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 | 83.7 | 99.34% · 620ms | $0.22$0.147 → $0.295 per 1M tokens | 19% | — | AA Code 69.1Punteggio coding di Artificial Analysis.OR 18.2%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #2 | OpenAI: GPT-5.6 Luna | 76.1 | 99.97% · 1392ms | $0.70$0.2 → $1.2 per 1M tokens | 16%▲ | — | AA Code 71.4Punteggio coding di Artificial Analysis.OR 5.3%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #3 | Tencent: Hy3 | 72.9 | 99.06% · 3891ms | $0.39$0.18 → $0.59 per 1M tokens | 7%▲ | — | AA Code 58.8Punteggio coding di Artificial Analysis.OR 8.8%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #4 | Anthropic: Claude Opus 5 | 72.5 | 99.32% · 6188ms | $15.00$5 → $25 per 1M tokens | <1% | — | AA Code 78.0Punteggio coding di Artificial Analysis.OR 1.6%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #5 | Z.ai: GLM 5.2 | 72.4 | 99.12% · 4036ms | $2.90$1.4 → $4.4 per 1M tokens | 1%▼ | — | AA Code 68.8Punteggio coding di Artificial Analysis.OR 3.7%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #6 | OpenAI: GPT-5.6 Sol | 71.7 | 99.24% · 6145ms | $12.00$4 → $20 per 1M tokens | <1%▼ | — | AA Code 77.4Punteggio coding di Artificial Analysis.OR 1.4%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #7 | DeepSeek: DeepSeek V4 Pro | 71.2 | 99.87% · 912ms | $0.66$0.442 → $0.884 per 1M tokens | 5%▼ | — | AA Code 68.8Punteggio coding di Artificial Analysis.OR 3.0%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #8 | MoonshotAI: Kimi K3 | 71.1 | 99.48% · 7611ms | $9.00$3 → $15 per 1M tokens | 2%▼ | — | AA Code 76.2Punteggio coding di Artificial Analysis.OR 1.4%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #9 | OpenAI: GPT-5.6 Terra | 68.9 | 99.98% · 4033ms | $7.00$2 → $12 per 1M tokens | 6%▼ | — | AA Code 76.7Punteggio coding di Artificial Analysis.OR 0.8%Quota token OpenRouter — adozione reale dell'ecosistema. |
| #10 | SpaceXAI: Grok 4.6 | 68.0 | 99.24% · 6450ms | $4.00$2 → $6 per 1M tokens | <1% | — | AA Code 76.8Punteggio coding di Artificial Analysis.OR 0.6%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.