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