Фактическая точность LLM: русский язык — Arena

Точность фактических ответов. Сравните модели для вашей задачи.

Баллы FactualityМодели по задаче
1–25 из 140 моделейДо 4 в сравнении
Модель / разработчикГде использовать
1Gemini 4 Argon (High)Google
—
2Claude Opus 5.5 (High)Anthropic
—
3Muse Wonder (Max)Meta
—
—
4Gemini 3.8 Flash (High)Google
5Claude Fable 5.1 (Max)Anthropic
6Claude Fable 5 (High)Anthropic
7Gemini 3.7 Flash (High)Google
8Claude Opus 5 (Max)Anthropic
9Claude Opus 5 (High)Anthropic
10Claude Opus 4.6Anthropic
—
11GPT 5.4 (High)OpenAI
—
12Claude Opus 4.6 (High)Anthropic
—
13Gemini 3.1 Pro PreviewGoogle
14Gemini 3.5 Flash (High)Google
—
15Claude Opus 4.7 (High)Anthropic
—
16Muse Spark 1.3 (Max)Meta
—
17GPT 5.5OpenAI
—
18Gemini 3 ProGoogle
—
19Qwen3.5 Max PreviewAlibaba
—
—
20Claude Opus 4.7Anthropic
—
21Kimi K3 (Max)Moonshot AI
Локально
22Gemini 3.5 Flash (Medium)Google
—
23GPT 5.6 Sol (xHigh)OpenAI
—
24Gemini 3.6 Flash (High)Google
25GPT 5.5 (High)OpenAI
—

Наличие точной версии и режима в сервисе зависит от тарифа. Ссылки ведут к условиям продукта.

Что показывает этот рейтинг

Сравнение ответов на запросы на русском языке. Язык интерфейса сервиса здесь не оценивается.

Показана отдельная шкала фактической точности Arena. Эти баллы нельзя сравнивать напрямую с обычным рейтингом предпочтений.

Как сравнивать близкие результаты

Наведите на балл или нажмите на него, чтобы увидеть 95% интервал и число наблюдений. Пересекающиеся интервалы означают неопределённость относительного порядка; близкое место само по себе не доказывает заметное преимущество на вашей задаче. Место сохранено по данным Arena и не перенумеровывается при фильтрации.

Где пользоваться выбранной нейросетью

У моделей, для которых есть карточка с точно сопоставленной версией, название ведёт к характеристикам. Для готовых приложений откройте модели по задаче или таблицу подписок. Тариф и доступный режим нужно сверять отдельно от баллов модели.

Источник и методика

Срез 22.10.2026. Источник: Arena; официальный открытый набор, лицензия CC BY 4.0. Мы перевели названия категорий и форматируем значения. Исходные баллы и интервалы сохранены.

Другие рейтинги нейросетей