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 | OpenAI: gpt-oss-120b | 65.7 | 99.47% · 910ms | $0.10$0.03 → $0.17 per 1M tokens | <1% | — | AA Math 93.4Wynik matematyczny Artificial Analysis.OR 0.6%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #2 | openai/gpt-5.2-2025-12-11 | 65.1 | 99.11% · 2545ms | $7.88$1.75 → $14 per 1M tokens | <1%▼ | — | AA Math 99.0Wynik matematyczny Artificial Analysis.OR 0.0%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #3 | DeepSeek: DeepSeek V4 Flash | 64.7 | 99.04% · 623ms | $0.22$0.147 → $0.295 per 1M tokens | 20%▼ | — | AA Math 50.0Wynik matematyczny Artificial Analysis.OR 18.2%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #4 | Z.ai: GLM 4.7 | 63.4 | 99.80% · 4066ms | $1.40$0.6 → $2.2 per 1M tokens | <1%▲ | — | AA Math 95.0Wynik matematyczny Artificial Analysis.OR 0.1%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #5 | OpenAI: GPT-5.1-Codex | 63.3 | 99.05% · 1938ms | $5.63$1.25 → $10 per 1M tokens | <1%▲ | — | AA Math 95.7Wynik matematyczny Artificial Analysis.OR 0.0%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #6 | openai/gpt-5-2025-08-07 | 62.7 | 99.25% · 2428ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.3Wynik matematyczny Artificial Analysis.OR 0.0%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #7 | openai/gpt-5.1-2025-11-13 | 62.7 | 99.10% · 2692ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.0Wynik matematyczny Artificial Analysis.OR 0.0%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #8 | openai/gpt-5-mini-2025-08-07 | 62.4 | 99.00% · 1450ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 90.7Wynik matematyczny Artificial Analysis.OR 0.2%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #9 | OpenAI: GPT-5.1-Codex-Mini | 61.4 | 99.18% · 1125ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 91.7Wynik matematyczny Artificial Analysis.OR 0.0%Udział tokenów OpenRouter — realna adopcja ekosystemu. |
| #10 | Google: Gemini 2.5 Pro | 59.9 | 99.50% · 5666ms | $8.75$2.5 → $15 per 1M tokens | <1%▼ | — | AA Math 87.7Wynik matematyczny 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.