ランキングの選定基準と読み方

この一覧の出どころ、各数値の意味、そして更新の頻度について。

ランキングに戻る

Image / Video の評価範囲

Image と Video は Arena と Artificial Analysis の公開選好評価を引用します。機関数は運営者単位で重複を除きます。同じ運営者の複数タスクのランキングは複数の独立機関でも、総合的な能力認定でもありません。

テキストから画像、画像編集、テキストから動画、画像から動画を分けて表示します。Artificial Analysis の音声付き動画ランキングは別グループです。Arena の音声条件は出典の各項目に従い、統一した無音声テストとは主張しません。各ランキングは独立して並び、タスク、音声条件、品質設定をまたいで合算しません。

セルには出典の項目名、取得日、収録済みのサンプル数と区間を保持します。Preliminary は出典のフラグであり、当サイトの評価ではありません。サンプル数不明をゼロで埋めず、区間の重なりから有意な優位は証明できません。

第三者の価格と生成時間は別タブに表示し、品質評価の範囲や順位に含めません。価格は単位と設定を保持し、時間は提供者と条件を明示します。直近3日間の成功リクエストの中央値で、ダウンロードを含み再試行は除きます。ChinaAPI の見積もりや経路の実測ではなく、当サイトのモデルにドリフトがない証拠でもありません。

ソースの選び方

誰でも開ける一次ランキングだけを引用します。同じアドレスで同じ数値を誰でも確認できます。各数値には、読み取ったページのアドレスと日付を記録しています。

リクエスト時のスクレイピングは行いません。データはリポジトリ内のファイルにあり、更新は取得日を進める Pull Request として行うため、何が変わったかは diff で一目でわかります。

第三者の総合スコアや集計ランキングを表ごと転載することはありません。どのランキングをどう選び、どう並べ、どう重み付けするかは彼らの成果です。当社は検証可能な元の数値を 1 件ずつ引用するにとどめます。

数値の意味と並び順

テキストは AIHOT のオープンソース v15 を使用します。同じ評価を受けたモデルを固定重みで比較し、全体の不一致を最小化します。対象モデルと確認済みデータが異なるため、AIHOT サイトとは得点・順位が異なります。

固定配分は総合評価 30%、人間のブラインド選好 10%、専門評価 60% です。欠測値はゼロにせず、重みも再配分しません。利用可能な評価元と重みは下表に示します。

掲載順位には最低 3 評価元、3 評価系統、3 運営者、3 専門分野、2 直接参照モデルと、発売から 18 か月以内の条件が必要です。証拠不足のモデルも表示しますが順位は付けません。

各評価元の行は最高点ではなく固定の設定優先順位で選択します。順位は Kemeny 合意順序で決まり、0–100 の表示点は隣接順位の逆転コストと固定参照から算出します。正答率ではありません。絞り込みでも全体順位は変わりません。

感度範囲は評価元・運営者の除外、重みの ±20% 変更、区間を無視した再計算によるものです。統計的な信頼区間ではありません。

Terminal-Bench のスコアはモデルだけでなく、それを動かす agent スキャフォールドにも左右されます。したがってこの数値は、どのエージェントで得られたものかを明示しなければなりません。本ページが引用するのは、Artificial Analysis が全モデルに同一の harness を用いて実行した列です（mini-SWE-agent v2.4.6、66 タスク、1 タスクあたり 3 回の pass@1 平均）。harness はその列の出典説明に明記しています。以前はベンチマーク公式ボードから「各モデルの最高の行」を引いており、モデルごとに harness が異なり得ました。列全体で harness を統一した現在、比較しているのはモデルそのものであって、モデルと最良のスキャフォールドの組み合わせではありません。

「医療」ビューが引用する MLCR-AA は、主要ボードと同じ運営者（Artificial Analysis）によるものですが、その構成要素ではありません。Artificial Analysis はこれを Intelligence Index の外にある独立評価と位置づけており、したがって上の 2 列とは異なり、真に独立した証拠です。基盤となるベンチマークは Wisedocs のオープンな MLCR で、約 25,000〜64,000 トークンの合成カルテに対する複数文書の統合——時系列・因果関係・治療経過・請求との関連性の再構成——を、6 段階の難易度で問います。測っているのは長大な記録に対する推論であって、一般的な医療能力ではなく、医学的助言でもありません。

ベンダー自己申告の数値は、どの独立ランキングにも収録がないモデルに限って表示します。その旨を明記し、並び順には一切使いません。

ランキング側の項目名が当社の提供するモデル名と異なる場合（プレビュー版、pro 版、解像度違いなど）、そのランキング自身の項目名をセルの下にそのまま表示します。他者のスコアの帰属を勝手に付け替えることはしません。

