Xếp hạng dựa trên lưu lượng sản xuất thực tế của OrcaRouter và phiếu bầu cộng đồng trong Battle Mode — không phải benchmark do nhà cung cấp công bố.
Phiếu bầu Battle Mode ẩn danh, xếp hạng bằng mô hình Bradley–Terry (Elo). Chấm thể hiện điểm xếp hạng; thanh thể hiện khoảng tin cậy 95%. Các mô hình trong cùng một dải là ngang bằng về mặt thống kê.
Hai mô hình ẩn danh trả lời cùng một câu lệnh. Đọc cả hai, bình chọn người thắng, rồi xem ai đã viết gì — phiếu bầu của bạn được tính vào bảng xếp hạng phía trên.
| Hạng | Mô hình | Điểm đấu trường | Phương pháp | Phiếu | T·B·H |
|---|---|---|---|---|---|
| #1 | Qwen3.7 Max (2026-05-20) | ẩn danh · BT | 168 | 129·32·7 | |
| #2 | DEDeepSeek: DeepSeek V4 Pro | ẩn danh · BT | 250 | 161·77·12 | |
| OpenAI: GPT-5.4 Pro | ẩn danh · BT | 281 | 158·111·12 | ||
| OpenAI: GPT-5.5 | ẩn danh · BT | 230 | 109·109·12 | ||
| Qwen: Qwen3.5-35B-A3B | ẩn danh · BT | 310 | 149·149·12 | ||
| Qwen3.7 Max | ẩn danh · BT | 224 | 84·130·10 | ||
| Anthropic: Claude Opus 4.7 | ẩn danh · BT | 247 | 117·117·13 | ||
| Qwen: Qwen3.6 35B A3B | ẩn danh · BT | 260 | 124·124·12 | ||
| Anthropic: Claude Opus 4.8 | ẩn danh · BT | 245 | 116·116·13 | ||
| Google: Gemma 4 26B A4B | ẩn danh · BT | 242 | 114·116·12 | ||
| Qwen: Qwen3.6 Plus | ẩn danh · BT | 278 | 108·158·12 | ||
| #12 | KIMoonshotAI: Kimi K2.7 Code | ẩn danh · BT | 224 | 119·93·12 | |
| MIMiniMax: MiniMax M3 | ẩn danh · BT | 265 | 127·126·12 | ||
| Google: Gemma 4 31B | ẩn danh · BT | 273 | 112·149·12 | ||
| OpenAI: GPT-5.5 Pro | ẩn danh · BT | 294 | 95·187·12 | ||
| Qwen: Qwen3.5-27B | ẩn danh · BT | 213 | 100·101·12 | ||
| ZAZ.ai: GLM 5.2 | ẩn danh · BT | 235 | 141·82·12 | ||
| #18 | MIMiniMax: MiniMax M2.7 | ẩn danh · BT | 226 | 81·133·12 | |
| Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview) | ẩn danh · BT | 281 | 151·118·12 | ||
| OpenAI: GPT-5.4 | ẩn danh · BT | 245 | 117·116·12 | ||
| Google: Gemini 3.1 Flash Lite Preview | ẩn danh · BT | 285 | 137·136·12 | ||
| MIMiniMax M2.7 highspeed | ẩn danh · BT | 246 | 117·117·12 | ||
| OpenAI: GPT-5.4 Nano | ẩn danh · BT | 308 | 196·100·12 | ||
| Qwen: Qwen3.7 Plus | ẩn danh · BT | 248 | 118·118·12 | ||
| ZAZ.ai: GLM 5.1 | ẩn danh · BT | 220 | 104·104·12 | ||
| KLKling: Kling 3.0 Turbo | ẩn danh · BT | 256 | 121·123·12 | ||
| Qwen: Qwen3.6 Flash | ẩn danh · BT | 188 | 71·105·12 | ||
| #28 | Gemini 3.5 Flash | ẩn danh · BT | 285 | 96·177·12 | |
| OpenAI: GPT-5.4 Mini | ẩn danh · BT | 206 | 75·122·9 | ||
| DEDeepSeek: DeepSeek V4 Flash | ẩn danh · BT | 128 | 61·61·6 |
Tỷ lệ thắng từng cặp trong Battle Mode — mỗi mô hình thắng từng đối thủ trong đối đầu trực tiếp thường xuyên đến mức nào.
Mô hình mạnh nhất ở từng năng lực — lập trình, toán học, suy luận và hơn thế nữa — với hồ sơ theo từng trục so với trung vị của nhóm.
Điểm trí tuệ độc lập được vẽ theo giá đầu vào. Đường nét đứt là biên Pareto giá/trí tuệ.
