Najlepsze AI w wykonywaniu instrukcji: 417 modeli według ślepych głosów
Prompty z jednoznacznymi wytycznymi dotyczącymi formatu, długości lub treści, których odpowiedź musi przestrzegać. Ranking według ślepych głosów LMArena: każdy wynik z marginesem błędu i, obok, ceną katalogową modelu z naszego cennika.
Wyniki z LMArena, opublikowane 20 października 2026, na licencji CC BY 4.0. Ceny ze stron cenowych producentów, sprawdzone 15 października 2026.
- Ocenione modele
- 417
- Na równi z liderem
- 4
- W naszym cenniku
- 1
- Opublikowano
- 20 października 2026
Na równi: głosy nie pozwalają odróżnić go od lidera.
W rankingu LMArena (Instrukcje) prowadzi Gemini 4 Argon (High) (Google) z wynikiem 1525 pkt na podstawie 1748 głosów w ślepych porównaniach, dane z 20 października 2026. 3 inne modele są statystycznie na równi z nim. Żaden z ocenianych przez ten ranking modeli nie ma jeszcze ceny API w naszym cenniku.
Najlepsze AI w wykonywaniu instrukcji
Prompty z jednoznacznymi wytycznymi dotyczącymi formatu, długości lub treści, których odpowiedź musi przestrzegać.
| # | Model | Wynik | Głosy | Za 1 mln tokenów, wejście / wyjście |
|---|---|---|---|---|
| 1 | Gemini 4 Argon (High)Google | Przedział 95%: od 1511 do 1540 | 1748 | · |
| 1 | Claude Opus 5.5 (High)Anthropic | Przedział 95%: od 1508 do 1531 | 3298 | · |
| 1 | Claude Opus 4.6 (High)Anthropic | Przedział 95%: od 1506 do 1516 | 26 659 | · |
| 1 | Claude Fable 5 (High)Anthropic | Przedział 95%: od 1502 do 1514 | 15 293 | · |
| 2 | Claude Fable 5.1 (Max)Anthropic | Przedział 95%: od 1490 do 1509 | 4693 | · |
| 2 | Muse Wonder (Max)Meta | Przedział 95%: od 1481 do 1509 | 1797 | · |
| 3 | Claude Opus 4.7 (High)Anthropic | Przedział 95%: od 1497 do 1508 | 22 751 | · |
| 4 | Claude Opus 4.6Anthropic | Przedział 95%: od 1493 do 1503 | 29 280 | · |
| 5 | Claude Opus 5 (High)Anthropic | Przedział 95%: od 1490 do 1501 | 24 456 | · |
| 5 | Claude Opus 5 (Max)Anthropic | Przedział 95%: od 1488 do 1501 | 11 699 | · |
| 5 | Claude Opus 4.7Anthropic | Przedział 95%: od 1487 do 1498 | 23 310 | · |
| 5 | GPT-5.6 Sol (xHigh)OpenAI | Przedział 95%: od 1485 do 1497 | 14 557 | · |
| 5 | Gemini 3.8 Flash (High)Google | Przedział 95%: od 1484 do 1497 | 14 854 | · |
| 5 | Claude Sonnet 5.5 (xHigh)Anthropic | Przedział 95%: od 1475 do 1499 | 2756 | · |
| 5 | GPT-6.1 Sol (Max)OpenAI | Przedział 95%: od 1471 do 1497 | 2278 | · |
| 6 | Claude Opus 4.8 (High)Anthropic | Przedział 95%: od 1486 do 1496 | 22 656 | · |
| 6 | Kimi K3 (Max)Moonshot AI · otwarte wagi | Przedział 95%: od 1483 do 1496 | 11 432 | · |
| 7 | Gemini 3.7 Flash (High)Google | Przedział 95%: od 1479 do 1493 | 10 486 | · |
| 7 | Muse Spark 1.3 (Max)Meta | Przedział 95%: od 1477 do 1492 | 6905 | · |
| 8 | Claude Opus 4.5 (High, 32K, 20251101)Anthropic | Przedział 95%: od 1477 do 1490 | 9886 | · |
| 11 | MiMo-V2.6-ProXiaomi · otwarte wagi | Przedział 95%: od 1456 do 1487 | 1391 | · |
| 12 | GLM-5.3 (Max)Z.ai · otwarte wagi | Przedział 95%: od 1470 do 1485 | 8022 | · |
| 12 | DeepSeek-V4.1-Flash-20260910 (Max)DeepSeek · otwarte wagi | Przedział 95%: od 1467 do 1485 | 4725 | · |
| 13 | Gemini 3.1 Pro PreviewGoogle | Przedział 95%: od 1476 do 1484 | 44 333 | · |
| 15 | Claude Opus 4.8Anthropic | Przedział 95%: od 1473 do 1483 | 23 252 | · |
| 15 | GPT-5.5 (High)OpenAI | Przedział 95%: od 1472 do 1483 | 24 002 | · |
| 15 | Qwen3.8-MaxAlibaba | Przedział 95%: od 1468 do 1482 | 10 450 | · |
| 15 | GPT-6 Astra (Max)OpenAI | Przedział 95%: od 1463 do 1482 | 4190 | · |
| 15 | Muse Spark 1.2 (xHigh)Meta | Przedział 95%: od 1461 do 1482 | 3379 | · |
| 15 | Qwen3.7-Max-PreviewAlibaba | Przedział 95%: od 1449 do 1482 | 1381 | · |
| 16 | GPT-5.5OpenAI | Przedział 95%: od 1470 do 1480 | 24 814 | · |
| 16 | Claude Sonnet 4.6Anthropic | Przedział 95%: od 1469 do 1480 | 23 706 | · |
| 16 | Claude Opus 4.5 (20251101)Anthropic | Przedział 95%: od 1469 do 1479 | 21 829 | · |
| 16 | Gemini 3.6 Flash (High)Google | Przedział 95%: od 1466 do 1479 | 13 098 | · |
| 17 | Muse Spark 1.1Meta | Przedział 95%: od 1467 do 1478 | 16 036 | · |
| 17 | Gemini 3 ProGoogle | Przedział 95%: od 1466 do 1479 | 11 692 | · |
| 17 | GLM-5.3-FlashZ.ai · otwarte wagi | Przedział 95%: od 1465 do 1478 | 12 492 | · |
| 19 | GPT-5.4 (High)OpenAI | Przedział 95%: od 1466 do 1476 | 21 863 | · |
| 20 | GLM-5.2 (Max)Z.ai · otwarte wagi | Przedział 95%: od 1464 do 1476 | 17 693 | · |
| 21 | Qwen3.5-Max-PreviewAlibaba | Przedział 95%: od 1460 do 1475 | 7402 | · |
| 21 | Muse SparkMeta | Przedział 95%: od 1455 do 1473 | 4741 | · |
| 22 | MiMo-V2.5-ProXiaomi · otwarte wagi | Przedział 95%: od 1462 do 1472 | 25 875 | · |
| 23 | Gemini 3.5 Flash (Medium)Google | Przedział 95%: od 1460 do 1472 | 17 046 | · |
| 23 | Claude Sonnet 5 (High)Anthropic | Przedział 95%: od 1460 do 1472 | 17 926 | · |
| 23 | DeepSeek-V4-Pro (High, 20260813)DeepSeek · otwarte wagi | Przedział 95%: od 1451 do 1472 | 3482 | · |
| 24 | Gemini 3.5 Flash (High)Google | