एलएलएम बेंचमार्क स्नैपशॉट, 3 नवंबर 2026: जेमिनी 4 कार्बन ने टेक्स्ट एरेना में बाज़ी मारी

हमारा बेंचमार्क पेज हर दिन जब दैनिक रन होता है तो सार्वजनिक LLM लीडरबोर्ड का एक स्नैपशॉट लेता है, और प्रत्येक स्नैपशॉट अपना स्थायी URL रखता है। यह 3 नवंबर, 2026 के सप्ताह की तस्वीर है, जिसकी तुलना पिछले साप्ताहिक पोस्ट (22 सितंबर) और 25 अक्टूबर के स्नैपशॉट से की गई है।

मुख्य समाचार: Gemini 4 Carbon ने टेक्स्ट अखाड़ा जीता

LMArena टेक्स्ट लीडरबोर्ड पर, Gemini 4 Carbon (High) ने 29 अक्टूबर से हर स्नैपशॉट में लगभग 1540 Elo के साथ पहला स्थान बनाए रखा है। इसने अपने सहयोगी Gemini 4 Argon (High) को बदल दिया, जिसने अक्टूबर के अधिकांश समय तक नेतृत्व किया था और अब लगभग 1529 के साथ दूसरे स्थान पर है। Claude Opus 5.5 (High) लगभग 1516 के साथ तीसरे स्थान पर है।

संदर्भ के लिए, 22 सितंबर के स्नैपशॉट में Claude Fable 5.1 और Claude Opus 5 वेरिएंट शीर्ष पर थे, सभी लगभग 1505 के आसपास। छह हफ्तों में शीर्ष स्कोर लगभग 35 अंक बढ़ गया, और नेता परिवार बदल गया।

BenchLM भी सहमत है, मामूली अंतर से

BenchLM का समग्र लीडरबोर्ड भी Gemini 4 Carbon को पहले स्थान पर रखता है (88.4), उसके बाद Claude Opus 5.5 (86.3) और GPT-6 Astra (86.1) हैं। 25 अक्टूबर को, Carbon वहां दिखने से पहले, Claude Opus 5.5 ने 86.6 के साथ नेतृत्व किया था। आज दूसरे और तीसरे के बीच का अंतर एक अंश का है, इसलिए नेता के नीचे के क्रम को टाई के रूप में मानें।

WebDev अभी भी Claude का क्षेत्र है

LMArena WebDev अखाड़ा हाथ नहीं बदला: Claude Opus 5.5 (Max) लगभग 1810 के साथ आगे है, GPT-6 Astra (Max) लगभग 1773 के साथ और Claude Sonnet 5.5 (xHigh) लगभग 1770 के साथ ठीक पीछे है। यही शीर्ष तीन 25 अक्टूबर को भी थे। सितंबर में, GPT-6 Astra इस बोर्ड का नेतृत्व कर रहा था, इसलिए यहां Anthropic की बढ़त Opus 5.5 रिलीज़ से शुरू हुई है।

Aider polyglot स्थिर है

Aider polyglot कोडिंग लीडरबोर्ड को हफ्तों से नए फ्रंटियर मॉडल के साथ अपडेट नहीं किया गया है: GPT-5 (high) 88.0 पर, GPT-5 (medium) 86.7 पर और o3-pro (high) 84.9 पर, सितंबर के समान। इसे वर्तमान रैंकिंग के बजाय एक ऐतिहासिक संदर्भ के रूप में पढ़ें।

स्रोत असहमत हैं, और यही बात है

उसी सप्ताह, आप कहां देखते हैं इसके आधार पर तीन अलग-अलग नेता हैं: सामान्य चैट पसंद और BenchLM के समग्र पर Gemini 4 Carbon, वेब विकास पर Claude Opus 5.5, और एक पुराना GPT-5 एक पुराने कोडिंग बोर्ड पर। कोई एक संख्या आपको नहीं बताती कि कौन सा मॉडल उपयोग करना है। अपने कार्य से मेल खाने वाला लीडरबोर्ड चुनें, और जांचें कि क्या यह अभी भी अपडेट हो रहा है।

एक डेटा नोट: हमारे LiveBench फीड ने 18 अक्टूबर के स्नैपशॉट के बाद से कोई पंक्ति नहीं लौटाई है, इसलिए LiveBench इस तुलना से गायब है।

डेटा का अन्वेषण करें