จัดอันดับจากทราฟฟิกการใช้งานจริงของ OrcaRouter และคะแนนโหวตจากชุมชนใน Battle Mode ไม่ใช่จากเกณฑ์มาตรฐานที่ผู้ให้บริการรายงานเอง
หนึ่งอันดับรวมต่อโมเดล — คะแนนโหวต LMArena เบนช์มาร์กอิสระ การใช้งานในระบบนิเวศ และหลักฐานการใช้งานจริงของ OrcaRouter ด้วยน้ำหนักสาธารณะคงที่ โมเดลใหม่เข้าอันดับตั้งแต่วันแรกจากหลักฐานภายนอก
| อันดับ | โมเดล | คะแนนรวม | ความเสถียร | $/1M ผสม | ปริมาณการใช้ | โมเมนตัม | หลักฐาน |
|---|---|---|---|---|---|---|---|
| #1 | OpenAI: gpt-oss-120b | 65.7 | 99.47% · 910ms | $0.10$0.03 → $0.17 per 1M tokens | <1% | — | AA Math 93.4คะแนนคณิตของ Artificial AnalysisOR 0.6%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #2 | openai/gpt-5.2-2025-12-11 | 65.1 | 99.11% · 2545ms | $7.88$1.75 → $14 per 1M tokens | <1%▼ | — | AA Math 99.0คะแนนคณิตของ Artificial AnalysisOR 0.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #3 | DeepSeek: DeepSeek V4 Flash | 64.7 | 99.04% · 623ms | $0.22$0.147 → $0.295 per 1M tokens | 20%▼ | — | AA Math 50.0คะแนนคณิตของ Artificial AnalysisOR 18.2%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #4 | Z.ai: GLM 4.7 | 63.4 | 99.80% · 4066ms | $1.40$0.6 → $2.2 per 1M tokens | <1%▲ | — | AA Math 95.0คะแนนคณิตของ Artificial AnalysisOR 0.1%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #5 | OpenAI: GPT-5.1-Codex | 63.3 | 99.05% · 1938ms | $5.63$1.25 → $10 per 1M tokens | <1%▲ | — | AA Math 95.7คะแนนคณิตของ Artificial AnalysisOR 0.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #6 | openai/gpt-5-2025-08-07 | 62.7 | 99.25% · 2428ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.3คะแนนคณิตของ Artificial AnalysisOR 0.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #7 | openai/gpt-5.1-2025-11-13 | 62.7 | 99.10% · 2692ms | $5.63$1.25 → $10 per 1M tokens | <1%▼ | — | AA Math 94.0คะแนนคณิตของ Artificial AnalysisOR 0.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #8 | openai/gpt-5-mini-2025-08-07 | 62.4 | 99.00% · 1450ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 90.7คะแนนคณิตของ Artificial AnalysisOR 0.2%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #9 | OpenAI: GPT-5.1-Codex-Mini | 61.4 | 99.18% · 1125ms | $1.13$0.25 → $2 per 1M tokens | <1%▲ | — | AA Math 91.7คะแนนคณิตของ Artificial AnalysisOR 0.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #10 | Google: Gemini 2.5 Pro | 59.9 | 99.50% · 5666ms | $8.75$2.5 → $15 per 1M tokens | <1%▼ | — | AA Math 87.7คะแนนคณิตของ Artificial AnalysisOR 0.1%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
LMArena leaderboard dataset (CC-BY-4.0) — lmarena.ai · Source: OpenRouter (openrouter.ai/rankings) · SWE-bench Verified — swebench.com · Artificial Analysis — artificialanalysis.ai
อัตราชนะแบบจับคู่ใน Battle Mode — แต่ละโมเดลเอาชนะคู่แข่งแต่ละรายในการดวลตรงบ่อยเพียงใด
คะแนนความฉลาดอิสระเทียบกับราคาอินพุต เส้นประคือเส้นพรมแดนพาเรโตของราคา/ความฉลาด
สองคำตอบนิรนาม หนึ่งโหวต การต่อสู้ของคุณคิดเป็นน้ำหนัก 20% ของหลักฐานการใช้งานจริงในอันดับรวม
โมเดลนิรนามสองตัวตอบพรอมป์เดียวกัน อ่านทั้งสองฝั่ง โหวตผู้ชนะ แล้วดูว่าใครเขียนอะไร — คะแนนโหวตของคุณจะถูกนับรวมในอันดับด้านบน
