AI मॉडल रैंकिंग — 11 लीडरबोर्ड एक साथ

रैंक	मॉडल	कुल स्कोर	Artificial Analysis	LiveBench	Epoch AI	ARC-AGI	Scale SEAL	Vals AI	Terminal-Bench	EQ-Bench	SimpleBench	BenchLM
1	Claude Opus 5.5 Anthropic	92.5	#1	#2	—	#2	—	#1	—	—	#1	—
2	GPT-6 Astra OpenAI	92.2	#3	#4	#1	#1	#1	#4	#1	—	#4	#1
3	Claude Fable 5.1 Anthropic	91.7	#2	#1	#2	#5	#2	#2	#2	—	#2	#2
4	Claude Fable 5 Anthropic	90.6	#5	#3	#3	#6	—	#5	#4	#2	—	#4
5	Claude Opus 5 Anthropic	90.3	#4	#9	#4	#4	—	#3	#3	#1	#8	#3
6	Muse Spark 1.3 Meta	89.0	#6	#5	#15	—	—	#6	—	—	#7	—
7	GPT-5.6 Sol OpenAI	88.0	#8	#6	#6	#3	—	#7	#7	#9	#23	#5
8	GPT-5.5 Pro OpenAI	86.9	—	—	#5	#9	—	—	—	—	#10	—
9	GPT-6 Sol OpenAI	86.5	#7	#11	—	—	—	#8	—	—	#15	—
10	GPT-5.4 Pro OpenAI	85.2	—	—	#9	#13	—	—	—	—	—	—
11	MiMo-V2.6-Pro Xiaomi	85.2	#10	—	—	—	—	#16	—	—	—	—
12	DeepSeek V4.1 Flash DeepSeek	84.7	#22	#6	#28	—	—	#20	—	—	#21	—
13	Grok 4.7 xAI	84.6	#9	#19	—	—	—	#11	#6	—	—	—
14	GPT-5.5 OpenAI	84.4	#25	#8	#8	#8	—	#22	—	#4	#19	#12
15	Gemini 3.8 Flash Google	83.3	#19	#31	#13	#6	#4	#9	#11	—	#5	#6
16	Kimi K3 Moonshot AI	83.3	#15	#11	#12	#24	—	#21	—	#3	#33	#8
17	Qwen3.8 Max Alibaba (Qwen)	82.5	#11	#14	#26	—	—	#33	—	—	—	#9
18	Grok 4.6 xAI	82.4	#13	#15	#18	#20	—	#18	#10	—	#13	#11
19	Gemini 3.7 Flash Google	82.1	#23	#13	#11	#9	—	#17	#15	—	—	#14
19	GPT-5.4 OpenAI	82.1	—	#15	#14	#16	—	—	—	#7	—	#13
21	GPT-5.6 Terra OpenAI	82.1	#16	#18	#7	#12	—	#13	#9	#11	#53	#7
22	Muse Spark 1.2 Meta	82.0	#21	#15	#27	—	—	#23	—	—	#14	—
22	GLM-5.3 Z.ai (Zhipu)	82.0	#12	#28	#22	—	—	#24	#5	—	#22	—
24	Claude Opus 4.8 Anthropic	81.4	#17	#26	#10	#17	—	#10	#8	#6	#23	#10
25	Claude Opus 4.7 Anthropic	80.1	—	#25	#19	#15	#9	#25	—	#5	#26	—
26	Qwen3.8-Flash-Next Alibaba (Qwen)	78.7	#20	#26	—	—	—	—	—	—	—	—
27	Claude Sonnet 5 Anthropic	77.8	#26	#30	#20	—	—	#13	#13	#10	#34	#15
28	Gemini 3.1 Pro Google	77.3	#39	#22	#29	#14	#3	#41	—	#21	#9	—
29	DeepSeek V4 Pro DeepSeek	76.1	#29	#19	#24	#23	—	#32	—	#18	#51	—
30	Muse Spark 1.1 Meta	76.0	#33	#33	#33	—	—	#28	—	#8	—	#16
31	Grok 4.5 xAI	75.5	#24	#31	#34	#32	—	#34	#13	—	#18	#18
32	Claude Opus 4.6 Anthropic	74.8	—	#37	#25	#19	#10	—	—	#13	#20	#20
33	Muse Spark Meta	74.2	—	—	#39	—	#6	—	—	—	—	#27
34	Gemini 3.5 Flash Google	74.0	#36	#35	#30	#17	—	#30	—	#24	#11	#21
35	DeepSeek V4 Flash DeepSeek	74.0	#31	#38	#31	#22	—	#29	—	—	#31	—
36	GPT-5.6 Luna OpenAI	73.8	#27	#40	#21	#28	—	#12	#12	#19	#55	#17
37	Gemini 3.6 Flash Google	73.7	#32	#40	#32	#24	—	#26	—	—	—	#19
38	Qwen3.8 27B Alibaba (Qwen)	73.5	#33	#33	—	—	—	#36	—	—	—	—
39	GPT-6 Luna OpenAI	73.5	#27	#46	—	#29	—	#19	—	—	—	—
40	Gemini 3 Pro Google	70.4	—	—	#37	#37	#7	—	—	—	#12	#26
41	GPT-5.3 Codex OpenAI	70.0	—	—	#16	—	—	—	—	—	—	#24
42	GPT-5.2.11 OpenAI	69.9	—	#35	—	—	#12	—	—	—	—	—
43	GLM 5.3 Flash Z.ai (Zhipu)	69.7	#17	#48	#41	—	—	#37	—	—	—	—
44	GPT-5.2 Pro OpenAI	69.5	—	—	#23	#30	—	—	—	—	#41	—
45	Claude Sonnet 4.6 Anthropic	68.8	#38	#44	#38	#24	—	#35	—	#16	—	#30
46	GLM-5.2 Z.ai (Zhipu)	68.6	#33	#42	#43	#38	—	#30	—	#14	#38	#23
47	Qwen3.7 Max Alibaba (Qwen)	66.2	#40	#43	#35	—	—	#38	—	#23	—	#22
48	Qwen 3.6 Max Alibaba (Qwen)	65.8	—	—	#53	—	—	—	—	—	#25	—
49	GPT-5.2 OpenAI	65.2	—	—	#36	#31	—	—	—	—	#58	#25
50	Qwen 3.8 27B Alibaba (Qwen)	63.4	—	—	#52	—	—	—	—	—	#36	—

