एलएलएम बेंचमार्क स्नैपशॉट, 9 नवंबर 2026: वही नेता, कड़ी प्रतिस्पर्धा

हमारा बेंचमार्क पेज हर बार दैनिक रन होने पर सार्वजनिक एलएम लीडरबोर्ड का एक स्नैपशॉट लेता है, और प्रत्येक स्नैपशॉट अपना स्थायी यूआरएल रखता है। यह 9 नवंबर, 2026 के सप्ताह की तस्वीर है, जिसकी तुलना पिछले सप्ताह की पोस्ट (3 नवंबर) से की गई है।

मुख्य समाचार: शीर्ष पर एक शांत सप्ताह

इस सप्ताह नंबर एक पर कुछ भी नहीं बदला। Gemini 4 Carbon अभी भी LMArena टेक्स्ट एरिना और BenchLM का नेतृत्व कर रहा है, और Claude Opus 5.5 अभी भी WebDev का नेतृत्व कर रहा है। बदलाव नेताओं से एक या दो स्थान नीचे हुआ, और हर मामले में अंतर इतना छोटा है कि इसे टाई कहा जा सकता है।

टेक्स्ट एरिना: Gemini पहले, Claude की पुनर्व्यवस्था

LMArena टेक्स्ट लीडरबोर्ड पर, Gemini 4 Carbon (High) लगभग 1539 Elo पर है, जो पिछले सप्ताह के 1540 से लगभग अपरिवर्तित है। Gemini 4 Argon (High) लगभग 1530 के साथ दूसरे स्थान पर है।

तीसरा स्थान Claude परिवार के भीतर बदला: Claude Fable 5.1 (Max) अब 1512.73 के साथ तीसरे स्थान पर है और Claude Opus 5.5 (High) 1512.71 के साथ चौथे स्थान पर है। यह अंतर एक बिंदु का दो सौवां हिस्सा है, इसलिए इसे टाई मानें। पिछले सप्ताह क्रम उल्टा था (Opus 5.5 लगभग 1516 पर, Fable 5.1 लगभग 1514 पर)।

BenchLM: समान क्रम, थोड़ा व्यापक बढ़त

BenchLM का समग्र लीडरबोर्ड समान शीर्ष तीन रखता है: Gemini 4 Carbon (88.7, 88.4 से ऊपर), Claude Opus 5.5 (86.3) और GPT-6 Astra (85.8, 86.1 से नीचे)। Carbon की दूसरे स्थान पर बढ़त लगभग 2.1 से बढ़कर लगभग 2.4 अंक हो गई, जबकि दूसरे और तीसरे के बीच का अंतर एक अंक के अंश से खुलकर लगभग आधा अंक हो गया।

WebDev: Claude अपनी बढ़त बढ़ाता है

Claude Opus 5.5 (Max) अभी भी LMArena WebDev एरिना का नेतृत्व करता है और लगभग 1810 से बढ़कर लगभग 1818 पर पहुंच गया है। इसके पीछे क्रम बदला: Claude Sonnet 5.5 (xHigh) लगभग 1773 के साथ दूसरे स्थान पर चढ़ गया, Gemini 4 Carbon (High) लगभग 1768 के साथ तीसरे स्थान पर है, और GPT-6 Astra (Max), जो पिछले सप्ताह दूसरे स्थान पर था, लगभग 1767 के साथ चौथे स्थान पर गिर गया। दूसरे से चौथे स्थान एक दूसरे के सात अंकों के भीतर हैं।

Aider पॉलीग्लॉट अभी भी स्थिर है

Aider पॉलीग्लॉट बोर्ड एक और सप्ताह के लिए समान है: GPT-5 (high) 88.0 पर, GPT-5 (medium) 86.7 पर और o3-pro (high) 84.9 पर। इसमें महीनों में हाल के फ्रंटियर मॉडल नहीं जोड़े गए हैं, इसलिए इसे ऐतिहासिक संदर्भ के रूप में लें।

स्रोत असहमत हैं, और यही बात है

तीन लीडरबोर्ड, तीन उत्तर: सामान्य चैट प्राथमिकता और BenchLM के समग्र पर Gemini 4 Carbon, वेब विकास पर Claude Opus 5.5, और एक कोडिंग बोर्ड पर GPT-5 प्रविष्टि जो अपडेट होना बंद हो गई। अपने कार्य से मेल खाने वाला लीडरबोर्ड चुनें, और जांचें कि क्या यह अभी भी बनाए रखा जा रहा है।

डेटा नोट: हमारा LiveBench फीड अभी भी 18 अक्टूबर के स्नैपशॉट के बाद से कोई पंक्ति वापस नहीं कर रहा है, इसलिए LiveBench इस तुलना में फिर से अनुपस्थित है।

डेटा का अन्वेषण करें