Ранжирование по реальному рабочему трафику OrcaRouter и голосам сообщества в Battle Mode — а не по бенчмаркам от производителей.
Один сводный рейтинг для каждой модели — голоса LMArena, независимые бенчмарки, распространённость в экосистеме и производственные данные OrcaRouter с фиксированными публичными весами. Новые модели попадают в рейтинг с первого дня на основе внешних данных.
| Ранг | Модель | Композит | Надёжность | $/1M смеш. | Объём | Динамика | Доказательства |
|---|---|---|---|---|---|---|---|
| #1 | Anthropic: Claude Opus 5 | 74.2 | 99.77% · 3883ms | $15.00$5 → $25 per 1M tokens | <1% | — | AA 63.1Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 1.9%Доля токенов OpenRouter — реальная распространённость. |
| #2 | OpenAI: GPT-5.6 Luna | 73.8 | 99.44% · 3256ms | $0.70$0.2 → $1.2 per 1M tokens | 12% | — | AA 52.3Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 6.7%Доля токенов OpenRouter — реальная распространённость. |
| #3 | OpenAI: GPT-5.4 Pro | 72.2 | 99.25% · 9000ms | $165.00$60 → $270 per 1M tokens | <1%▼ | — | AA 66.0Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).Win 58.7%Процент побед в Blind Battle OrcaRouter — слепые парные голоса нашего сообщества. |
| #4 | MoonshotAI: Kimi K3 | 72.2 | 99.40% · 7738ms | $9.00$3 → $15 per 1M tokens | 8% | — | AA 59.7Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 2.0%Доля токенов OpenRouter — реальная распространённость. |
| #5 | Z.ai: GLM 5.2 | 71.6 | 99.62% · 5211ms | $2.90$1.4 → $4.4 per 1M tokens | 3%▼ | — | AA 52.6Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 4.9%Доля токенов OpenRouter — реальная распространённость.Win 63.6%Процент побед в Blind Battle OrcaRouter — слепые парные голоса нашего сообщества. |
| #6 | OpenAI: GPT-5.6 Sol | 69.8 | 99.34% · 6136ms | $17.50$5 → $30 per 1M tokens | <1% | — | AA 60.9Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 0.9%Доля токенов OpenRouter — реальная распространённость. |
| #7 | Qwen3.7 Max (2026-05-20) | 69.2 | 99.14% · 10000ms | $2.50$1.25 → $3.75 per 1M tokens | <1%▲ | — | AA 46.7Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 0.1%Доля токенов OpenRouter — реальная распространённость.Win 80.1%Процент побед в Blind Battle OrcaRouter — слепые парные голоса нашего сообщества. |
| #8 | OpenAI: GPT-5.6 Terra | 68.0 | 99.94% · 2586ms | $7.00$2 → $12 per 1M tokens | 16% | — | AA 56.6Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 1.2%Доля токенов OpenRouter — реальная распространённость. |
| #9 | Anthropic: Claude Fable 5 | 67.3 | 99.41% · 4144ms | $30.00$10 → $50 per 1M tokens | <1%▲ | — | Arena 1494Elo сообщества LMArena — слепые голоса на текстовой арене (CC-BY-4.0).AA 62.1Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 0.3%Доля токенов OpenRouter — реальная распространённость. |
| #10 | Google: Gemini 3.6 Flash | 66.6 | 99.35% · 3928ms | $4.50$1.5 → $7.5 per 1M tokens | <1% | — | Arena 1480Elo сообщества LMArena — слепые голоса на текстовой арене (CC-BY-4.0).AA 51.6Индекс интеллекта Artificial Analysis — независимый составной бенчмарк (0–100).OR 3.5%Доля токенов OpenRouter — реальная распространённость. |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
Попарные показатели побед в Battle Mode — как часто каждая модель побеждает каждого соперника в очном сравнении.
Независимые оценки интеллекта в зависимости от цены ввода. Пунктирная линия — граница Парето по цене и интеллекту.