रैंक	कंपनी	कुल स्कोर	शीर्ष मॉडल	मॉडल
1	Anthropic	86.7	Claude Opus 5.5	27
2	OpenAI	85.2	GPT-6 Astra	54
3	Meta	77.7	Muse Spark 1.3	23
4	Google	74.4	Gemini 3.8 Flash	33
5	xAI	72.7	Grok 4.7	13
6	Xiaomi	70.1	MiMo-V2.6-Pro	4
7	Moonshot AI	69.8	Kimi K3	5
8	Alibaba (Qwen)	68.1	Qwen3.8 Max	46
9	DeepSeek	67.8	DeepSeek V4.1 Flash	22
10	Z.ai (Zhipu)	66.0	GLM-5.3	10
11	Tencent	53.3	—	2
12	Thinking Machines	42.0	Inkling	2
13	MiniMax	40.3	MiniMax-M3	5
14	Ant Group	32.7	—	5
15	NVIDIA	29.6	Nemotron 3 Ultra 550B A55B	9
16	Mistral AI	17.6	Mistral 3.5	26
17	Microsoft	16.7	Phi-4	6
18	Amazon	15.8	—	3
19	Inception	13.3	Mercury 2.5	1
20	Cohere	12.9	Command R	3

हर साइट पर कंपनी का परिणाम = वहाँ उसका सबसे अच्छा मॉडल।

रैंकिंग कैसे बनती है

संग्रह — नीचे दिए 11 लीडरबोर्ड से हर घंटे आधिकारिक डेटा लिया जाता है। अनुमानित स्कोर उपयोग नहीं किए जाते।
मिलान — एक ही मॉडल के अलग-अलग नाम मिलाए जाते हैं। रीज़निंग स्तर जैसे वेरिएंट के लिए हर साइट का सबसे अच्छा परिणाम लिया जाता है।
मानकीकरण — हर साइट के मुख्य मेट्रिक को उसी साइट के भीतर मानकीकृत किया जाता है, ताकि केवल रैंक नहीं बल्कि स्कोर का अंतर भी बना रहे।
समतुल्यता — कई साइटों पर मौजूद मॉडलों को पुल बनाकर एक फ़ैक्टर मॉडल हर साइट की कठिनाई और मॉडल संरचना को सुधारता है। ज़्यादा शोर वाली साइटों का भार कम होता है।
न मिले डेटा पर कोई दंड नहीं — मॉडल को केवल उन्हीं साइटों से स्कोर मिलता है जिन्होंने उसे रेट किया। अनिश्चितता 90% अंतराल के रूप में दिखाई जाती है। 2+ साइटों पर रेट किए गए मॉडल रैंक होते हैं।
Arena — Arena (पहले LMArena) केवल क्षेत्र रैंकिंग में उपयोग होता है, कुल स्कोर में नहीं। नए मॉडल अपने आप जुड़ते हैं।

अक्सर पूछे जाने वाले प्रश्न

ARBITER क्या है?

AI मॉडल और कंपनियों की एक कुल रैंकिंग, जो 11 प्रामाणिक AI लीडरबोर्ड को सांख्यिकीय रूप से मिलाती है।

यह कितनी बार अपडेट होती है?

हर घंटे। किसी भी लीडरबोर्ड पर आए नए मॉडल अपने आप जुड़ जाते हैं।

कुल स्कोर की गणना कैसे होती है?

हर साइट के मुख्य मेट्रिक को मानकीकृत किया जाता है, फिर एक फ़ैक्टर मॉडल साइटों के बीच के अंतर को सुधारकर हर मॉडल की साझा क्षमता का अनुमान लगाता है।

क्या कम लीडरबोर्ड पर रेट किए गए मॉडल को नुकसान होता है?

नहीं। न मिली रेटिंग पर कभी अंक नहीं कटते। इसके बजाय अनिश्चितता 90% अंतराल के रूप में दिखाई जाती है।

इस समय सबसे अच्छा AI मॉडल कौन सा है?

कुल रैंकिंग में #1 मॉडल। सबसे अच्छा विकल्प आपके उपयोग पर निर्भर करता है, इसलिए क्षेत्र रैंकिंग भी देखें।

AI मॉडल रैंकिंग — 11 लीडरबोर्ड एक साथ

प्रदर्शन बनाम कीमत

सबसे किफायती

सर्वश्रेष्ठ ओपन-वेट मॉडल

सबसे तेज़ मॉडल

देश के अनुसार

लीडरबोर्ड के बीच सहमति

रैंकिंग कैसे बनती है

अक्सर पूछे जाने वाले प्रश्न