Đo trên lưu lượng sản xuất OrcaRouter trong 7 ngày qua.
| Mô hình | Thành công % (7 ngày) | p50 | p99 | Lỗi % | $/1Tr (vào→ra) | tok/s |
|---|---|---|---|---|---|---|
| OpenAI: GPT-4o (2024-08-06) | 100.0% | 2.86 s | 5.72 s | 0.0% | $2.50 → $10.00 | 86 |
| OpenAI: GPT-5.4 Nano | 100.0% | 1.35 s | 10.00 s | 0.0% | $0.20 → $1.25 | 162 |
| openai/gpt-5.4-nano-2026-03-17 | 100.0% | 1.55 s | 3.30 s | 0.0% | $0.20 → $1.25 | 157 |
| ZAZ.ai: GLM 5 | 100.0% | 7.50 s | 10.00 s | 0.0% | $1.00 → $3.20 | 51 |
| OpenAI: GPT-5.2-Codex | 100.0% | 750 ms | 1.48 s | 0.0% | $1.75 → $14.00 | 101 |
| qwen/qwen3.6-plus-2026-04-02 | 100.0% | 4.18 s | 7.86 s | 0.0% | $0.28 → $1.65 | 56 |
| OpenAI: GPT-5.4 Pro | 100.0% | 2.67 s | 4.72 s | 0.0% | $60.00 → $270.00 | 6 |
| ZAZ.ai: GLM 4.7 | 100.0% | 10.00 s | 10.00 s | 0.0% | $0.60 → $2.20 | 37 |
| openai/gpt-3.5-turbo-1106 | 100.0% | 1.83 s | 4.15 s | 0.0% | $1.00 → $2.00 | 143 |
| openai/gpt-4o-mini-search-preview-2025-03-11 | 100.0% | 5.19 s | 5.19 s | 0.0% | $0.15 → $0.60 | — |
| OpenAI: GPT-5 Mini | 100.0% | 10.00 s | 10.00 s | 0.0% | $0.25 → $2.00 | 189 |
| Anthropic: Claude Opus 4.6 | 100.0% | 7.32 s | 10.00 s | 0.0% | $5.00 → $25.00 | 63 |
| openai/gpt-5.4-mini-2026-03-17 | 100.0% | 2.00 s | 4.99 s | 0.0% | $0.75 → $4.50 | 174 |
| Qwen: Qwen3 VL 235B A22B Thinking | 100.0% | 8.00 s | 10.00 s | 0.0% | $0.40 → $4.00 | 35 |
| ZAZ.ai: GLM 4.6 | 100.0% | 10.00 s | 10.00 s | 0.0% | $0.60 → $2.20 | 42 |
| openai/gpt-5.2-chat-latest | 100.0% | 1.57 s | 10.00 s | 0.0% | $1.75 → $14.00 | 112 |
| OpenAI: GPT-4o | 100.0% | 902 ms | 10.00 s | 0.0% | $2.50 → $10.00 | 98 |
| OpenAI: GPT-4o-mini (2024-07-18) | 100.0% | 5.00 s | 10.00 s | 0.0% | $0.15 → $0.60 | 32 |
| openai/gpt-5-chat-latest | 100.0% | 2.00 s | 3.40 s | 0.0% | $1.25 → $10.00 | 135 |
| MIMiniMax: MiniMax M2.7 | 100.0% | 1.28 s | 10.00 s | 0.0% | $0.30 → $1.20 | 82 |
| OpenAI: GPT-4 Turbo | 100.0% | 5.00 s | 10.00 s | 0.0% | $10.00 → $30.00 | 24 |
| ZAZ.ai: GLM 5.1 | 100.0% | 4.59 s | 10.00 s | 0.0% | $1.40 → $4.40 | 67 |
| OpenAI: GPT-4o-mini | 100.0% | 644 ms | 8.50 s | 0.0% | $0.15 → $0.60 | 68 |
| OpenAI: GPT-5 Nano | 100.0% | 4.31 s | 10.00 s | 0.0% | $0.05 → $0.40 | 835 |
| Google: Nano Banana Pro (Gemini 3 Pro Image Preview) | 100.0% | 5.00 s | 5.53 s | 0.0% | — → — | — |
Những mô hình nào thực sự gánh lưu lượng sản xuất của OrcaRouter, xếp hạng theo thông lượng token trong khoảng thời gian đã chọn.
Trong kỳ này chúng tôi đã thấy — mô hình. Bảng xếp hạng lưu lượng sẽ mở khi tích lũy đủ lưu lượng để xếp hạng mô hình một cách công bằng.
Trong khi đó, bảng Tổng thể và Độ tin cậy ở trên đã hoạt động.
Mức độ bám sát của bảng xếp hạng cộng đồng so với các bảng xếp hạng bên ngoài độc lập, đo bằng tương quan thứ hạng Spearman ρ và Kendall τ.
Arena Rating của mỗi mô hình trong 90 ngày qua, từ các ảnh chụp hằng ngày. Huy hiệu suy giảm đánh dấu mức sụt giảm kéo dài.
Điều cộng đồng đang bàn tán — số lượt nhắc đến, đà tăng trong 14 ngày và cảm xúc. Chỉ là bối cảnh, không bao giờ là tín hiệu xếp hạng.