788 | Modified MIT |
| 114 | Gemini 3 Flash (Minimal) | 1 445 | 1 440–1 449 | 35 018 | Proprietary | |
| 115 | DeepSeek V3.2 | DeepSeek | 1 444 | 1 438–1 449 | 17 247 | MIT |
| 116 | DeepSeek-V4-Flash Preview (High) | DeepSeek | 1 443 | 1 437–1 448 | 21 326 | MIT |
| 117 | MiMo-V2 Flash · Flash (Non-Thinking) | Xiaomi | 1 443 | 1 438–1 448 | 18 261 | MIT |
| 118 | Qwen3 VL 235B A22B Instruct | Alibaba Qwen | 1 442 | 1 432–1 452 | 4 003 | Apache 2.0 |
| 119 | amazon-nova-experimental-chat (11-10) | Amazon | 1 442 | 1 435–1 448 | 8 931 | Proprietary |
| 120 | GLM 4.5 | Z.ai | 1 440 | 1 433–1 447 | 8 089 | MIT |
| 121 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | NVIDIA | 1 440 | 1 425–1 455 | 1 495 | OpenMDW-1.1 |
| 122 | amazon-nova-experimental-chat (26-01-10) | Amazon | 1 440 | 1 424–1 456 | 1 200 | Proprietary |
| 123 | Claude Haiku 4.5 (20251001) | Anthropic | 1 439 | 1 436–1 443 | 57 966 | Proprietary |
| 124 | DeepSeek-V3.2-Exp (Thinking) | DeepSeek | 1 438 | 1 428–1 449 | 3 198 | MIT |
| 125 | Grok 3 Preview (02-24) | xai | 1 437 | 1 431–1 444 | 9 110 | Proprietary |
| 126 | GPT-5.1 | OpenAI | 1 437 | 1 432–1 442 | 15 354 | Proprietary |
| 127 | Mistral Medium 3.1 (2508) | mistral | 1 436 | 1 432–1 440 | 33 902 | Proprietary |
| 128 | Qwen3.5-122B-A10B | Alibaba Qwen | 1 436 | 1 430–1 442 | 11 690 | Apache 2.0 |
| 129 | GPT-5.4 mini (High) | OpenAI | 1 436 | 1 431–1 441 | 25 046 | Proprietary |
| 130 | DeepSeek V3.2 Exp | DeepSeek | 1 436 | 1 426–1 445 | 4 145 | MIT |
| 131 | Qwen3-Max (2025-09-23) | Alibaba | 1 436 | 1 426–1 446 | 3 320 | Proprietary |
| 132 | ERNIE-5.0-Preview (1022) | Baidu | 1 435 | 1 421–1 449 | 1 635 | Proprietary |
| 133 | DeepSeek-R1 (0528) | DeepSeek | 1 435 | 1 426–1 443 | 5 530 | MIT |
| 134 | Step 3.5 Flash | StepFun | 1 435 | 1 430–1 439 | 22 760 | Apache 2.0 |
| 135 | GPT-5.2 (High) | OpenAI | 1 434 | 1 429–1 439 | 18 399 | Proprietary |
| 136 | GPT-5.2 | OpenAI | 1 433 | 1 428–1 437 | 32 389 | Proprietary |
| 137 | GPT-5.5 Instant | OpenAI | 1 432 | 1 425–1 439 | 11 165 | Proprietary |
| 138 | Qwen3.5-27B | Alibaba Qwen | 1 431 | 1 425–1 437 | 11 348 | Apache 2.0 |
| 139 | GPT-6 Sol (Max) | OpenAI | 1 431 | 1 422–1 440 | 5 692 | Proprietary |
| 140 | Qwen3-235B-A22B-Thinking (2507) | Alibaba | 1 431 | 1 420–1 442 | 2 910 | Apache 2.0 |
| 141 | Grok 4 Fast (Non-Reasoning) | xai | 1 430 | 1 417–1 443 | 2 065 | Proprietary |
| 142 | Solar Pro 4 | Upstage | 1 430 | 1 423–1 437 | 9 903 | Proprietary |
| 143 | ChatGPT-4o Latest (20250326) | OpenAI | 1 429 | 1 424–1 433 | 26 635 | Proprietary |
| 144 | DeepSeek-V3.1 (Thinking) | DeepSeek | 1 427 | 1 417–1 437 | 3 464 | MIT |
