Klasyfikacja na podstawie rzeczywistego ruchu produkcyjnego OrcaRouter i głosów społeczności w Battle Mode — a nie benchmarków podawanych przez dostawców.
Głosy z Battle Mode na ślepo, uszeregowane modelem Bradleya–Terry’ego (Elo). Kropki pokazują ranking, słupki — 95% przedział ufności. Modele w jednym paśmie są statystycznie równe.
Dwa anonimowe modele odpowiadają na ten sam prompt. Przeczytaj oba, zagłosuj na zwycięzcę, a potem zobacz, kto co napisał — Twój głos zasila ranking powyżej.
| Pozycja | Model | Ranking areny | Metoda | Głosy | Z·P·R |
|---|---|---|---|---|---|
| #1 | Qwen3.7 Max (2026-05-20) | na ślepo · BT | 168 | 129·32·7 | |
| #2 | DEDeepSeek: DeepSeek V4 Pro | na ślepo · BT | 250 | 161·77·12 | |
| OpenAI: GPT-5.4 Pro | na ślepo · BT | 281 | 158·111·12 | ||
| OpenAI: GPT-5.5 | na ślepo · BT | 230 | 109·109·12 | ||
| Qwen: Qwen3.5-35B-A3B | na ślepo · BT | 310 | 149·149·12 | ||
| Qwen3.7 Max | na ślepo · BT | 224 | 84·130·10 | ||
| Anthropic: Claude Opus 4.7 | na ślepo · BT | 247 | 117·117·13 | ||
| Qwen: Qwen3.6 35B A3B | na ślepo · BT | 260 | 124·124·12 | ||
| Anthropic: Claude Opus 4.8 | na ślepo · BT | 245 | 116·116·13 | ||
| Google: Gemma 4 26B A4B | na ślepo · BT | 242 | 114·116·12 | ||
| Qwen: Qwen3.6 Plus | na ślepo · BT | 278 | 108·158·12 | ||
| #12 | KIMoonshotAI: Kimi K2.7 Code | na ślepo · BT | 224 | 119·93·12 | |
| MIMiniMax: MiniMax M3 | na ślepo · BT | 265 | 127·126·12 | ||
| Google: Gemma 4 31B | na ślepo · BT | 273 | 112·149·12 | ||
| OpenAI: GPT-5.5 Pro | na ślepo · BT | 294 | 95·187·12 | ||
| Qwen: Qwen3.5-27B | na ślepo · BT | 213 | 100·101·12 | ||
| ZAZ.ai: GLM 5.2 | na ślepo · BT | 235 | 141·82·12 | ||
| #18 | MIMiniMax: MiniMax M2.7 | na ślepo · BT | 226 | 81·133·12 | |
| Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview) | na ślepo · BT | 281 | 151·118·12 | ||
| OpenAI: GPT-5.4 | na ślepo · BT | 245 | 117·116·12 | ||
| Google: Gemini 3.1 Flash Lite Preview | na ślepo · BT | 285 | 137·136·12 | ||
| MIMiniMax M2.7 highspeed | na ślepo · BT | 246 | 117·117·12 | ||
| OpenAI: GPT-5.4 Nano | na ślepo · BT | 308 | 196·100·12 | ||
| Qwen: Qwen3.7 Plus | na ślepo · BT | 248 | 118·118·12 | ||
| ZAZ.ai: GLM 5.1 | na ślepo · BT | 220 | 104·104·12 | ||
| KLKling: Kling 3.0 Turbo | na ślepo · BT | 256 | 121·123·12 | ||
| Qwen: Qwen3.6 Flash | na ślepo · BT | 188 | 71·105·12 | ||
| #28 | Gemini 3.5 Flash | na ślepo · BT | 285 | 96·177·12 | |
| OpenAI: GPT-5.4 Mini | na ślepo · BT | 206 | 75·122·9 | ||
| DEDeepSeek: DeepSeek V4 Flash | na ślepo · BT | 128 | 61·61·6 |
Parami liczone wskaźniki zwycięstw w Battle Mode — jak często każdy model pokonuje danego rywala w bezpośrednim starciu.
Najsilniejszy model w każdej zdolności — programowanie, matematyka, rozumowanie i inne — z profilem dla każdej osi względem mediany pola.
Niezależne wyniki inteligencji naniesione względem ceny wejścia. Linia przerywana to granica Pareto cena/inteligencja.
Zmierzono na ruchu produkcyjnym OrcaRouter z ostatnich 7 dni.