「リリース日」列はベンダーが公表したモデルの公開日であり、当サイトでの提供開始日ではありません。ベンダー自身のリリース発表の日付を採用し、モデル名に日付サフィックス（-260628 など）を含むものはその日付を採用します。Epoch などサードパーティのランキングが記録した日付は裏付けとしてのみ用い、そのまま採用はしません。裏付けの取れる日付が見つからない場合は推測せず「—」のままにします。

対象範囲

初版はテキスト・マルチモーダル、画像生成、動画生成の 3 分野を対象とします。音声合成と音声認識は当面対象外です。本ページが採用する公開ランキングがこれらを扱っていないため、順位をでっち上げるより空欄のままにします。

収録対象は、当サイトで提供する中国製モデル、確認済みの新モデルの観察項目、比較用の海外モデルです。収録は ChinaAPI での提供を意味せず、重みの公開は寛容なライセンスの採用を意味しません。証拠が不十分なモデルには順位を付けません。海外モデルは中国製モデルの位置を比較するために掲載しています。

免責事項

本ページは当社独自の評価ではありません。これらのテストの設計・実施・採点のいずれにも当社は関与していません。

順位は各ソースの更新に伴い変わります。本ページはページ冒頭に示した取得日時点でのみ成り立ちます。

公開ベンチマークが測っているのは、そのテストが対象とするタスクでの性能であり、あなたの用途と一致するとは限りません。モデル選定はご自身のユースケースでの実測に基づいて行ってください。

各ソースの名称・商標・内容は、それぞれの権利者に帰属します。本ページは引用と説明を行うにとどまります。

更新の頻度

定期実行のジョブも自動同期もありません。データの変更は Pull Request を通じてのみ反映されます。ソースを読み直し、数値と取得日を更新し、取得日を進め、レビューを経てリリースとともに公開されます。

そのため、あるランキングの最新更新に対して本ページが遅れることがあります。当社は「リアルタイムだが誰も検証していない」より「日付があり検証できる」ことを重視します。

表の上の「メンテナンス日」は収録リストにのみ従います。モデルや引用元が追加されたときに更新され、数値の再読取だけでは動きません——それはスナップショット日付の役割です。この日付は収録数と結び付けられ、数が合わなければビルドが失敗するため、気付かれないまま古くなることはありません。