| 145 | DeepSeek V3.1 | DeepSeek | 1 427 | 1 418–1 435 | 4 632 | MIT |
| 146 | DeepSeek-V3.1-Terminus (Thinking) | DeepSeek | 1 426 | 1 408–1 443 | 1 133 | MIT |
| 147 | GPT-6 Luna (Max) | OpenAI | 1 425 | 1 420–1 431 | 30 405 | Proprietary |
| 148 | Qwen3 VL 235B A22B Thinking | Alibaba Qwen | 1 425 | 1 414–1 436 | 2 787 | Apache 2.0 |
| 149 | Gemini 2.5 Flash | 1 425 | 1 422–1 429 | 43 830 | Proprietary | |
| 150 | Hy3 preview | Tencent | 1 423 | 1 412–1 434 | 2 794 | tencent-hunyuan-community |
| 151 | amazon-nova-experimental-chat (10-20) | Amazon | 1 422 | 1 413–1 431 | 3 891 | Proprietary |
| 152 | Hunyuan Vision 1.5 Thinking | Tencent | 1 421 | 1 400–1 442 | 753 | Proprietary |
| 153 | MiMo-V2 Flash · Flash (Thinking) | Xiaomi | 1 421 | 1 411–1 430 | 3 748 | MIT |
| 154 | Grok 4.7 (xHigh) | xai | 1 420 | 1 411–1 429 | 5 721 | Proprietary |
| 155 | GPT-5 (High) | OpenAI | 1 420 | 1 414–1 426 | 10 818 | Proprietary |
| 156 | Grok 4.1 Fast (Reasoning) | xai | 1 417 | 1 413–1 422 | 20 616 | Proprietary |
| 157 | Qwen3-30B-A3B-Instruct (2507) | Alibaba | 1 417 | 1 410–1 424 | 7 955 | Apache 2.0 |
| 158 | Grok 4 Fast (Reasoning) | xai | 1 417 | 1 409–1 424 | 6 521 | Proprietary |
| 159 | Qwen3.5-Flash | Alibaba Qwen | 1 416 | 1 411–1 421 | 25 049 | Proprietary |
| 160 | Grok 4.3 | xAI | 1 416 | 1 411–1 421 | 28 541 | Proprietary |
| 161 | MiniMax-M2.1 Preview | MiniMax | 1 415 | 1 407–1 423 | 5 760 | MIT |
| 162 | Qwen3.5-35B-A3B | Alibaba Qwen | 1 415 | 1 409–1 421 | 12 042 | Apache 2.0 |
| 163 | o3 (2025-04-16) | OpenAI | 1 415 | 1 409–1 420 | 19 144 | Proprietary |
| 164 | Muse Glimmer | Meta | 1 413 | 1 398–1 428 | 1 595 | Apache-2.0 |
| 165 | Gemini 3.1 Flash-Lite Preview | 1 413 | 1 408–1 418 | 25 398 | Proprietary | |
| 166 | GPT-4.5 Preview (2025-02-27) | OpenAI | 1 412 | 1 402–1 422 | 3 358 | Proprietary |
| 167 | Grok 4 (0709) | xai | 1 411 | 1 405–1 417 | 13 528 | Proprietary |
| 168 | DeepSeek V3.1 Terminus | DeepSeek | 1 409 | 1 393–1 426 | 1 279 | MIT |
| 169 | Nemotron 3 Super | NVIDIA | 1 409 | 1 398–1 420 | 2 834 | NVIDIA Open Model |
| 170 | Claude Opus 4 (Thinking 16K, 20250514) | Anthropic | 1 409 | 1 402–1 415 | 11 722 | Proprietary |
| 171 | Qwen3-235B-A22B (Non-Thinking) | Alibaba | 1 409 | 1 402–1 415 | 12 403 | Apache 2.0 |
| 172 | Hunyuan T1 (20250711) | Tencent | 1 409 | 1 394–1 423 | 1 523 | Proprietary |
| 173 | Gemini 2.5 Flash Preview (09-2025) | 1 408 | 1 402–1 414 | 11 704 | Proprietary | |
| 174 | GPT-5.3 Chat | OpenAI | 1 408 | 1 402–1 414 | 13 363 | Proprietary |
| 175 | GPT-5 Chat | OpenAI | 1 407 | 1 401–1 414 | 10 528 | Proprietary |
| 176 | GPT-5.4 nano (High) | OpenAI | 1 402 | 1 397–1 407 | 24 934 | Proprietary |
