Como este ranking é construído

De onde vem esta lista, o que cada número significa e com que frequência é atualizada.

Voltar ao ranking

Escopo das avaliações Image / Video

Image e Video citam avaliações públicas de preferência da Arena e da Artificial Analysis. As organizações são contadas sem duplicatas: várias tabelas de tarefas da mesma organização não são várias organizações independentes nem uma certificação completa de capacidade.

Texto para imagem, edição, texto para vídeo e imagem para vídeo têm visualizações separadas. As tabelas de vídeo com áudio da Artificial Analysis formam grupos separados. As condições de áudio da Arena seguem as entradas originais; não afirmamos que seja um teste uniformemente sem áudio. Cada tabela é ordenada separadamente, sem combinar tarefas, condições de áudio ou ajustes de qualidade.

As células preservam a entrada original, a data de consulta, as amostras coletadas e os intervalos. Preliminary é uma marca da fonte, não nossa avaliação. Amostras ausentes não são preenchidas com zero; intervalos sobrepostos não comprovam vantagem significativa.

Preços e tempos de terceiros aparecem em abas separadas e não afetam a cobertura nem a ordem de qualidade. Os preços mantêm unidades e configurações. O tempo identifica fornecedor e condições: mediana de solicitações bem-sucedidas em três dias, com download e sem novas tentativas. Não são preços nem medições da ChinaAPI, nem prova de ausência de desvio nos nossos modelos.

Como as fontes são escolhidas

Apenas rankings de primeira mão que qualquer pessoa pode abrir: o mesmo endereço, o mesmo número, verificável por qualquer um. Cada número registra a página de onde foi lido e a data da leitura.

Nada é coletado no momento da requisição. Os dados ficam em um arquivo do repositório, e uma atualização é um Pull Request que avança a data do instantâneo, então o que mudou aparece no diff.

Nenhuma pontuação composta ou ranking agregado de terceiros é reproduzido por inteiro. A seleção, a organização e a ponderação são trabalho deles; citamos apenas números originais verificáveis, uma linha de cada vez.

O que os números significam e como a tabela é ordenada

O texto usa o algoritmo aberto v15 da AIHOT: compara modelos avaliados em conjunto com pesos fixos e minimiza a discordância total. Nossa seleção e dados verificados diferem da AIHOT, assim como os pontos e posições.

Pesos fixos: avaliações gerais 30%, preferência humana 10%, avaliações especializadas 60%. Dados ausentes não viram zero e seu peso não é redistribuído. Fontes e pesos disponíveis estão abaixo.

Exige ao menos 3 fontes, 3 famílias de avaliação, 3 operadores, 3 especialidades e 2 modelos de referência direta, lançados na janela de 18 meses. Modelos com evidência insuficiente continuam visíveis, sem posição.

Cada fonte escolhe a entrada por prioridade fixa de configuração, não pela maior nota. O consenso Kemeny define a posição; a nota 0–100 usa custos de inversão entre vizinhos e referências fixas, não acurácia. Filtros preservam a posição geral.

As faixas de sensibilidade recalculam após remover uma fonte ou operador, variar pesos em ±20% ou ignorar intervalos. Não são intervalos de confiança estatísticos.

Uma pontuação do Terminal-Bench depende do modelo e também do scaffold de agente que o conduz, então o número precisa dizer qual agente o produziu. Esta página cita a coluna que a Artificial Analysis executa com um único harness para todos os modelos — mini-SWE-agent v2.4.6, 66 tarefas, pass@1 com média de 3 repetições por tarefa — e o harness está indicado na nota de origem dessa coluna. Antes o ranking oficial do benchmark era citado tomando a melhor linha de cada modelo, o que podia colocar modelos diferentes em harnesses diferentes; com um único harness para a coluna inteira, a comparação é entre os modelos em si, e não entre cada modelo somado ao seu melhor scaffold.

O MLCR-AA citado na visão Medicina vem do mesmo operador que o ranking principal (Artificial Analysis), mas não é um componente dele: a Artificial Analysis o marca como avaliação independente, fora do Intelligence Index, portanto é uma evidência realmente independente, ao contrário das duas colunas acima. O benchmark de base é o MLCR aberto da Wisedocs: síntese multidocumento sobre prontuários sintéticos de cerca de 25.000–64.000 tokens, reconstruindo cronologia, causalidade, padrões de tratamento e relevância para o sinistro, com perguntas em seis níveis de dificuldade. Mede o raciocínio sobre registros longos, não a capacidade médica em geral, e não constitui aconselhamento médico.

