Нейросети для текста и кода (LLM): сравнение по бенчмаркам
Чат-модели: ответы на вопросы, тексты, анализ документов, программирование. Сравниваем по сводным индексам, научным и математическим тестам, задачам из реальных репозиториев и слепым сравнениям людей.
Данные на 20.10.2026 · 25 моделей · 8 тестов · 16 доступны на zdes AI без VPN
Все модели и результаты тестов
Коротко: Лидер по сводному индексу — Claude Opus 5.5 от Anthropic (99 из 100), за ним GPT-6 Astra (93) и Claude Sonnet 5.5 (93). Claude Opus 5.5 доступна на zdes AI без VPN.
| Модель | Контекст, тыс. токенов | Макс. ответ, тыс. токенов | Понимает изображения | Режим рассуждений | Вышла | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
99 | 58 | 1 508 | 1 807 | ≈95% | 61,4% | 65,2% | 91,2% | 95 | 1 000 | 128 | сен 2026 | |||
93 | 53 | 1 477 | 1 774 | 96,1% | 54,7% | 59,6% | 93,7% | 68 | 1 050 | 128 | сен 2026 | |||
93 | 56 | 1 475 | 1 768 | 96% | 55% | 64,1% | 88,8% | 135 | 1 000 | 128 | сен 2026 | |||
92 | 53 | 1 502 | 1 743 | 93,7% | 59,1% | 58,1% | 90,2% | 68 | 1 000 | 128 | сен 2026 | |||
90 | 52 | 1 484 | 1 753 | 95% | 52,9% | 55,1% | 93,7% | 57 | 1 050 | 128 | сен 2026 | |||
90 | 53 | 1 524 | 1 678 | 96% | 57,1% | 57,6% | 86% | — | 1 049 | — | сен 2026 | |||
7 ME Muse Wonder Metaнет на zdes | 81 | 52 | 1 509 | 1 652 | — | 50,1% | 49,5% | 82% | 145 | 1 050 | — | окт 2026 | ||
8 AL Qwen3.8 Max Alibabaнет на zdes | 75 | 45 | 1 482 | 1 674 | 92,8% | 43,1% | 34,3% | 74,7% | 38 | 984 | 131 | сен 2026 | ||
73 | 45 | 1 479 | 1 621 | 91% | 42,3% | 38,9% | 68,8% | 95 | 1 049 | 128 | авг 2026 | |||
73 | 45 | 1 475 | 1 664 | 90% | 43,3% | 31,8% | 67% | 225 | 1 000 | 384 | сен 2026 | |||
72 | 44 | 1 487 | 1 655 | 93% | 46,9% | 17,2% | 72,2% | 42 | 1 049 | — | июл 2026 | |||
72 | 43 | ≈1 468 | 1 586 | 90% | 44,4% | 36,4% | 75,1% | 232 | 1 000 | 128 | окт 2026 |
Таблицу можно листать вбок: там остальные тесты и характеристики →
Сводный индекс независимых тестов: логика, наука, код, агенты
Artificial Analysis Intelligence Index, данные на 20.10.2026Рейтинг по слепым голосованиям людей в чате
LMArena (arena.ai) Text Arena, данные на 15.10.2026Рейтинг по голосам людей: кто лучше делает веб‑приложения
LMArena (arena.ai) WebDev Arena, данные на 19.10.2026Сложные вопросы по физике, химии, биологии уровня PhD
GPQA Diamond (прогон Epoch AI; где его нет — Artificial Analysis), данные на 19.10.2026Самые трудные экспертные вопросы из многих наук
Humanity's Last Exam (без инструментов, прогон Artificial Analysis), данные на 20.10.2026Агентные задачи в терминале: код, DevOps, данные
Terminal-Bench 4.0 (Vals AI, mini-SWE-agent), данные на 18.10.2026Новые нерешённые в открытом доступе задачи профессиональной математики
FrontierMath Tiers 1–3 v2 (прогон Epoch AI), данные на 19.10.2026Сколько токенов в секунду модель выдаёт при ответе
Скорость вывода (медиана, API разработчика, Artificial Analysis), данные на 20.10.2026Сравнить две модели
Выберите тип задачи и две модели: покажем, кто сильнее в каждом тесте и чем они отличаются.
- Мы сами не тестируем модели. Все цифры взяты из открытых лидербордов и карточек моделей, ссылки и даты есть под каждой таблицей.
- Арены (Elo) — это слепые сравнения: люди видят два ответа и выбирают лучший. Разница в 100 очков значит, что модель побеждает примерно в 64% сравнений. Тесты в процентах — доля решённых задач.
- Индекс 0–100 сводит все тесты раздела в одно число: 100 у лидера каждого теста, затем среднее. Сравнивать индекс можно только внутри одного раздела.
- ≈Курсив — наша оценка там, где открытых данных нет: по результатам соседних версий той же модели и похожих моделей. Наведите на число, чтобы увидеть, из чего она получена.