| 177 | Granite 4.2 30B | IBM Granite | 1 402 | 1 385–1 419 | 1 270 | Apache 2.0 |
| 178 | GLM 4.5 Air | Z.ai | 1 401 | 1 395–1 407 | 10 456 | MIT |
| 179 | Ling-flash-2.0 | inclusionAI | 1 400 | 1 389–1 412 | 2 516 | MIT |
| 180 | Amazon Nova 2 Lite | Amazon | 1 394 | 1 385–1 403 | 4 306 | Proprietary |
| 181 | Kimi K2 Preview (0905) | moonshot | 1 394 | 1 384–1 404 | 3 860 | Modified MIT |
| 182 | GPT-5 mini (High) | OpenAI | 1 394 | 1 387–1 400 | 8 914 | Proprietary |
| 183 | Qwen3 Next 80B A3B Thinking | Alibaba Qwen | 1 393 | 1 384–1 402 | 4 734 | Apache 2.0 |
| 184 | Qwen3 Coder 480B A35B | Alibaba Qwen | 1 393 | 1 386–1 400 | 8 456 | Apache 2.0 |
| 185 | GPT-4.1 (2025-04-14) | OpenAI | 1 391 | 1 386–1 397 | 16 440 | Proprietary |
| 186 | GLM 4.6V | Z.ai | 1 391 | 1 372–1 410 | 934 | MIT |
| 187 | Hunyuan TurboS (20250416) | Tencent | 1 391 | 1 380–1 402 | 3 030 | Proprietary |
| 188 | GLM 4.7 Flash | Z.ai | 1 389 | 1 380–1 398 | 4 286 | MIT |
| 189 | gpt-oss-120b | OpenAI | 1 387 | 1 381–1 394 | 10 214 | Apache 2.0 |
| 190 | Qwen3 235B A22B | Alibaba Qwen | 1 386 | 1 379–1 393 | 7 929 | Apache 2.0 |
| 191 | Mistral Medium 3 (2505) | mistral | 1 385 | 1 379–1 392 | 10 552 | Proprietary |
| 192 | Mercury 2 | Inception Labs | 1 385 | 1 368–1 402 | 1 112 | Proprietary |
| 193 | Kimi K2 Preview (0711) | moonshot | 1 384 | 1 377–1 391 | 8 968 | Modified MIT |
| 194 | Gemini 2.5 Flash-Lite Preview (Non-Thinking, 09-2025) | 1 384 | 1 379–1 389 | 16 598 | Proprietary | |
| 195 | Claude Sonnet 4 (Thinking 32K, 20250514) | Anthropic | 1 384 | 1 377–1 390 | 11 254 | Proprietary |
| 196 | MiniMax M2.5 | MiniMax | 1 383 | 1 377–1 388 | 16 476 | Modified MIT |
| 197 | NVIDIA-Nemotron-3-Nano-30B-A3B (BF16) | NVIDIA | 1 382 | 1 374–1 391 | 5 232 | NVIDIA Open Model |
| 198 | Claude Opus 4 (20250514) | Anthropic | 1 381 | 1 375–1 387 | 14 214 | Proprietary |
| 199 | Grok 3 Mini (High) | xai | 1 379 | 1 371–1 387 | 5 319 | Proprietary |
| 200 | DeepSeek-V3 (0324) | DeepSeek | 1 378 | 1 372–1 384 | 14 363 | MIT |
| 201 | amazon-nova-experimental-chat (10-09) | Amazon | 1 377 | 1 359–1 395 | 968 | Proprietary |
| 202 | INTELLECT-3 | Prime Intellect | 1 376 | 1 362–1 390 | 1 727 | MIT |
| 203 | Gemini 2.5 Flash-Lite Preview (Thinking, 06-17) | 1 376 | 1 369–1 382 | 10 727 | Proprietary | |
| 204 | R1 | DeepSeek | 1 375 | 1 366–1 384 | 3 954 | MIT |
| 205 | NVIDIA-Nemotron-3.5-Lightning-30B-A3B (NVFP4) | NVIDIA | 1 374 | 1 367–1 381 | 8 979 | OpenMDW-1.1 |
| 206 | Grok 3 Mini Beta | xai | 1 373 | 1 366–1 381 | 6 888 | Proprietary |
| 207 | MiniMax M2 | MiniMax | 1 373 | 1 361–1 384 | 2 452 | Apache 2.0 |
| 208 | Qwen2.5 Max | Alibaba Qwen | 1 372 | 1 365–1 379 | 8 555 | Proprietary |
