Рейтинг моделей с изображениями на входе
Динамика рейтинга
Таблица борда
Снимок от 19 октября 2026, категория «общий зачёт». Показано 167 из 167 строк полного снимка. Оценка и интервал — из источника; интервал не равен диапазону мест.
| Место | Модель | Разработчик | Оценка | Интервал | Голоса | Лицензия |
|---|---|---|---|---|---|---|
| 1 | Claude Fable 5 в режиме high | Anthropic | 1 325 | 1 318–1 332 | 14 714 | Proprietary |
| 2 | Claude Opus 5.5 (High) | Anthropic | 1 321 | 1 309–1 333 | 3 035 | Proprietary |
| 3 | Claude Opus 5 (High) | Anthropic | 1 320 | 1 313–1 326 | 17 743 | Proprietary |
| 4 | Claude Fable 5.1 (Max) | Anthropic | 1 319 | 1 310–1 329 | 5 026 | Proprietary |
| 5 | Claude Opus 4.7 | Anthropic | 1 317 | 1 310–1 323 | 23 139 | Proprietary |
| 6 | Claude Opus 4.6 (High) | Anthropic | 1 316 | 1 309–1 322 | 22 286 | Proprietary |
| 7 | Gemini 3.8 Flash (High) | 1 315 | 1 306–1 325 | 4 645 | Proprietary | |
| 8 | Gemini 3.7 Flash (High) | 1 314 | 1 305–1 323 | 5 369 | Proprietary | |
| 9 | Claude Opus 4.7 (High) | Anthropic | 1 313 | 1 307–1 320 | 22 731 | Proprietary |
| 10 | Qwen3.8 Max (0902) | Alibaba Qwen | 1 313 | 1 305–1 320 | 9 957 | Proprietary |
| 11 | Claude Opus 4.6 | Anthropic | 1 312 | 1 306–1 319 | 26 841 | Proprietary |
| 12 | Muse Spark 1.3 (Max) | Meta | 1 308 | 1 299–1 318 | 5 392 | Proprietary |
| 13 | Gemini 3.5 Flash (High) | 1 308 | 1 302–1 315 | 13 862 | Proprietary | |
| 14 | Gemini 3.5 Flash (Medium) | 1 306 | 1 299–1 313 | 14 061 | Proprietary | |
| 15 | Muse Spark | Meta | 1 306 | 1 297–1 315 | 5 865 | Proprietary |
| 16 | Gemini 3 Pro | 1 305 | 1 297–1 312 | 13 623 | Proprietary | |
| 17 | Muse Spark 1.2 (xHigh) | Meta | 1 304 | 1 290–1 319 | 1 948 | Proprietary |
| 18 | GPT-5.4 (High) | OpenAI | 1 303 | 1 297–1 308 | 30 747 | Proprietary |
| 19 | Muse Spark 1.3 (xHigh) | Meta | 1 302 | 1 292–1 311 | 4 897 | Proprietary |
| 20 | Gemini 3.6 Flash (High) | 1 299 | 1 291–1 307 | 8 979 | Proprietary | |
| 21 | GPT-5.5 | OpenAI | 1 297 | 1 291–1 303 | 28 781 | Proprietary |
| 22 | Gemini 3.1 Pro Preview | 1 296 | 1 291–1 301 | 47 114 | Proprietary | |
| 23 | Claude Opus 4.8 (High) | Anthropic | 1 294 | 1 288–1 301 | 18 303 | Proprietary |
| 24 | GLM 5.3 Flash | Z.ai | 1 294 | 1 288–1 300 | 16 254 | MIT |
| 25 | GPT-5.5 (High) | OpenAI | 1 293 | 1 287–1 299 | 27 067 | Proprietary |
| 26 | Muse Spark 1.1 | Meta | 1 293 | 1 286–1 299 | 12 804 | Proprietary |
| 27 | GPT-5.4 | OpenAI | 1 292 | 1 286–1 298 | 22 804 | Proprietary |
| 28 | Claude Opus 4.8 | Anthropic | 1 289 | 1 282–1 295 | 18 800 | Proprietary |
| 29 | GPT-6.1 Sol (Max) | OpenAI | 1 288 | 1 275–1 301 | 2 330 | Proprietary |
| 30 | Claude Sonnet 5.5 (xHigh) | Anthropic | 1 287 | 1 275–1 300 | 2 564 | Proprietary |
| 31 | Grok 4.5 | xAI | 1 287 | 1 280–1 294 | 12 599 | Proprietary |