Um número do próprio fornecedor aparece apenas onde nenhum quadro independente cobre o modelo. Ele é identificado como tal e nunca ordena a tabela.

Quando o rótulo da linha de um quadro difere do nome do modelo que oferecemos (versão preview, versão pro, outro nível de resolução), o rótulo do próprio quadro é impresso sob a célula. Não reatribuímos silenciosamente a pontuação de outro modelo.

A coluna “Lançamento” é a data de lançamento anunciada pelo fornecedor do modelo, não a data em que entrou à venda aqui: ela vem do anúncio oficial de lançamento do próprio fornecedor, e nomes de modelo com sufixo de data (como -260628) usam a data codificada no sufixo. Datas registradas por rankings de terceiros, como o Epoch, servem apenas de confirmação e não são usadas diretamente. Quando nenhuma data fundamentada é encontrada, a célula permanece “—” em vez de um palpite.

Escopo

A primeira edição cobre texto e multimodal, geração de imagens e geração de vídeos. Síntese e transcrição de voz ficam de fora: os quadros públicos que esta página aceita não os cobrem, e um espaço em branco é melhor do que uma posição inventada.

A seleção inclui modelos chineses vendidos aqui, novos modelos verificados em observação e modelos internacionais de referência. A inclusão não significa disponibilidade na ChinaAPI; pesos abertos não implicam uma licença permissiva. Modelos com evidências insuficientes ficam sem classificação. Os modelos internacionais contextualizam a posição dos modelos chineses.

Isenção de responsabilidade

Esta página não é uma avaliação nossa. Não participamos do desenho, da execução nem da pontuação de nenhum destes testes.

As posições mudam conforme as fontes são atualizadas. Esta página vale apenas para a data do instantâneo indicada no topo.

Um benchmark público mede o desempenho nas tarefas que ele testa, que podem não corresponder às suas. Escolha um modelo testando-o no seu próprio caso de uso.

Os nomes, marcas e conteúdos de cada fonte pertencem aos seus respectivos titulares; esta página apenas os cita e explica.

Ritmo de atualização

Não há tarefa agendada nem sincronização automática. Mudanças de dados entram apenas por um Pull Request: as fontes são lidas de novo, os números e as datas de coleta são atualizados, a data do instantâneo avança e tudo sai na próxima versão após revisão.

Isso significa que a página pode ficar atrás da atualização mais recente de um quadro. Preferimos ser verificáveis e datados a sermos instantâneos e não revisados.

A data “Mantido em” acima da tabela segue apenas o conjunto listado: muda quando um modelo ou uma fonte citada é adicionado, e uma releitura só de números não a move — esse é o papel da data do snapshot. A data está amarrada às contagens do conjunto, e o build falha quando elas divergem, então ela não envelhece em silêncio.

Fontes públicas citadas nesta página

  • 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-09-22
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • 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 · coletado em 2026-10-04
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Epoch Capabilities Index (ECI)
    Epoch AI · General ECI · live board · coletado em 2026-10-04
    Licença: 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. · coletado em 2026-10-23
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Vendor's own evaluation card
    the model's own vendor · varies; the benchmark is named in each row · self-reported · coletado em 2026-09-22
    informado pelo fornecedor, nunca usado para ordenar
  • 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-10-05
    Licença: 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 · coletado em 2026-10-05
    Licença: 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) · coletado em 2026-09-22
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • 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 · coletado em 2026-09-22
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • 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 · coletado em 2026-09-22
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • 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) · coletado em 2026-09-22
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Artificial Analysis Text To Image
    Artificial Analysis · Elo · live board; exact row settings retained · coletado em 2026-09-13
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Artificial Analysis Editing
    Artificial Analysis · Elo · live board; exact row settings retained · coletado em 2026-09-13
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Artificial Analysis Text To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · coletado em 2026-09-13
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.
  • Artificial Analysis Image To Video · With Audio
    Artificial Analysis · Elo · live board; with audio pool; exact row settings retained · coletado em 2026-09-13
    Essa página não declara licença de reutilização, portanto esta página a cita como fonte e cria um link de volta.

Arquivo de dados

Todos os dados desta página estão disponíveis em formato legível por máquina: /api/model-rankings (2026-10-23)