| 209 | Trinity Large Preview | — | 1 371 | 1 365–1 377 | 12 005 | Apache 2.0 |
| 210 | o4-mini (2025-04-16) | OpenAI | 1 367 | 1 361–1 373 | 14 689 | Proprietary |
| 211 | o1 (2024-12-17) | OpenAI | 1 366 | 1 359–1 374 | 6 584 | Proprietary |
| 212 | Granite 4.2 8B | IBM Granite | 1 366 | 1 348–1 384 | 1 162 | Apache 2.0 |
| 213 | Qwen3 32B | Alibaba Qwen | 1 366 | 1 347–1 385 | 843 | Apache 2.0 |
| 214 | Ring-flash-2.0 | inclusionAI | 1 366 | 1 354–1 377 | 2 497 | MIT |
| 215 | Step 3 | StepFun | 1 365 | 1 352–1 378 | 2 090 | Apache 2.0 |
| 216 | o3-mini (High) | OpenAI | 1 364 | 1 354–1 373 | 4 338 | Proprietary |
| 217 | Trinity Large Thinking | Arcee AI | 1 362 | 1 356–1 368 | 12 275 | Apache 2.0 |
| 218 | o1 | OpenAI | 1 362 | 1 354–1 369 | 8 206 | Proprietary |
| 219 | Gemini 2.0 Flash (001) | 1 361 | 1 355–1 367 | 12 122 | Proprietary | |
| 220 | Claude Sonnet 4 (20250514) | Anthropic | 1 361 | 1 355–1 367 | 13 140 | Proprietary |
| 221 | Mistral Small 3.2 (2506) | mistral | 1 360 | 1 353–1 368 | 5 903 | Apache 2.0 |
| 222 | GPT-4.1 mini (2025-04-14) | OpenAI | 1 360 | 1 354–1 366 | 12 394 | Proprietary |
| 223 | Llama 3.3 Nemotron Super 49B v1.5 | NVIDIA | 1 359 | 1 343–1 376 | 1 180 | Nvidia Open |
| 224 | MiniMax M1 | MiniMax | 1 359 | 1 353–1 365 | 11 205 | Apache 2.0 |
| 225 | Gemma 3 27B | 1 354 | 1 348–1 359 | 14 081 | Gemma | |
| 226 | o1-mini | OpenAI | 1 354 | 1 347–1 360 | 13 214 | Proprietary |
| 227 | Step-1o Turbo (202506) | StepFun | 1 353 | 1 342–1 364 | 2 790 | Proprietary |
| 228 | Hunyuan TurboS (20250226) | Tencent | 1 353 | 1 328–1 378 | 470 | Proprietary |
| 229 | GLM 4.5V | Z.ai | 1 352 | 1 338–1 366 | 1 693 | MIT |
| 230 | Granite 4.2 3B | IBM Granite | 1 351 | 1 332–1 369 | 1 192 | Apache 2.0 |
| 231 | OLMo 3.1 32B Instruct | Ai2 | 1 349 | 1 340–1 359 | 3 959 | Apache 2.0 |
| 232 | QwQ 32B | Alibaba Qwen | 1 347 | 1 340–1 354 | 7 348 | Apache 2.0 |
| 233 | GPT-5 nano (High) | OpenAI | 1 345 | 1 334–1 356 | 2 810 | Proprietary |
| 234 | o3 Mini | OpenAI | 1 344 | 1 338–1 349 | 16 579 | Proprietary |
| 235 | Qwen-Plus (0125) | Alibaba | 1 343 | 1 328–1 358 | 1 419 | Proprietary |
| 236 | Qwen3 30B A3B | Alibaba Qwen | 1 340 | 1 333–1 347 | 8 148 | Apache 2.0 |
| 237 | DeepSeek V3 | DeepSeek | 1 336 | 1 328–1 345 | 5 176 | DeepSeek |
| 238 | Command A (03-2025) | Cohere | 1 336 | 1 331–1 341 | 17 971 | CC-BY-NC-4.0 |
| 239 | Gemini 2.0 Flash-Lite Preview (02-05) | 1 335 | 1 327–1 343 | 5 685 | Proprietary | |
| 240 | Hunyuan Turbo (0110) | Tencent | 1 332 | 1 309–1 355 | 517 | Proprietary |
| 241 | OLMo 3 32B Think | Ai2 | 1 332 | 1 318–1 345 | 1 879 | Apache 2.0 |