| Model | Sukces % (7 dni) | p50 | p99 | Błędy % | $/M (wej.→wyj.) | tok/s |
|---|---|---|---|---|---|---|
| openai/gpt-4.1-2025-04-14 | 100.0% | 3.67 s | 7.44 s | 0.0% | $2.00 → $8.00 | 87 |
| Qwen: Qwen3 VL 235B A22B Instruct | 100.0% | 10.00 s | 10.00 s | 0.0% | $0.40 → $1.60 | 74 |
| openai/gpt-3.5-turbo-0125 | 100.0% | 10.00 s | 10.00 s | 0.0% | $0.50 → $1.50 | 1512 |
| openai/gpt-3.5-turbo-1106 | 100.0% | 1.67 s | 4.15 s | 0.0% | $1.00 → $2.00 | 145 |
| OpenAI: GPT-4 | 100.0% | 6.88 s | 8.12 s | 0.0% | $30.00 → $60.00 | 294 |
| OpenAI: GPT-5 | 100.0% | 10.00 s | 10.00 s | 0.0% | $1.25 → $10.00 | 1504 |
| openai/gpt-5.1-chat-latest | 100.0% | 2.38 s | 3.50 s | 0.0% | $1.25 → $10.00 | 110 |
| MIMiniMax M2.7 highspeed | 100.0% | 3.67 s | 3.67 s | 0.0% | $0.60 → $2.40 | 83 |
| OpenAI: GPT-4o (2024-11-20) | 100.0% | 1.83 s | 4.34 s | 0.0% | $2.50 → $10.00 | 177 |
| OpenAI: GPT-5.1-Codex | 100.0% | 1.00 s | 1.83 s | 0.0% | $1.25 → $10.00 | 87 |
| Qwen: Qwen3.5-122B-A10B | 100.0% | 5.00 s | 10.00 s | 0.0% | $0.12 → $0.92 | 89 |
| Qwen: Qwen3.6 Flash | 100.0% | 3.85 s | 10.00 s | 0.0% | $0.25 → $1.50 | 303 |
| qwen/qwen3.6-plus-2026-04-02 | 100.0% | 4.18 s | 7.86 s | 0.0% | $0.28 → $1.65 | 56 |
| MIMiniMax: MiniMax M2.7 | 100.0% | 1.32 s | 10.00 s | 0.0% | $0.30 → $1.20 | 81 |
| OpenAI: GPT-4.1 Nano | 100.0% | 1.36 s | 5.00 s | 0.0% | $0.10 → $0.40 | 99 |
| OpenAI: GPT-4o | 100.0% | 902 ms | 10.00 s | 0.0% | $2.50 → $10.00 | 98 |
| Qwen3.7 Max | 100.0% | 3.89 s | 10.00 s | 0.0% | $1.25 → $3.75 | 56 |
| OpenAI: GPT-5.3-Codex | 100.0% | 1.10 s | 2.89 s | 0.0% | $1.75 → $14.00 | 62 |
| Qwen: Qwen3.7 Plus | 100.0% | 3.96 s | 10.00 s | 0.0% | $0.35 → $1.42 | 58 |
| MIMiniMax: MiniMax M2.5 | 100.0% | 3.50 s | 4.63 s | 0.0% | $0.30 → $1.20 | 100 |
| openai/gpt-5.2-2025-12-11 | 100.0% | 2.50 s | 10.00 s | 0.0% | $1.75 → $14.00 | 74 |
| KIkimi/kimi-k2.6 | 100.0% | 3.92 s | 10.00 s | 0.0% | $0.95 → $4.00 | 36 |
| OpenAI: GPT-3.5 Turbo 16k | 100.0% | 5.00 s | 7.07 s | 0.0% | $3.00 → $4.00 | 103 |
| OpenAI: GPT-4o-mini (2024-07-18) | 100.0% | 5.00 s | 10.00 s | 0.0% | $0.15 → $0.60 | 32 |
| openai/gpt-4o-mini-search-preview-2025-03-11 | 100.0% | 5.19 s | 5.19 s | 0.0% | $0.15 → $0.60 | — |
Które modele faktycznie obsługują ruch produkcyjny OrcaRouter, uszeregowane według przepustowości tokenów w wybranym oknie.
| Pozycja | Model | Udział | Trend |
|---|---|---|---|
| #1 | DEdeepseek-v4-flash | — | |
| #2 | DEdeepseek-v4-pro | — | |
| #3 | ZAglm-5.2 | — | |
| #4 | claude-opus-4.8 | ||
| #5 | DEdeepseek-chat | ||
| #6 | DEdeepseek-reasoner | ||
| #7 | MIminimax-m3 | ||
| #8 | claude-sonnet-5 | — | |
| #9 | claude-opus-4.7 | ||
| #10 | gpt-image-2-medium | — | |
| #11 | qwen3.7-max | ||
| #12 | qwen3.7-plus | ||
| #13 | gemini-3.5-flash | ||
| #14 | qwen3.5-35b-a3b | ||
| #15 | gpt-5.4-nano | ||
| #16 | gemini-2.5-flash-lite | ||
| #17 | gemini-3-flash-preview | ||
| #18 | KIkimi-k2.7-code | — | |
| #19 | gemini-embedding-2-preview | ||
| #20 | ZAglm-5.1 | ||
| #21 | claude-haiku-4.5 | ||
| #22 | GRgrok-4.5 | — | |
| #23 | qwen3.6-plus | ||
| #24 | OBqwen3.6-35b-a3b | ||
| #25 | claude-sonnet-4.6 |
+17 kolejnych modeli poniżej progu rankingowego dla tego okna.
Jak ściśle ranking społeczności odpowiada niezależnym rankingom zewnętrznym, mierzone korelacją rang Spearmana (ρ) i Kendalla (τ).
Ranking areny każdego modelu z ostatnich 90 dni, na podstawie dziennych migawek. Odznaka regresji sygnalizuje trwały spadek.
O czym rozmawia społeczność — liczba wzmianek, dynamika z 14 dni i sentyment. Tylko kontekst, nigdy nie wpływa na ranking.