| 32 | Gemini 3 Flash | 1 285 | 1 280–1 290 | 39 131 | Proprietary | |
| 33 | Claude Sonnet 4.6 | Anthropic | 1 283 | 1 277–1 289 | 27 408 | Proprietary |
| 34 | Kimi K2.6 | Moonshot AI | 1 282 | 1 275–1 289 | 16 368 | Modified MIT |
| 35 | GPT-5.6 Sol (xHigh) | OpenAI | 1 281 | 1 273–1 288 | 11 439 | Proprietary |
| 36 | GPT-6 Astra (Max) | OpenAI | 1 280 | 1 270–1 290 | 4 012 | Proprietary |
| 37 | Qwen3.7 Plus | Alibaba Qwen | 1 278 | 1 271–1 285 | 14 212 | Proprietary |
| 38 | DeepSeek-V4.1-Flash-20260910 (Max) | DeepSeek | 1 278 | 1 268–1 288 | 4 100 | MIT |
| 39 | Gemma 4 31B | 1 276 | 1 271–1 282 | 40 219 | Apache 2.0 | |
| 40 | Dola Seed 2.0 Pro | ByteDance | 1 274 | 1 267–1 282 | 10 972 | Proprietary |
| 41 | Claude Sonnet 5 (High) | Anthropic | 1 273 | 1 266–1 279 | 14 034 | Proprietary |
| 42 | Mistral Large 4 | Mistral AI | 1 272 | 1 253–1 291 | 1 008 | Proprietary |
| 43 | GPT-5.6 Terra (xHigh) | OpenAI | 1 271 | 1 264–1 278 | 11 842 | Proprietary |
| 44 | Qwen3.8 27B | Alibaba Qwen | 1 269 | 1 261–1 278 | 7 614 | Apache 2.0 |
| 45 | Gemini 3.5 Flash-Lite | 1 269 | 1 261–1 277 | 9 238 | Proprietary | |
| 46 | Kimi K2.5 (Thinking) | moonshot | 1 269 | 1 263–1 275 | 28 249 | Modified MIT |
| 47 | GPT-5.2 Chat (20260210) | OpenAI | 1 268 | 1 261–1 274 | 16 465 | Proprietary |
| 48 | Gemini 3 Flash (Minimal) | 1 266 | 1 260–1 271 | 37 173 | Proprietary | |
| 49 | Step 5 Preview | StepFun | 1 265 | 1 250–1 280 | 1 649 | Proprietary |
| 50 | GLM 5V Turbo | Z.ai | 1 264 | 1 259–1 269 | 42 757 | Proprietary |
| 51 | Gemini 2.5 Pro | 1 263 | 1 259–1 268 | 88 755 | Proprietary | |
| 52 | Grok 4.6 (High) | xai | 1 263 | 1 255–1 271 | 7 261 | Proprietary |
| 53 | MiMo-V2.6-Pro | Xiaomi | 1 263 | 1 248–1 278 | 1 754 | MIT |
| 54 | Qwen3.5 397B A17B | Alibaba Qwen | 1 262 | 1 257–1 268 | 32 657 | Apache 2.0 |
| 55 | Grok 4.20 Beta (Reasoning, 0309) | xai | 1 262 | 1 256–1 268 | 26 796 | Proprietary |
| 56 | Gemma 4 26B A4B | 1 260 | 1 253–1 266 | 23 922 | Apache 2.0 | |
| 57 | Grok 4.20 Multi-Agent Beta (0309) | xai | 1 259 | 1 253–1 265 | 24 532 | Proprietary |
| 58 | GPT-5.6 Luna (xHigh) | OpenAI | 1 257 | 1 250–1 265 | 11 055 | Proprietary |
| 59 | MiMo-V2.6-Flash | Xiaomi | 1 256 | 1 245–1 267 | 3 618 | MIT |
| 60 | Kimi K2.5 (Instant) | moonshot | 1 254 | 1 243–1 264 | 4 111 | Modified MIT |
| 61 | Gemini 2.5 Flash Preview (09-2025) | 1 254 | 1 244–1 263 | 4 792 | Proprietary | |
| 62 | MiniMax M3 | MiniMax | 1 251 | 1 245–1 257 | 19 844 | MiniMax Community License |
| 63 | GPT-5.5 Instant | OpenAI | 1 250 | 1 241–1 258 | 7 590 | Proprietary |
| 64 | GPT-5.1 (High) | OpenAI | 1 250 | 1 242–1 257 | 9 848 | Proprietary |
| 65 | ERNIE-5.0-Preview (1220) | Baidu | 1 248 | 1 237–1 260 | 3 349 | Proprietary |
| 66 | MiMo-V2.5 | Xiaomi | 1 247 | 1 241–1 253 | 29 381 | MIT |
