Klasyfikacja na podstawie rzeczywistego ruchu produkcyjnego OrcaRouter i głosów społeczności w Battle Mode — a nie benchmarków podawanych przez dostawców.
Jeden łączony ranking dla każdego modelu — głosy LMArena, niezależne benchmarki, adopcja w ekosystemie i dane produkcyjne OrcaRouter, ze stałymi publicznymi wagami. Nowe modele wchodzą od pierwszego dnia na podstawie zewnętrznych dowodów.
| Pozycja | Model | Wynik łączny | Niezawodność | $/1M łączone | Wolumen | Impet | Dowody |
|---|---|---|---|---|---|---|---|
| #1 | DeepSeek: DeepSeek V4 Flash | 79.2 | 99.35% · 423ms | $0.22$0.147 → $0.295 per 1M tokens | 20% | — | τ² 95.0τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 21.4%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #2 | Z.ai: GLM 5.2 | 72.9 | 99.39% · 7850ms | $2.90$1.4 → $4.4 per 1M tokens | 2%▼ | — | τ² 99.1τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 5.7%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #3 | DeepSeek: DeepSeek V4 Pro | 70.1 | 99.98% · 934ms | $0.66$0.442 → $0.884 per 1M tokens | 8%▼ | — | τ² 96.2τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 4.4%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #4 | MiniMax: MiniMax M3 | 63.0 | 100.00% · 3127ms | $0.75$0.3 → $1.2 per 1M tokens | <1%▼ | — | τ² 88.9τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 2.1%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #5 | Anthropic: Claude Opus 4.8 | 62.0 | 99.45% · 4888ms | $15.00$5 → $25 per 1M tokens | <1%▼ | — | τ² 94.4τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.8%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #6 | Anthropic: Claude Fable 5 | 61.8 | 99.11% · 4817ms | $30.00$10 → $50 per 1M tokens | <1%▲ | — | τ² 98.5τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.4%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #7 | Z.ai: GLM 5 | 60.0 | 100.00% · 4571ms | $2.10$1 → $3.2 per 1M tokens | <1%▲ | — | τ² 98.2τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.1%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #8 | Z.ai: GLM 5.1 | 60.0 | 100.00% · 7076ms | $2.90$1.4 → $4.4 per 1M tokens | <1%▼ | — | τ² 97.7τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.1%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #9 | Google: Gemini 3.1 Pro Preview | 59.8 | 99.02% · 9100ms | $7.00$2 → $12 per 1M tokens | <1%▲ | — | τ² 95.6τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.2%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #10 | grok/grok-4.3 | 59.8 | 99.45% · 6985ms | $1.88$1.25 → $2.5 per 1M tokens | <1%▼ | — | τ² 97.7τ²-Bench — agentowy benchmark użycia narzędzi, via Artificial Analysis.OR 0.1%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Parami liczone wskaźniki zwycięstw w Battle Mode — jak często każdy model pokonuje danego rywala w bezpośrednim starciu.
Niezależne wyniki inteligencji naniesione względem ceny wejścia. Linia przerywana to granica Pareto cena/inteligencja.
Dwie anonimowe odpowiedzi, jeden głos. Twoje bitwy zasilają 20% wagi dowodów produkcyjnych w rankingu skonsolidowanym.
Dwa anonimowe modele odpowiadają na ten sam prompt. Przeczytaj oba, zagłosuj na zwycięzcę, a potem zobacz, kto co napisał — Twój głos zasila ranking powyżej.
Każda liczba na tej stronie jest zmierzona, nigdy deklarowana przez dostawcę. Oto pełna metoda stojąca za łączonym rankingiem — te same zasady dla każdego modelu, każdego dnia.
Każdy model otrzymuje wynik złożony z czterech niezależnych rodzin dowodów: ślepe preferencje ludzi 40%, niezależne benchmarki 30%, dane produkcyjne OrcaRouter 20% i adopcja w ekosystemie 10%. Wagi są stałe i publiczne — bez redakcyjnych korekt, bez płatnych miejsc, bez zgłoszeń od dostawców.
