LLMXP
ПРОИСХОЖДЕНИЕ ДАННЫХ

На чём основаны оценки LLMXP

Мы собираем опубликованные результаты тестов и условия поставщиков. Каждый балл сохраняет свой источник, дату и версию модели.

Новые модели и изменения →Полнота карточек →

Arena

Текст, документы, поиск, изображения, видео, создание сайтов и агентные задачи.

Каждая арена и категория имеет свою шкалу. Сохраняем баллы, интервалы, число наблюдений и дату среза. Оценки моделей не переносятся на готовые приложения.

Посмотреть данные →Первоисточник ↗

Epoch AI

Знания, математика, фактические ответы и исправление ошибок в коде.

Каждый тест имеет собственную шкалу. В таблицах указаны версии и условия запуска.

Посмотреть данные →Первоисточник ↗

Aider

Редактирование кода на многоязычном наборе задач.

Доля решённых заданий относится к модели вместе с настройками инструмента.

Посмотреть данные →Первоисточник ↗

OpenRouter

Цены API, контекст, форматы и поддерживаемые параметры.

Цена подписки на приложение сюда не входит. Дополнительные инструменты могут оплачиваться отдельно.

Посмотреть данные →Первоисточник ↗

GenAI Arena · TIGER-Lab

Предпочтения в генерации изображений и видео.

Исторические результаты. Это отдельный проект от Arena Text; шкалы не объединяются.

Посмотреть данные →Первоисточник ↗

Open ASR Leaderboard

Распознавание английской речи на LibriSpeech test-other.

WER — доля ошибок слов; меньше лучше. Этот тест не оценивает озвучку или русский язык.

Посмотреть данные →Первоисточник ↗

TTSDS2

Автоматическая оценка синтеза речи: общая оценка, разборчивость, просодия и сходство голоса.

Языки сравниваются отдельно. Опубликованы русский и английский наборы; исторический результат не переносится на новые версии.

Посмотреть данные →Первоисточник ↗

Music Arena · CMU

Парные предпочтения в инструментальной музыке и музыке с вокалом.

Рядом с оценкой указаны 95% интервал и количество голосов. Группы сравниваются отдельно.

Посмотреть данные →Первоисточник ↗

Версия рейтингов и изменение мест

Каталог, карточки и рейтинги используют один принятый срез Arena. Исходный балл и индекс 0–100 — разные значения: индекс равен 100 × (число строк − место + 0,5) / число строк. Он показывает положение в полном срезе и не означает процент правильных ответов. Равные места источника сохраняются.

↑ — поднялась на указанное число мест; ↓ — опустилась; = — место не изменилось. «Нов.» означает отсутствие в предыдущем сопоставимом срезе, а не новый релиз. «—» означает, что предыдущего сопоставимого среза нет. Сравниваются одинаковые категория, конфигурация, метрика и вариант поправки на стиль. Фильтры и сортировка не меняют изменение места.

Появление новых участников само по себе меняет места. Изменение позиции не доказывает улучшение качества; для интерпретации нужны исходные баллы, интервалы и условия теста.

Принятый источник и даты направлений

Ревизия: 6852ae7aa7c105ff8cf86bb1551d1b1fd52f9dd3. Получено: 28.10.2026, 08:55:02 МСК. Лицензия — CC BY 4.0. LLMXP переводит подписи, форматирует данные и рассчитывает индекс и изменение места; собственные тесты не проводит.

Agent Arena использует эффект IPS; Factuality — отдельную шкалу точности. Их нельзя складывать с баллами предпочтений. Music Arena, Open ASR и TTSDS2 также сравниваются в отдельных таблицах.

Сообщить об ошибке в результате →

Как проверить конкретную цифру

Откройте источник рядом с оценкой или тарифом. Сопоставьте название модели, режим и дату. Дата проверки страницы и дата самого теста могут различаться.

Если значение не подтверждено, мы оставляем его неизвестным. Отсутствие цены не означает бесплатный доступ, а отсутствие теста — низкое качество.

Значки продуктов: Lobe Icons · лицензия MIT. Логотипы используются для идентификации продуктов.

Как устроено сравнение

Сообщить об ошибке в данных →