Classificados pelo tráfego de produção real do OrcaRouter e pelos votos da comunidade no Battle Mode — e não por benchmarks divulgados pelos fornecedores.
Um ranking combinado por modelo — votos do LMArena, benchmarks independentes, adoção do ecossistema e evidências de produção do OrcaRouter, com pesos públicos fixos. Modelos novos entram desde o primeiro dia com base em evidências externas.
| Posição | Modelo | Pontuação composta | Confiabilidade | $/1M misto | Volume | Impulso | Evidências |
|---|---|---|---|---|---|---|---|
| #1 | DeepSeek: DeepSeek V4 Flash | 79.2 | 99.34% · 423ms | $0.22$0.147 → $0.295 per 1M tokens | 20% | — | τ² 95.0τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 21.4%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #2 | Z.ai: GLM 5.2 | 72.9 | 99.37% · 7876ms | $2.90$1.4 → $4.4 per 1M tokens | 2%▼ | — | τ² 99.1τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 5.7%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #3 | DeepSeek: DeepSeek V4 Pro | 70.1 | 99.98% · 934ms | $0.66$0.442 → $0.884 per 1M tokens | 8%▼ | — | τ² 96.2τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 4.4%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #4 | MiniMax: MiniMax M3 | 63.0 | 100.00% · 3127ms | $0.75$0.3 → $1.2 per 1M tokens | <1%▼ | — | τ² 88.9τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 2.1%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #5 | Anthropic: Claude Opus 4.8 | 62.0 | 99.47% · 4843ms | $15.00$5 → $25 per 1M tokens | <1%▼ | — | τ² 94.4τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.8%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #6 | Anthropic: Claude Fable 5 | 61.8 | 99.50% · 4739ms | $30.00$10 → $50 per 1M tokens | <1%▲ | — | τ² 98.5τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.4%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #7 | Z.ai: GLM 5 | 60.0 | 100.00% · 4571ms | $2.10$1 → $3.2 per 1M tokens | <1%▲ | — | τ² 98.2τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.1%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #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 — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.1%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #9 | Google: Gemini 3.1 Pro Preview | 59.8 | 99.46% · 9136ms | $7.00$2 → $12 per 1M tokens | <1%▲ | — | τ² 95.6τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.2%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
| #10 | grok/grok-4.3 | 59.8 | 99.45% · 6985ms | $1.88$1.25 → $2.5 per 1M tokens | <1%▼ | — | τ² 97.7τ²-Bench — benchmark agêntico de uso de ferramentas, via Artificial Analysis.OR 0.1%Fatia de tokens do OpenRouter — adoção real do ecossistema. |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Taxas de vitória aos pares no Battle Mode — com que frequência cada modelo vence cada rival no confronto direto.
Pontuações de inteligência independentes plotadas em relação ao preço de entrada. A linha tracejada é a fronteira de Pareto preço/inteligência.
Duas respostas anônimas, um voto. Suas batalhas alimentam os 20% de evidência de produção do rank consolidado.
Dois modelos anônimos respondem ao mesmo prompt. Leia os dois, vote no vencedor e depois veja quem escreveu o quê — seu voto alimenta o ranking acima.
Cada número desta página é medido, nunca autodeclarado. Este é o método completo por trás do ranking combinado — as mesmas regras para cada modelo, todos os dias.
Cada modelo recebe uma pontuação composta de quatro famílias de evidência independentes: preferência humana às cegas 40%, benchmarks independentes 30%, evidência de produção do OrcaRouter 20% e adoção do ecossistema 10%. Os pesos são fixos e públicos — sem ajustes editoriais, sem posição paga, sem envios de fornecedores.
A preferência humana vem do Elo comunitário do LMArena — votos cegos em pares nas arenas de texto e visão (CC-BY-4.0). Os benchmarks independentes combinam a Artificial Analysis (Intelligence Index mais programação, matemática, GPQA Diamond e τ²-Bench) com o SWE-bench Verified, a fração de issues reais do GitHub resolvidos. A evidência de produção é do próprio OrcaRouter: taxas de vitória no Blind Battle mais telemetria ao vivo do gateway — taxa de sucesso, latência e volume de tokens roteados. A adoção usa a participação de tokens publicada pelo OpenRouter.
As fontes pontuam em escalas diferentes (Elo, índices 0–100, % resolvido), então cada sinal é padronizado contra o quadro atual e mapeado para 0–100: 50 é a média do quadro e cada 15 pontos valem um desvio padrão, com limites nos extremos. Um modelo precisa de pelo menos duas famílias de evidência independentes para ranquear, e o quadro lista o top 25 por pontuação composta.
Os quadros de texto, programação, visão, matemática, raciocínio e agentes recalculam a mesma mistura sobre sinais adequados ao segmento — programação troca para os benchmarks de código e o SWE-bench Verified, visão usa a arena de visão do LMArena — e os Blind Battles só pareiam modelos do mesmo segmento.
Os feeds externos são atualizados diariamente e a telemetria própria é ao vivo; modelos novos entram com evidência externa em até 48 horas após o lançamento. Nenhum número autodeclarado de fornecedor é usado em lugar algum, o buzz da comunidade aparece apenas como contexto e nunca alimenta uma posição, e toda fonte externa é creditada sob o quadro.
Cada modelo recebe uma pontuação combinada de quatro famílias de evidência — preferência humana às cegas (LMArena), benchmarks independentes (Artificial Analysis, SWE-bench), confiabilidade de produção da OrcaRouter e adoção do ecossistema (OpenRouter) — com pesos públicos fixos de 40 / 30 / 20 / 10.
Modelos novos entram no ranking com base em evidências externas em até 48 horas após o lançamento. A posição se consolida à medida que batalhas da comunidade e tráfego de produção se acumulam.
As fontes externas atualizam diariamente e a telemetria da OrcaRouter é ao vivo; a data de atualização aparece no topo.
Um modelo precisa de pelo menos duas fontes de evidência independentes para ser classificado, e o quadro mostra o top 25 por pontuação composta — modelos com evidência insuficiente ficam de fora até que outra fonte os cubra.
Sim — os botões acima da tabela consolidada alternam entre os rankings de texto, programação, visão, matemática, raciocínio e agentes, e as batalhas só pareiam modelos comparáveis.
Quando um modelo reúne três famílias de evidências, incluindo as batalhas e o tráfego do próprio OrcaRouter, sua posição passa a se basear na combinação completa, e não apenas em evidências externas.
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench e OpenRouter, mais a telemetria de produção da OrcaRouter — tudo atribuído sob o quadro.
Difícil: pesos públicos, nada de números autodeclarados, e batalhas cegas mais tráfego real ancoram cada pontuação.
Sim — exportação JSON/CSV, selo de posição incorporável e feed RSS de mudanças, grátis com atribuição. Links no rodapé.