Два анонимных ответа, один голос. Ваши битвы формируют 20% веса производственных данных в сводном рейтинге.
Две анонимные модели отвечают на один и тот же запрос. Прочитайте оба ответа, проголосуйте за победителя, а затем узнайте, кто что написал — ваш голос идёт в рейтинг выше.
Каждая цифра на этой странице измерена, а не заявлена вендором. Ниже — полный метод сводного рейтинга: одни и те же правила для каждой модели, каждый день.
Каждая модель получает композитный балл из четырёх независимых семейств данных: слепые человеческие предпочтения 40%, независимые бенчмарки 30%, производственные данные OrcaRouter 20% и распространённость в экосистеме 10%. Веса фиксированы и публичны — без редакторских правок, платных мест и заявок вендоров.
Человеческие предпочтения — это командный Elo LMArena: слепые парные голосования на текстовой и визуальной аренах (CC-BY-4.0). Независимые бенчмарки объединяют Artificial Analysis (Intelligence Index плюс программирование, математика, GPQA Diamond и τ²-Bench) и SWE-bench Verified — долю решённых реальных задач GitHub. Производственные данные — собственные данные OrcaRouter: результаты Blind Battle плюс живая телеметрия шлюза — успешность, задержка и объём маршрутизированных токенов. Распространённость берётся из публикуемой OpenRouter доли токенов.
Источники используют разные шкалы (Elo, индексы 0–100, процент решённых задач), поэтому каждый сигнал стандартизируется относительно текущего рейтинга и переводится в шкалу 0–100: 50 — среднее по таблице, каждые 15 пунктов — одно стандартное отклонение, с ограничением на краях. Для попадания в рейтинг модели нужно минимум два независимых семейства данных; таблица показывает топ-25 по сводному баллу.
Таблицы для текста, программирования, зрения, математики, рассуждений и агентов пересчитывают то же смешение на сигналах своего сегмента — программирование берёт кодовые бенчмарки и SWE-bench Verified, зрение использует визуальную арену LMArena — а Blind Battle сводит только модели одного сегмента.
Внешние источники обновляются ежедневно, собственная телеметрия — в реальном времени; новые модели попадают в рейтинг по внешним данным в течение 48 часов после релиза. Самоотчётные цифры вендоров не используются нигде, обсуждаемость в сообществе показывается только как контекст и никогда не влияет на место, а все внешние источники указаны под таблицей.
Каждая модель получает объединённую оценку из четырёх семейств данных — слепые человеческие предпочтения (LMArena), независимые бенчмарки (Artificial Analysis, SWE-bench), производственная надёжность OrcaRouter и распространённость в экосистеме (OpenRouter) — с фиксированными публичными весами 40 / 30 / 20 / 10.
Новые модели попадают в таблицу на основе внешних данных в течение 48 часов после релиза. Рейтинг укрепляется по мере накопления пользовательских баттлов и рабочего трафика.
Внешние источники обновляются ежедневно, телеметрия OrcaRouter — в реальном времени; дата обновления показана вверху.
Для попадания в рейтинг модели нужны минимум два независимых источника данных; таблица показывает топ-25 по составному баллу — модели с недостаточными данными не отображаются, пока их не охватит новый источник.
Да — кнопки над сводной таблицей переключают рейтинги: текст, программирование, зрение, математика, рассуждения и агенты, а баттлы сводят только сопоставимые модели.
Как только модель набирает три семейства данных, включая собственные баттлы и трафик OrcaRouter, её рейтинг опирается на полное смешение, а не только на внешние данные.
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench, рейтинги OpenRouter и производственная телеметрия OrcaRouter — все источники указаны под таблицей.
Сложно: веса публичны, самоотчётные данные не используются, а слепые битвы и живой трафик заякоривают каждый балл.
Да — экспорт в JSON/CSV, встраиваемый бейдж ранга и RSS-лента изменений доступны бесплатно с указанием источника. Ссылки внизу страницы.