| 242 | Llama 3.1 Nemotron Ultra 253B v1 | NVIDIA | 1 327 | 1 303–1 350 | 588 | Nvidia Open Model |
| 243 | Claude 3.7 Sonnet (Thinking 32K, 20250219) | Anthropic | 1 324 | 1 317–1 330 | 11 411 | Proprietary |
| 244 | Granite 4.1 8B | IBM Granite | 1 322 | 1 307–1 338 | 1 613 | Apache 2.0 |
| 245 | GLM-4-Plus (0111) | zai | 1 320 | 1 305–1 334 | 1 406 | Proprietary |
| 246 | Mercury | Inception Labs | 1 319 | 1 297–1 342 | 686 | Proprietary |
| 247 | Qwen2.5-Plus (1127) | Alibaba | 1 316 | 1 305–1 327 | 2 391 | Proprietary |
| 248 | Claude 3.5 Sonnet (20241022) | Anthropic | 1 316 | 1 311–1 320 | 25 000 | Proprietary |
| 249 | Step-2 16K Exp (202412) | StepFun | 1 315 | 1 299–1 331 | 1 200 | Proprietary |
| 250 | Claude 3.7 Sonnet (20250219) | Anthropic | 1 314 | 1 308–1 320 | 12 736 | Proprietary |
| 251 | Yi-Lightning | 01.AI | 1 314 | 1 306–1 322 | 7 070 | Proprietary |
| 252 | DeepSeek-V2.5 (1210) | DeepSeek | 1 313 | 1 299–1 327 | 1 688 | DeepSeek |
| 253 | Gemma 3 12B | 1 313 | 1 294–1 331 | 867 | Gemma | |
| 254 | gpt-oss-20b | OpenAI | 1 311 | 1 301–1 321 | 3 591 | Apache 2.0 |
| 255 | Athene V2 Chat | Nexusflow | 1 310 | 1 302–1 318 | 6 182 | NexusFlow |
| 256 | Gemma 3n E4B | 1 307 | 1 300–1 315 | 6 412 | Gemma | |
| 257 | Hunyuan Large (2025-02-10) | Tencent | 1 306 | 1 287–1 325 | 828 | Proprietary |
| 258 | GPT-4.1 nano (2025-04-14) | OpenAI | 1 305 | 1 290–1 319 | 1 454 | Proprietary |
| 259 | Gemini 1.5 Pro (002) | 1 303 | 1 298–1 309 | 14 433 | Proprietary | |
| 260 | Mistral Small 3.1 24B Instruct (2503) | mistral | 1 301 | 1 295–1 308 | 10 900 | Apache 2.0 |
| 261 | OLMo 3.1 32B Think | Ai2 | 1 301 | 1 289–1 313 | 2 671 | Apache 2.0 |
| 262 | Llama 3.3 Nemotron Super 49B v1 | NVIDIA | 1 300 | 1 276–1 324 | 493 | Nvidia |
| 263 | Llama 4 Maverick 17B 128E Instruct | Meta | 1 299 | 1 293–1 305 | 12 285 | Llama 4 |
| 264 | Molmo 2 8B | Ai2 | 1 298 | 1 264–1 332 | 293 | Apache 2.0 |
| 265 | GPT-4o (2024-05-13) | OpenAI | 1 297 | 1 292–1 303 | 31 401 | Proprietary |
| 266 | DeepSeek V2.5 | DeepSeek | 1 295 | 1 287–1 303 | 6 692 | DeepSeek |
| 267 | Grok 2 (2024-08-13) | xai | 1 294 | 1 288–1 300 | 16 648 | Proprietary |
| 268 | Qwen2.5 72B Instruct | Alibaba Qwen | 1 292 | 1 285–1 299 | 10 448 | Qwen |
| 269 | GLM-4-Plus | Z.ai | 1 291 | 1 283–1 299 | 7 097 | Proprietary |
| 270 | GPT-4o mini (2024-07-18) | OpenAI | 1 291 | 1 285–1 296 | 17 795 | Proprietary |
| 271 | Qwen-Max (0919) | Alibaba | 1 291 | 1 281–1 300 | 4 410 | Qwen |
| 272 | Llama 3.1 405B Instruct (BF16) | Meta | 1 290 | 1 284–1 297 | 10 298 | Llama 3.1 Community |
| 273 | Claude 3.5 Sonnet (20240620) | Anthropic | 1 288 | 1 282–1 294 | 22 198 | Proprietary |