| 67 | Qwen3 VL 235B A22B Instruct | Alibaba Qwen | 1 247 | 1 240–1 254 | 12 724 | Apache 2.0 |
| 68 | GPT-5.2 (High) | OpenAI | 1 246 | 1 240–1 252 | 19 022 | Proprietary |
| 69 | GPT-5.4 mini (High) | OpenAI | 1 245 | 1 239–1 251 | 25 734 | Proprietary |
| 70 | Qwen3.5-122B-A10B | Alibaba Qwen | 1 244 | 1 238–1 251 | 13 236 | Apache 2.0 |
| 71 | ChatGPT-4o Latest (20250326) | OpenAI | 1 243 | 1 238–1 249 | 23 400 | Proprietary |
| 72 | Qwen3.5-27B | Alibaba Qwen | 1 241 | 1 236–1 246 | 30 272 | Apache 2.0 |
| 73 | Gemini 3.1 Flash-Lite Preview | 1 240 | 1 234–1 246 | 27 657 | Proprietary | |
| 74 | GPT-6 Sol (Max) | OpenAI | 1 240 | 1 229–1 251 | 3 221 | Proprietary |
| 75 | Inkling Small | Thinking Machines Lab | 1 237 | 1 229–1 245 | 8 074 | Apache 2.0 |
| 76 | Gemini 2.5 Flash | 1 235 | 1 231–1 240 | 60 087 | Proprietary | |
| 77 | GPT-5.1 | OpenAI | 1 235 | 1 227–1 242 | 10 801 | Proprietary |
| 78 | GPT-5 Chat | OpenAI | 1 232 | 1 225–1 239 | 39 894 | Proprietary |
| 79 | Grok 4.7 (xHigh) | xai | 1 231 | 1 220–1 242 | 3 736 | Proprietary |
| 80 | Grok 4.3 | xAI | 1 229 | 1 223–1 235 | 27 901 | Proprietary |
| 81 | GPT-5.2 | OpenAI | 1 229 | 1 223–1 235 | 20 100 | Proprietary |
| 82 | MiMo-V2 Omni | Xiaomi | 1 228 | 1 220–1 235 | 10 650 | Proprietary |
| 83 | Mistral Medium 3.5 | Mistral AI | 1 222 | 1 213–1 232 | 5 375 | Modified MIT |
| 84 | Mistral Large 3 | mistral | 1 220 | 1 212–1 228 | 9 254 | Apache 2.0 |
| 85 | GPT-6 Luna (Max) | OpenAI | 1 216 | 1 205–1 227 | 3 662 | Proprietary |
| 86 | o3 (2025-04-16) | OpenAI | 1 214 | 1 208–1 221 | 45 567 | Proprietary |
| 87 | Qwen-VL-Max (2025-08-13) | Alibaba | 1 213 | 1 201–1 225 | 3 170 | Proprietary |
| 88 | GPT-4.1 (2025-04-14) | OpenAI | 1 210 | 1 204–1 217 | 40 998 | Proprietary |
| 89 | Grok 4 (0709) | xai | 1 210 | 1 203–1 218 | 30 173 | Proprietary |
| 90 | GPT-5 (High) | OpenAI | 1 208 | 1 201–1 215 | 34 445 | Proprietary |
| 91 | Qwen3 VL 235B A22B Thinking | Alibaba Qwen | 1 207 | 1 195–1 219 | 2 387 | Apache 2.0 |
| 92 | NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) | NVIDIA | 1 205 | 1 192–1 218 | 2 509 | OpenMDW-1.1 |
| 93 | GPT-5 mini (High) | OpenAI | 1 202 | 1 194–1 210 | 28 943 | Proprietary |
| 94 | Grok 4.1 Fast (Reasoning) | xai | 1 201 | 1 194–1 208 | 13 368 | Proprietary |
| 95 | Gemini 2.5 Flash-Lite Preview (Non-Thinking, 09-2025) | 1 198 | 1 189–1 208 | 4 862 | Proprietary | |
| 96 | GPT-5.4 nano (High) | OpenAI | 1 196 | 1 189–1 202 | 25 624 | Proprietary |
| 97 | GPT-4.5 Preview (2025-02-27) | OpenAI | 1 195 | 1 183–1 207 | 2 925 | Proprietary |
| 98 | o4-mini (2025-04-16) | OpenAI | 1 194 | 1 187–1 201 | 41 316 | Proprietary |
| 99 | Claude Opus 4 (Thinking 16K, 20250514) | Anthropic | 1 192 | 1 176–1 208 | 1 290 | Proprietary |
| 100 | Claude Sonnet 4 (Thinking 32K, 20250514) | Anthropic | 1 191 | 1 174–1 208 | 1 144 | Proprietary |
