Мировые тесты и арены (49 срезов)
LM Arena, Epoch ECI, LiveBench, Vals Finance/Legal/Excel, Terminal-Bench, APEX и MedHELM. Если источник частичный или старше 3 месяцев, это помечено рядом с датой.
Сравниваем модели на одном экране по профильным тестам — мировых лидеров, китайские и российские модели. Все топ-карточки считаются напрямую из цифр рейтингов, а не из закрытого списка.
Модели с лучшими позициями сразу по нескольким основным тестам (интеллект, русский язык, тексты, код, Excel, логика, поиск и MERA). Прочерк «—» означает, что тест для этой модели не проводился.
Флагман, разумный оптимум, сильнейшая китайская модель и российская модель.
Единого «супер-рейтинга» не существует: разные источники измеряют разное (слепое предпочтение людей, автоматические тесты кода и логики, отраслевые задания). Поэтому мы никогда не складываем Elo, проценты и Epoch ECI в одну формулу — на каждой вкладке виден честный источник.
LM Arena, Epoch ECI, LiveBench, Vals Finance/Legal/Excel, Terminal-Bench, APEX и MedHELM. Если источник частичный или старше 3 месяцев, это помечено рядом с датой.
Независимые открытые лидерборды MERA (Text, Code, Industrial Medicine, Industrial Agro). Устаревший пользовательский рейтинг Russian LLM Arena исключён, так как в нём не представлена текущая линейка моделей 2026 года. Когда российских моделей нет в западном тесте, карточка РФ берёт данные из MERA с явной пометкой отдельной шкалы.
Отделяем подтверждённые тарифы веб-чатов от открытых весов (локальный запуск) и предыдущих API-версий. По каждой модели видны регион (США/ЕС, Китай, Россия) и контур данных: РФ, свой сервер (открытые веса) или зарубежное облако.