← सभी बेंचमार्क

दस्तावेज़ एरिना

Wikiprompt से, प्रॉम्प्ट का मुक्त विश्वकोश

सामुदायिक Elo रैंकिंग, LMArena की लड़ाइयों से दैनिक रूप से एकत्रित। पहले सामान्य एरिना, फिर श्रेणी के अनुसार विवरण।

अंतिम अपडेट: 2026-11-09 · 46 मॉडल

स्थानमॉडलसंगठनElo स्कोर
1Claude Fable 5.1 (Max)anthropic1,515
2Claude Opus 5 (High)anthropic1,509
3Claude Opus 4.6 (High)anthropic1,508
4Claude Opus 4.6anthropic1,506
5Claude Fable 5 (High)anthropic1,496
6Claude Opus 4.7 (High)anthropic1,496
7Claude Opus 4.7anthropic1,495
8GPT-5.5 (High)openai1,484
9Gemini 3.8 Flash (High)google1,482
10Claude Sonnet 4.6anthropic1,482
11GPT-5.5openai1,481
12GPT-5.6 Sol (xHigh)openai1,480
13Gemini 3.7 Flash (High)google1,476
14Claude Opus 4.8 (High)anthropic1,475
15Muse Spark 1.3 (Max)meta1,473
16GPT-5.4openai1,473
17GPT-5.6 Terra (xHigh)openai1,468
18GPT-6 Astra (Max)openai1,467
19Claude Opus 4.5 (20251101)anthropic1,466
20Claude Opus 4.8anthropic1,465
21Muse Spark 1.1meta1,463
22Gemini 3.5 Flash (High)google1,462
23Gemini 3.5 Flash (Medium)google1,461
24Claude Sonnet 5 (High)anthropic1,460
25Gemini 3.6 Flash (High)google1,456
26GPT-5.6 Luna (xHigh)openai1,453
27Grok 4.5xai1,452
28Kimi K2.6moonshot1,450
29Claude Sonnet 4.5 (20250929)anthropic1,449
30Muse Sparkmeta1,444
31Gemini 3.1 Pro Previewgoogle1,443
32Grok 4.6 (High)xai1,439
33Qwen3.7-Plusalibaba1,437
34MiniMax-M3minimax1,437
35Gemma 4 31Bgoogle1,434
36Gemini 3 Progoogle1,434
37Kimi K2.5 (Thinking)moonshot1,431
38Gemini 2.5 Progoogle1,423
39Claude Haiku 4.5 (20251001)anthropic1,420
40GLM-5V-Turbozai1,419
41Grok 4.20 Beta (Reasoning, 0309)xai1,417
42Gemini 3 Flashgoogle1,414
43GPT-5.2 (High)openai1,404
44GPT-5.5 Instantopenai1,403
45GPT-5.1openai1,403
46GPT-5.2openai1,402

यह भी देखें

स्रोत और पद्धति

रैंकिंग सामुदायिक खुली मूल्यांकन से एकत्रित की जाती हैं। Elo स्कोर, विश्वास अंतराल और वोट LMArena से आते हैं (सामुदायिक मतदान वाले मॉडल युद्ध, खुले डेटासेट के रूप में प्रकाशित)। मूल्य और संदर्भ मेटाडेटा OpenRouter की सार्वजनिक API से आते हैं। Wikiprompt दैनिक स्नैपशॉट लेता है और इतिहास संरक्षित करता है; हम अपना मूल्यांकन नहीं चलाते।

  1. LMArena leaderboard dataset (Hugging Face)
  2. LMArena leaderboard