| 101 | Gemini 2.5 Flash-Lite Preview (Thinking, 06-17) | 1 187 | 1 180–1 195 | 35 914 | Proprietary | |
| 102 | Step-1o Turbo (202506) | StepFun | 1 186 | 1 172–1 200 | 1 895 | Proprietary |
| 103 | GPT-4.1 mini (2025-04-14) | OpenAI | 1 181 | 1 174–1 189 | 40 201 | Proprietary |
| 104 | Hunyuan Large Vision | Tencent | 1 180 | 1 164–1 196 | 1 274 | Proprietary |
| 105 | Hunyuan Vision 1.5 Thinking | Tencent | 1 180 | 1 168–1 192 | 2 424 | Proprietary |
| 106 | Step 3 | StepFun | 1 176 | 1 165–1 188 | 3 193 | Apache 2.0 |
| 107 | Claude Opus 4 (20250514) | Anthropic | 1 176 | 1 163–1 189 | 2 172 | Proprietary |
| 108 | Claude Sonnet 4 (20250514) | Anthropic | 1 175 | 1 161–1 189 | 1 806 | Proprietary |
| 109 | Mistral Medium 3.1 (2508) | mistral | 1 172 | 1 166–1 178 | 41 611 | Proprietary |
| 110 | Claude 3.7 Sonnet (Thinking 32K, 20250219) | Anthropic | 1 169 | 1 153–1 184 | 1 436 | Proprietary |
| 111 | o1 (2024-12-17) | OpenAI | 1 168 | 1 158–1 179 | 3 694 | Proprietary |
| 112 | Gemma 3 27B | 1 165 | 1 157–1 173 | 16 982 | Gemma | |
| 113 | GLM 4.6V | Z.ai | 1 164 | 1 150–1 178 | 2 455 | MIT |
| 114 | Gemini 1.5 Pro (002) | 1 161 | 1 152–1 170 | 8 902 | Proprietary | |
| 115 | GPT-5 nano (High) | OpenAI | 1 159 | 1 148–1 171 | 3 928 | Proprietary |
| 116 | Gemini 2.0 Flash (001) | 1 158 | 1 151–1 165 | 10 135 | Proprietary | |
| 117 | Mistral Medium 3 (2505) | mistral | 1 157 | 1 149–1 165 | 10 793 | Proprietary |
| 118 | GLM 4.5V | Z.ai | 1 154 | 1 143–1 166 | 3 243 | MIT |
| 119 | Qwen2.5-VL 32B Instruct | Alibaba Qwen | 1 152 | 1 137–1 168 | 1 490 | Apache 2.0 |
| 120 | Claude 3.7 Sonnet (20250219) | Anthropic | 1 151 | 1 142–1 160 | 4 517 | Proprietary |
| 121 | Mistral Small 3.2 (2506) | mistral | 1 142 | 1 133–1 151 | 10 843 | Apache 2.0 |
| 122 | Llama 4 Maverick 17B 128E Instruct | Meta | 1 142 | 1 133–1 151 | 6 923 | Llama 4 |
| 123 | Gemini 1.5 Flash (002) | 1 141 | 1 131–1 151 | 7 241 | Proprietary | |
| 124 | GPT-4o (2024-05-13) | OpenAI | 1 137 | 1 128–1 145 | 23 273 | Proprietary |
| 125 | Mistral Small 3.1 24B Instruct (2503) | mistral | 1 136 | 1 128–1 145 | 28 490 | Apache 2.0 |
| 126 | Claude 3.5 Sonnet (20241022) | Anthropic | 1 126 | 1 118–1 133 | 10 374 | Proprietary |
| 127 | Step-1o Vision 32K (High Res) | StepFun | 1 122 | 1 109–1 134 | 2 833 | Proprietary |
| 128 | Claude 3.5 Sonnet (20240620) | Anthropic | 1 120 | 1 110–1 130 | 21 624 | Proprietary |
| 129 | Llama 4 Scout 17B 16E Instruct | Meta | 1 118 | 1 109–1 128 | 6 446 | Llama |
| 130 | Qwen2.5 VL 72B Instruct | Alibaba Qwen | 1 107 | 1 097–1 118 | 3 768 | Qwen |
| 131 | Gemini 2.0 Flash-Lite Preview (02-05) | 1 100 | 1 090–1 111 | 3 991 | Proprietary | |
| 132 | Claude 3.5 Haiku (20241022) | Anthropic | 1 093 | 1 076–1 109 | 1 398 | Proprietary |
