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 | DeepSeek: DeepSeek V4 Flash | 80.2 | — | $0.22$0.147 → $0.295 per 1M tokens | 19% | — | GPQA 90.8GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 16.5%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #2 | Tencent: Hy3 | 72.7 | — | $0.39$0.18 → $0.59 per 1M tokens | 7%▲ | — | GPQA 89.7GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 6.9%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #3 | gpt-5.6-luna | 69.8 | — | $0.90$0.2 → $1.6 per 1M tokens | 17%▲ | — | GPQA 91.1GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 4.0%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #4 | DeepSeek: DeepSeek V4 Pro | 68.4 | — | $0.66$0.442 → $0.884 per 1M tokens | 5%▼ | — | GPQA 92.8GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 2.7%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #5 | Z.ai: GLM 5.2 | 67.1 | — | $2.90$1.4 → $4.4 per 1M tokens | 1%▼ | — | GPQA 89.5GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 3.1%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #6 | OpenAI: GPT-5.6 Sol | 65.7 | — | $12.00$4 → $20 per 1M tokens | <1%▼ | — | GPQA 94.1GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 1.4%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #7 | MiniMax: MiniMax M3 | 65.3 | — | $0.75$0.3 → $1.2 per 1M tokens | <1%▼ | — | GPQA 92.9GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 1.6%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #8 | Anthropic: Claude Opus 5 | 65.2 | — | $15.00$5 → $25 per 1M tokens | <1%▲ | — | GPQA 93.2GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 1.5%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #9 | MoonshotAI: Kimi K3 | 65.0 | — | $9.90$3.3 → $16.5 per 1M tokens | 3%▼ | — | GPQA 93.5GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 1.4%ส่วนแบ่งโทเคน OpenRouter — การใช้งานจริงในระบบนิเวศ |
| #10 | Anthropic: Claude Sonnet 5 | 62.3 | — | $6.00$2 → $10 per 1M tokens | <1%▼ | — | GPQA 91.1GPQA Diamond — คำถามเชิงเหตุผลระดับบัณฑิตศึกษา ผ่าน Artificial AnalysisOR 1.1%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