Preferencje ludzi pochodzą ze społecznościowego Elo LMArena — ślepe głosowania parami na arenie tekstowej i wizyjnej (CC-BY-4.0). Niezależne benchmarki łączą Artificial Analysis (Intelligence Index oraz programowanie, matematykę, GPQA Diamond i τ²-Bench) z SWE-bench Verified — odsetkiem rozwiązanych prawdziwych issue z GitHuba. Dane produkcyjne są własne OrcaRouter: wyniki Blind Battle plus telemetria bramki na żywo — skuteczność, opóźnienie i wolumen routowanych tokenów. Adopcja korzysta z publikowanego przez OpenRouter udziału tokenów.
Źródła oceniają w różnych skalach (Elo, indeksy 0–100, % rozwiązanych), więc każdy sygnał jest standaryzowany względem bieżącej tabeli i mapowany na 0–100: 50 to średnia tabeli, a każde 15 punktów to jedno odchylenie standardowe, z ograniczeniem na krańcach. Model potrzebuje co najmniej dwóch niezależnych rodzin dowodów, by w ogóle być sklasyfikowanym, a tabela pokazuje top 25 według wyniku złożonego.
Tabele tekst, programowanie, wizja, matematyka, rozumowanie i agenci przeliczają tę samą mieszankę na sygnałach właściwych segmentowi — programowanie podmienia benchmarki kodu i SWE-bench Verified, wizja używa areny wizyjnej LMArena — a Blind Battle łączy wyłącznie modele z tego samego segmentu.
Zewnętrzne źródła odświeżają się codziennie, a własna telemetria działa na żywo; nowe modele wchodzą na podstawie zewnętrznych dowodów w ciągu 48 godzin od premiery. Nigdzie nie używa się liczb deklarowanych przez dostawców, szum społeczności jest pokazywany tylko jako kontekst i nigdy nie wpływa na pozycję, a każde zewnętrzne źródło jest podpisane pod tabelą.
Każdy model otrzymuje łączny wynik z czterech rodzin dowodów — ślepych preferencji ludzi (LMArena), niezależnych benchmarków (Artificial Analysis, SWE-bench), niezawodności produkcyjnej OrcaRouter i adopcji w ekosystemie (OpenRouter) — z ustalonymi publicznymi wagami 40 / 30 / 20 / 10.
Nowe modele trafiają do rankingu na podstawie zewnętrznych dowodów w ciągu 48 godzin od premiery. Pozycja umacnia się w miarę gromadzenia bitew społeczności i ruchu produkcyjnego.
Źródła zewnętrzne odświeżają się codziennie, telemetria OrcaRouter działa na żywo; data aktualizacji jest w nagłówku.
Model potrzebuje co najmniej dwóch niezależnych źródeł dowodów, aby znaleźć się w rankingu, a tablica pokazuje top 25 według łącznego wyniku — modele o zbyt skąpych danych pozostają nieuwzględnione, dopóki nie obejmie ich kolejne źródło.
Tak — przyciski nad skonsolidowaną tabelą przełączają rankingi: tekst, programowanie, wizja, matematyka, rozumowanie i agenci, a bitwy łączą tylko porównywalne modele.
Gdy model zgromadzi trzy rodziny dowodów, w tym własne dane OrcaRouter o bitwach i ruchu, jego pozycja opiera się na pełnym połączeniu, a nie tylko na zewnętrznych dowodach.
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench i rankingi OpenRouter oraz telemetria produkcyjna OrcaRouter — wszystko opisane pod tabelą.
Trudno: wagi są publiczne, nie używamy danych deklarowanych, a ślepe bitwy i realny ruch kotwiczą każdy wynik.
Tak — eksport JSON/CSV, osadzany znaczek pozycji i kanał RSS zmian są darmowe z podaniem źródła. Linki w stopce.