| 133 | GPT-4 Turbo (2024-04-09) | OpenAI | 1 090 | 1 078–1 101 | 13 391 | Proprietary |
| 134 | Pixtral Large (2411) | mistral | 1 089 | 1 080–1 099 | 5 423 | MRL |
| 135 | Gemini 1.5 Pro (001) | 1 088 | 1 077–1 100 | 16 734 | Proprietary | |
| 136 | Molmo 2 8B | Ai2 | 1 081 | 1 061–1 101 | 1 190 | Apache 2.0 |
| 137 | GPT-4o mini (2024-07-18) | OpenAI | 1 066 | 1 057–1 074 | 17 341 | Proprietary |
| 138 | GPT-4o (2024-08-06) | OpenAI | 1 065 | 1 052–1 077 | 3 376 | Proprietary |
| 139 | GPT-4.1 nano (2025-04-14) | OpenAI | 1 063 | 1 045–1 082 | 1 211 | Proprietary |
| 140 | Qwen-VL-Max (1119) | Alibaba | 1 058 | 1 041–1 074 | 1 422 | Proprietary |
| 141 | Qwen2-VL 72B | Alibaba Qwen | 1 047 | 1 037–1 057 | 5 937 | Qwen |
| 142 | Step-1V 32k | StepFun | 1 046 | 1 029–1 063 | 1 534 | Proprietary |
| 143 | Gemini 1.5 Flash-8B (001) | 1 044 | 1 033–1 055 | 6 243 | Proprietary | |
| 144 | Claude 3 Opus (20240229) | Anthropic | 1 023 | 1 013–1 033 | 15 565 | Proprietary |
| 145 | Molmo 72B (0924) | Ai2 | 1 012 | 999–1 025 | 3 048 | Apache 2.0 |
| 146 | Pixtral 12B (2409) | mistral | 1 009 | 999–1 018 | 7 511 | Apache 2.0 |
| 147 | Gemini 1.5 Flash (001) | 1 008 | 996–1 020 | 13 260 | Proprietary | |
| 148 | InternVL2 26B | OpenGVLab | 1 005 | 992–1 017 | 5 148 | MIT |
| 149 | Llama 3.2 90B Vision Instruct | Meta | 1 000 | 990–1 009 | 8 682 | Llama 3.2 |
| 150 | Hunyuan Standard Vision (2024-12-31) | Tencent | 999 | 978–1 020 | 809 | Proprietary |
| 151 | Aya Vision 32B | Cohere | 996 | 974–1 018 | 847 | CC-BY-NC-4.0 |
| 152 | Amazon Nova Lite 1.0 | Amazon | 990 | 975–1 005 | 1 854 | Proprietary |
| 153 | Qwen2-VL 7B Instruct | Alibaba Qwen | 990 | 979–1 000 | 5 766 | Apache 2.0 |
| 154 | Claude 3 Sonnet (20240229) | Anthropic | 984 | 973–995 | 12 314 | Proprietary |
| 155 | Amazon Nova Pro 1.0 | Amazon | 980 | 967–994 | 2 335 | Proprietary |
| 156 | Yi-Vision | 01.AI | 978 | 960–996 | 1 219 | Proprietary |
| 157 | Llama 3.2 11B Vision Instruct | Meta | 966 | 955–978 | 4 817 | Llama 3.2 |
| 158 | Molmo 7B-D (0924) | Ai2 | 959 | 945–973 | 2 815 | Apache 2.0 |
| 159 | Claude 3 Haiku (20240307) | Anthropic | 950 | 938–963 | 13 380 | Proprietary |
| 160 | InternVL2 4B | OpenGVLab | 941 | 929–954 | 3 703 | MIT |
| 161 | NVILA 15B | NVIDIA | 940 | 920–960 | 1 077 | - |
| 162 | LLaVA 1.6 34B | — | 936 | 924–949 | 4 531 | Apache 2.0 |
| 163 | CogVLM2 Llama3 Chat 19B | Z.ai | 928 | 912–943 | 1 991 | CogVLM2 |
| 164 | LLaVA-OneVision Qwen2 72B OV | — | 923 | 905–941 | 1 321 | Apache 2.0 |
| 165 | MiniCPM-V 2.6 | OpenBMB | 912 | 896–928 | 1 987 | Apache 2.0 |
| 166 | Phi-3.5 Vision Instruct | Microsoft | 851 | 836–867 | 2 592 | MIT |
| 167 | Phi-3 Vision 128K Instruct | Microsoft | 812 | 793–830 | 1 401 | MIT |
Направления рейтинга · 11Выбрано: общий зачёт