本ページが引用する公開ソース

  • LMArena Text Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category overall), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • Artificial Analysis Intelligence Index
    Artificial Analysis · Intelligence Index · Intelligence Index v4.3.2, read 2026-09-22; its figures are not comparable with the v4.3 figures this page quoted from its 2026-09-12 read. v4.3.1 refreshed the pairwise judge panels of AA-Briefcase and GDPval-AA, and v4.3.2 moved GDPval-AA to v2.1 (Elo scale anchored to DeepSeek V4.1 Flash (max) at 1600, fitted with a Crowd-BT model) and refitted AA-Briefcase v1.1 with Crowd-BT, so rows moved without any model changing. v4.3 had already swapped τ³-Banking out of the index for AutomationBench-AA and Terminal-Bench v2.1 for v4.0. The leaderboard's default Status: Current filter hides rows Artificial Analysis marks deprecated; they still render with Status set to All and are re-read from that view like any other row (CA-948). A trailing * is reproduced as the board prints it: the board's data marks that score as estimated (intelligenceIndexIsEstimated), i.e. not every evaluation in the index had been run for that model · 取得日 2026-09-22
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • SuperCLUE 智能指数
    SuperCLUE · 总分 (overall) · 2026-07 evaluation, published 2026-08-06. The homepage reads this edition from its data file (/data/generalboard/2026年7月.xlsx, sheet 总排行榜, last modified 2026-09-11), which also carries rows evaluated after publication, each with its own evaluation publication date (the latest 2026-09-11); the page's Latest Update line refers to a different sub-board · 取得日 2026-10-04
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Epoch Capabilities Index (ECI)
    Epoch AI · General ECI · live board · 取得日 2026-10-04
    ライセンス: CC BY 4.0, as labelled on the page (https://creativecommons.org/licenses/by/4.0/)
  • Vals Index
    Vals AI · Accuracy (GDP-weighted finance, coding, legal and tax) · V2.2, page updated 2026-10-22; complete current cohort read 2026-10-23. Finance Agent v2.1 replaces v2 in this index; figures are not comparable with the V2.1 snapshot. Missing exact builds are not carried forward. · 取得日 2026-10-23
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Vendor's own evaluation card
    the model's own vendor · varies; the benchmark is named in each row · self-reported · 取得日 2026-09-22
    ベンダー自己申告、並び順には使用しません
  • LMArena Text-to-Image Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_to_image, category overall), published 2026-09-24, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Image Edit Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (image_edit, category overall), published 2026-09-30, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text-to-Video Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_to_video, category overall), published 2026-09-22, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Image-to-Video Arena
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (image_to_video, category overall), published 2026-09-22, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text Arena · Chinese
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category chinese, prompts in Chinese), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • LMArena Text Arena · Coding
    LMArena (arena.ai) · Arena score (Elo) · Hugging Face dataset lmarena-ai/leaderboard-dataset (text_style_control, category coding), published 2026-10-02, revision 46919c467f7f. Each rating is rounded half-up to a whole number and its interval is rating_upper minus rating, as arena.ai prints them; the dataset carries no Preliminary badge, so each citation records its row's vote count instead, and row names follow the dataset, which can trail a rename on arena.ai · 取得日 2026-10-05
    ライセンス: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/), as labelled on the dataset card (https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset)
  • Artificial Analysis · Output Speed
    Artificial Analysis · Median output tokens/s · live board; measured by Artificial Analysis against the vendor's own API, not through ChinaAPI. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948) · 取得日 2026-09-22
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis · GDPval-AA v2.1
    Artificial Analysis · Agentic Real-World Work Tasks, (Elo-500)/2000 (%) · GDPval-AA v2.1, live board, read 2026-09-22. 220 agentic task-completion tasks with file outputs, ranked pairwise by a panel of three frontier LLM judges; since v2.1 the Elo scale is anchored to DeepSeek V4.1 Flash (max) at 1600 and fitted with a Crowd-BT model, so its figures are not comparable with the v2 figures this page quoted from its 2026-09-12 read. The column prints clamp((Elo-500)/2000). It carries 10% of the Agents category inside Intelligence Index v4.3.2, so this column is a component of the AA Intelligence Index shown as an individual source, not an independent operator. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948). The column is hidden until the leaderboard's Intelligence group is expanded · 取得日 2026-09-22
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis · Terminal-Bench v4.0
    Artificial Analysis · Agentic Coding & Terminal Use (%) · Terminal-Bench 4.0 (66 tasks), run by Artificial Analysis with the mini-swe-agent harness, pass@1 averaged over 3 repeats per task; read 2026-09-22. When this column replaced the benchmark's own board on 2026-09-07 the methodology page named the harness as mini-SWE-agent v2.4.6; on 2026-09-21 it and the evaluation page name mini-swe-agent without a version, and every figure quoted before then read back unchanged. One harness for every model, so the column compares models rather than model-plus-best-scaffold — which is why it replaced the benchmark's own board, whose rows are agent × model and covered one Chinese model out of 34 (CA-788, overturning CA-734). It carries 10% of the Coding category inside Intelligence Index v4.3.2, so this column is a component of the AA Intelligence Index shown as an individual source, not an independent operator. Rows Artificial Analysis marks deprecated are read with the leaderboard's Status filter set to All (CA-948). The column is hidden until the leaderboard's Intelligence group is expanded · 取得日 2026-09-22
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis · MLCR-AA
    Artificial Analysis · Medical Long Context Reasoning (%) · MLCR-AA, live board, read 2026-09-22. Artificial Analysis marks it a standalone evaluation that is NOT part of Intelligence Index v4.3 — unlike the GDPval-AA v2 and Terminal-Bench v4.0 columns, this one is not a component of the AA Intelligence Index shown as an individual source, only the same operator. The underlying benchmark is Wisedocs' open MLCR (Wisedocs-AI/medical-long-context-reasoning): synthetic medical records of roughly 25,000-64,000 tokens, graded across six tiers from locating a single fact to expert-level clinical synthesis. It measures multi-document reasoning over long records, not medical capability in general. The main leaderboard carries no column for it; the figures were first read off the evaluation page's chart (2026-09-07) and since 2026-09-22 from the per-model pages' payload, which carries every model the chart can show (CA-956) · 取得日 2026-09-22
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis Text To Image
    Artificial Analysis · Elo · live board; exact row settings retained · 取得日 2026-09-13
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis Editing
    Artificial Analysis · Elo · live board; exact row settings retained · 取得日 2026-09-13
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis Text To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · 取得日 2026-09-13
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。
  • Artificial Analysis Image To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · 取得日 2026-09-13
    当該ページには利用許諾の記載がないため、本ページは出典として明記し、元ページへリンクする形で引用しています。

データファイル

本ページのデータはすべて機械可読形式で取得できます：/api/model-rankings（2026-10-23）