Classificati in base al traffico di produzione reale di OrcaRouter e ai voti della community in Battle Mode, non a benchmark dichiarati dai fornitori.
Una classifica combinata per modello — voti LMArena, benchmark indipendenti, adozione dell'ecosistema ed evidenze di produzione OrcaRouter, con pesi pubblici fissi. I nuovi modelli entrano dal primo giorno sulla base di evidenze esterne.
| Posizione | Modello | Punteggio composito | Affidabilità | $/1M misto | Volume | Slancio | Evidenze |
|---|---|---|---|---|---|---|---|
| #1 | DeepSeek: DeepSeek V4 Flash | 79.2 | 99.34% · 423ms | $0.22$0.147 → $0.295 per 1M tokens | — | — | τ² 95.0τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 21.4%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #2 | Z.ai: GLM 5.2 | 72.9 | 99.21% · 7917ms | $2.90$1.4 → $4.4 per 1M tokens | — | — | τ² 99.1τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 5.7%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #3 | DeepSeek: DeepSeek V4 Pro | 70.1 | 99.98% · 935ms | $0.66$0.442 → $0.884 per 1M tokens | — | — | τ² 96.2τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 4.4%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #4 | MiniMax: MiniMax M3 | 63.0 | 100.00% · 3127ms | $0.75$0.3 → $1.2 per 1M tokens | — | — | τ² 88.9τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 2.1%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #5 | Anthropic: Claude Opus 4.8 | 62.0 | 99.40% · 4901ms | $15.00$5 → $25 per 1M tokens | — | — | τ² 94.4τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.8%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #6 | Anthropic: Claude Fable 5 | 61.8 | 99.48% · 4724ms | $30.00$10 → $50 per 1M tokens | — | — | τ² 98.5τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.4%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #7 | Z.ai: GLM 5 | 60.0 | 100.00% · 4571ms | $2.10$1 → $3.2 per 1M tokens | — | — | τ² 98.2τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.1%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #8 | Z.ai: GLM 5.1 | 60.0 | 100.00% · 7076ms | $2.90$1.4 → $4.4 per 1M tokens | — | — | τ² 97.7τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.1%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #9 | Google: Gemini 3.1 Pro Preview | 59.8 | 99.27% · 9136ms | $7.00$2 → $12 per 1M tokens | — | — | τ² 95.6τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.2%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #10 | grok/grok-4.3 | 59.8 | 99.45% · 6985ms | $1.88$1.25 → $2.5 per 1M tokens | — | — | τ² 97.7τ²-Bench — benchmark agentico di uso strumenti, via Artificial Analysis.OR 0.1%Quota token OpenRouter — adozione reale dell'ecosistema. |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Percentuali di vittoria a coppie nel Battle Mode: quanto spesso ogni modello batte ciascun rivale nello scontro diretto.
Punteggi di intelligenza indipendenti tracciati rispetto al prezzo di input. La linea tratteggiata è la frontiera di Pareto prezzo/intelligenza.
Due risposte anonime, un voto. Le tue battaglie alimentano il 20% di evidenza di produzione del punteggio consolidato.
Due modelli anonimi rispondono allo stesso prompt. Leggi entrambi, vota il vincitore e poi scopri chi ha scritto cosa: il tuo voto alimenta la classifica qui sopra.
Ogni numero in questa pagina è misurato, mai autodichiarato. Questo è il metodo completo dietro la classifica combinata — le stesse regole per ogni modello, ogni giorno.
Ogni modello riceve un punteggio composito da quattro famiglie di evidenze indipendenti: preferenza umana alla cieca 40%, benchmark indipendenti 30%, evidenze di produzione OrcaRouter 20% e adozione dell’ecosistema 10%. I pesi sono fissi e pubblici — nessun aggiustamento editoriale, nessun posizionamento a pagamento, nessuna candidatura dei vendor.
La preferenza umana viene dall’Elo comunitario di LMArena — voti ciechi a coppie nelle arene testo e visione (CC-BY-4.0). I benchmark indipendenti combinano Artificial Analysis (Intelligence Index più coding, matematica, GPQA Diamond e τ²-Bench) con SWE-bench Verified, la percentuale di issue GitHub reali risolte. Le evidenze di produzione sono di OrcaRouter: tassi di vittoria in Blind Battle più telemetria live del gateway — tasso di successo, latenza e volume di token instradati. L’adozione usa la quota di token pubblicata da OpenRouter.
Le fonti misurano su scale diverse (Elo, indici 0–100, % risolte), quindi ogni segnale è standardizzato rispetto alla classifica corrente e proiettato su 0–100: 50 è la media della classifica e ogni 15 punti valgono una deviazione standard, con limiti agli estremi. Un modello ha bisogno di almeno due famiglie di evidenze indipendenti per classificarsi, e la tabella elenca i top 25 per punteggio composito.
Le classifiche testo, coding, visione, matematica, ragionamento e agenti ricalcolano la stessa miscela su segnali adatti al segmento — il coding sostituisce i benchmark di codice e SWE-bench Verified, la visione usa l’arena visione di LMArena — e le Blind Battle accoppiano solo modelli dello stesso segmento.
I feed esterni si aggiornano ogni giorno e la telemetria interna è live; i nuovi modelli entrano con evidenze esterne entro 48 ore dal rilascio. Non si usano mai numeri autodichiarati dai vendor, il buzz della community è mostrato solo come contesto e non alimenta mai una posizione, e ogni fonte esterna è accreditata sotto la classifica.
Ogni modello riceve un punteggio combinato da quattro famiglie di evidenze — preferenza umana alla cieca (LMArena), benchmark indipendenti (Artificial Analysis, SWE-bench), affidabilità di produzione OrcaRouter e adozione nell'ecosistema (OpenRouter) — con pesi pubblici fissi 40 / 30 / 20 / 10.
I nuovi modelli entrano in classifica sulla base di evidenze esterne entro 48 ore dal rilascio. La posizione si consolida man mano che si accumulano battaglie della community e traffico di produzione.
I feed esterni si aggiornano ogni giorno e la telemetria OrcaRouter è live; la data di aggiornamento è nell'intestazione.
Un modello richiede almeno due fonti di evidenza indipendenti per essere classificato e la board mostra i primi 25 per punteggio composito — i modelli con evidenze insufficienti restano esclusi finché un'altra fonte non li copre.
Sì — i pulsanti sopra la tabella consolidata passano tra le classifiche testo, coding, visione, matematica, ragionamento e agenti, e le battaglie accoppiano solo modelli comparabili.
Quando un modello raggiunge tre famiglie di evidenze, incluse le battaglie e il traffico di OrcaRouter, la sua posizione si basa sulla combinazione completa e non solo su evidenze esterne.
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench e OpenRouter, più la telemetria di produzione OrcaRouter — tutto attribuito sotto la tabella.
Difficile: pesi pubblici, niente numeri autodichiarati, e battaglie alla cieca più traffico reale ancorano ogni punteggio.
Sì — export JSON/CSV, badge di posizione incorporabile e feed RSS delle variazioni, gratuiti con attribuzione. Link nel footer.