ตัวเลขทุกตัวบนหน้านี้มาจากการวัดจริง ไม่ใช่การรายงานเองของผู้ผลิต นี่คือวิธีการทั้งหมดเบื้องหลังอันดับรวม — กติกาเดียวกันกับทุกโมเดล ทุกวัน
แต่ละโมเดลได้คะแนนรวมจากหลักฐานอิสระสี่กลุ่ม: ความชอบของมนุษย์แบบปิดตา 40% เบนช์มาร์กอิสระ 30% หลักฐานการใช้งานจริงของ OrcaRouter 20% และการใช้งานในระบบนิเวศ 10% น้ำหนักคงที่และเปิดเผย — ไม่มีการปรับแต่งโดยกองบรรณาธิการ ไม่มีการจ่ายเงินเพื่ออันดับ ไม่มีการยื่นจากผู้ผลิต
ความชอบของมนุษย์มาจาก Elo ชุมชนของ LMArena — โหวตแบบจับคู่ปิดตาในสนามข้อความและวิชัน (CC-BY-4.0) เบนช์มาร์กอิสระรวม Artificial Analysis (Intelligence Index พร้อมโค้ดดิ้ง คณิตศาสตร์ GPQA Diamond และ τ²-Bench) กับ SWE-bench Verified คือสัดส่วน issue จริงบน GitHub ที่แก้ได้ หลักฐานการใช้งานจริงเป็นของ OrcaRouter เอง: อัตราชนะใน Blind Battle บวกกับเทเลเมทรีเกตเวย์แบบเรียลไทม์ — อัตราสำเร็จ เวลาแฝง และปริมาณโทเคนที่จัดเส้นทาง ส่วนการใช้งานใช้สัดส่วนโทเคนที่ OpenRouter เผยแพร่
แต่ละแหล่งให้คะแนนคนละสเกล (Elo, ดัชนี 0–100, % ที่แก้ได้) จึงต้องทำให้แต่ละสัญญาณเป็นมาตรฐานเทียบกับบอร์ดปัจจุบันแล้วแปลงเป็น 0–100: 50 คือค่าเฉลี่ยของบอร์ด และทุก 15 คะแนนคือหนึ่งส่วนเบี่ยงเบนมาตรฐาน โดยตัดขอบที่ปลายทั้งสอง โมเดลต้องมีหลักฐานอิสระอย่างน้อยสองกลุ่มจึงจะติดอันดับ และบอร์ดแสดง 25 อันดับแรกตามคะแนนรวม
บอร์ดข้อความ โค้ดดิ้ง วิชัน คณิตศาสตร์ การใช้เหตุผล และเอเจนต์ คำนวณส่วนผสมเดียวกันใหม่บนสัญญาณที่เหมาะกับแต่ละเซกเมนต์ — โค้ดดิ้งสลับไปใช้เบนช์มาร์กโค้ดกับ SWE-bench Verified วิชันใช้สนามวิชันของ LMArena — และ Blind Battle จับคู่เฉพาะโมเดลในเซกเมนต์เดียวกันเท่านั้น
แหล่งข้อมูลภายนอกรีเฟรชทุกวันและเทเลเมทรีของเราเป็นเรียลไทม์ โมเดลใหม่เข้าบอร์ดจากหลักฐานภายนอกภายใน 48 ชั่วโมงหลังเปิดตัว ไม่ใช้ตัวเลขที่ผู้ผลิตรายงานเองในทุกกรณี กระแสชุมชนแสดงเป็นบริบทเท่านั้นไม่ถูกนำไปคิดอันดับ และทุกแหล่งภายนอกมีการให้เครดิตใต้บอร์ด
แต่ละโมเดลได้คะแนนรวมจากหลักฐานสี่กลุ่ม — ความชอบของมนุษย์แบบปิดตา (LMArena) เบนช์มาร์กอิสระ (Artificial Analysis, SWE-bench) ความเสถียรการใช้งานจริงของ OrcaRouter และการใช้งานในระบบนิเวศ (OpenRouter) — ด้วยน้ำหนักสาธารณะคงที่ 40 / 30 / 20 / 10
โมเดลใหม่เข้าสู่ตารางจากหลักฐานภายนอกภายใน 48 ชั่วโมงหลังเปิดตัว อันดับจะมั่นคงขึ้นเมื่อการแข่งขันของชุมชนและทราฟฟิกการใช้งานจริงสะสมมากขึ้น
แหล่งข้อมูลภายนอกรีเฟรชทุกวัน ส่วน telemetry ของ OrcaRouter เป็นแบบสด วันที่อัปเดตแสดงที่ส่วนหัว
โมเดลต้องมีแหล่งหลักฐานอิสระอย่างน้อยสองแหล่งจึงจะติดอันดับ และบอร์ดแสดง 25 อันดับแรกตามคะแนนรวม — โมเดลที่หลักฐานยังไม่พอจะไม่ถูกแสดงจนกว่าจะมีแหล่งใหม่ครอบคลุม
ใช่ — ปุ่มเหนือตารางรวมสลับระหว่างบอร์ดข้อความ โค้ดดิ้ง วิชัน คณิตศาสตร์ การใช้เหตุผล และเอเจนต์ และการแข่งขันจะจับคู่เฉพาะโมเดลประเภทเดียวกัน
เมื่อโมเดลมีหลักฐานครบสามกลุ่ม รวมถึงข้อมูลการแข่งขันและทราฟฟิกของ OrcaRouter เอง อันดับจะอิงคะแนนรวมทั้งหมดแทนที่จะอิงหลักฐานภายนอกเพียงอย่างเดียว
LMArena (CC-BY-4.0), Artificial Analysis, SWE-bench, อันดับ OpenRouter และ telemetry การใช้งานจริงของ OrcaRouter — ระบุที่มาใต้บอร์ดทั้งหมด
ยาก: น้ำหนักเปิดเผย ไม่ใช้ตัวเลขที่รายงานเอง และการต่อสู้แบบปิดตากับทราฟฟิกจริงยึดทุกคะแนนไว้
ได้ — ส่งออก JSON/CSV ป้ายอันดับแบบฝังได้ และ RSS การเปลี่ยนอันดับ ใช้ฟรีโดยระบุที่มา ลิงก์อยู่ท้ายหน้า