| 274 | Llama 4 Scout 17B 16E Instruct | Meta | 1 286 | 1 279–1 292 | 9 505 | Llama |
| 275 | Hunyuan Standard (2025-02-10) | Tencent | 1 285 | 1 265–1 304 | 880 | Proprietary |
| 276 | Magistral Medium (2506) | mistral | 1 284 | 1 274–1 294 | 4 008 | Proprietary |
| 277 | Llama 3.1 Nemotron 70B Instruct | NVIDIA | 1 283 | 1 271–1 296 | 2 081 | Llama 3.1 |
| 278 | Hunyuan Large Vision | Tencent | 1 282 | 1 267–1 296 | 1 761 | Proprietary |
| 279 | Llama 3.1 405B Instruct (FP8) | Meta | 1 281 | 1 275–1 287 | 15 817 | Llama 3.1 Community |
| 280 | Gemini 1.5 Flash (002) | 1 278 | 1 271–1 285 | 9 225 | Proprietary | |
| 281 | GPT-4o (2024-08-06) | OpenAI | 1 277 | 1 271–1 284 | 11 864 | Proprietary |
| 282 | Grok 2 mini (2024-08-13) | xai | 1 277 | 1 271–1 283 | 13 865 | Proprietary |
| 283 | Mistral Large 2 (2407) | mistral | 1 276 | 1 269–1 283 | 12 143 | Mistral Research |
| 284 | Mistral Large (2411) | mistral | 1 274 | 1 267–1 281 | 6 815 | MRL |
| 285 | Llama 3.3 70B Instruct | Meta | 1 273 | 1 267–1 278 | 14 851 | Llama-3.3 |
| 286 | Claude 3.5 Haiku (20241022) | Anthropic | 1 272 | 1 267–1 277 | 19 603 | Proprietary |
| 287 | Gemini 1.5 Pro (001) | 1 272 | 1 266–1 279 | 21 409 | Proprietary | |
| 288 | Amazon Nova Pro 1.0 | Amazon | 1 271 | 1 263–1 278 | 6 163 | Proprietary |
| 289 | Gemma 3 4B | 1 269 | 1 250–1 287 | 986 | Gemma | |
| 290 | GPT-4 Turbo (2024-04-09) | OpenAI | 1 267 | 1 261–1 273 | 27 573 | Proprietary |
| 291 | Gemini Advanced (0514) | 1 266 | 1 259–1 274 | 13 757 | Proprietary | |
| 292 | Athene 70B (0725) | — | 1 265 | 1 256–1 274 | 5 037 | CC-BY-NC-4.0 |
| 293 | Qwen2.5 Coder 32B Instruct | Alibaba Qwen | 1 261 | 1 246–1 276 | 1 381 | Apache 2.0 |
| 294 | Llama 3.1 70B Instruct | Meta | 1 260 | 1 254–1 266 | 14 811 | Llama 3.1 Community |
| 295 | Claude 3 Opus (20240229) | Anthropic | 1 259 | 1 254–1 264 | 54 971 | Proprietary |
| 296 | Granite 4.0 H Small | IBM Granite | 1 253 | 1 239–1 266 | 2 138 | Apache 2.0 |
| 297 | GPT-4 Turbo Preview (1106) | OpenAI | 1 250 | 1 244–1 256 | 26 445 | Proprietary |
| 298 | GPT-4 Turbo Preview (0125) | OpenAI | 1 249 | 1 243–1 256 | 25 603 | Proprietary |
| 299 | Mistral Small 3 | Mistral AI | 1 248 | 1 238–1 258 | 3 478 | Apache 2.0 |
| 300 | Llama 3.1 Tulu 3 70B | Ai2 | 1 242 | 1 222–1 261 | 711 | Llama 3.1 |
Направления рейтинга · 29Выбрано: отрасль: разработка ПО, ИТ-услуги
Направление «отрасль: разработка ПО, ИТ-услуги»: снимок от 28 октября 2026. Строк в полном снимке — 419; строки могут относиться к модели или отдельному режиму. Снимков этого направления в архиве — 105, первый — 5 ноября 2025. 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
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