Направление «общий зачёт»: снимок от 19 октября 2026. Строк в полном снимке — 167; строки могут относиться к модели или отдельному режиму. Снимков этого направления в архиве — 152, первый — 29 июня 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.
«Изображения на входе» — направление, где сравнивают ответы моделей на запросы с изображением. Человек видит два ответа и выбирает один; такой выбор и есть единица выборки — голос. Оценка строки тем выше, чем чаще её ответы выбирали в парах, — с поправкой на то, с кем строку сравнивали.
Снимок опубликован 27 августа 2026 года, в нём 148 строк; наблюдения по направлению идут с 29 июня 2024 года. Строка не всегда равна модели: 22 строки снимка описывают отдельные режимы, а первые десять строк относятся к семи разным моделям.
Рядом с оценкой стоит интервал: это границы самой оценки, а не набор мест, которые строка может занимать. В первой десятке его ширина — примерно от 13 до 19 пунктов шкалы. Самый узкий интервал — у строки с 25 210 голосами, самый широкий — у строки с 5 585 голосами.
Цену, контекст и доступность снимок не измеряет. Кроме общего зачёта, у направления есть ещё девять категорий, но состав задач внутри них снимок не описывает — известны только названия.
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 27 августа 2026 года все девять соседних пар строк перекрываются интервалами: рядом стоящие строки снимок не разделяет. Интервалы первой и десятой строки при этом не пересекаются — разброс оценок десятки на ту же дату составляет 23 пункта шкалы при ширине интервала одной строки примерно в 13–19 пунктов. Поэтому верхняя часть таблицы работает как короткий список кандидатов, а выбор внутри него опирается на цену, контекст и доступность: их снимок не измеряет.
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 моделей для русского языка
- Рейтинг генерации изображений
- Рейтинг генерации видео
- Рейтинг редактирования видео
- Рейтинг моделей для веб-разработки
Вопросы и ответы
Какой срез выбрать для чтения скриншота: распознавание текста или схемы и диаграммы?
Для переноса надписей и чисел ближе «распознавание текста». Если нужно объяснить связи, оси или тенденции на графике, смотрите «схемы и диаграммы». Один скриншот может требовать обоих действий: правильно прочитать подпись ещё не означает правильно истолковать изображение.
Как проверить, что модель верно прочитала числа на графике?
Попросите сначала перечислить названия осей, единицы и видимые значения, а уже затем делать вывод. Сверьте эту расшифровку с картинкой или исходной таблицей. Так проще отделить ошибку чтения подписи от ошибки рассуждения; правдоподобный итоговый абзац может скрывать любую из них.
Как считается и откуда данные · данные обновлены 4 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 19 октября 2026
Полная методика: источники, частота обновления, что означает число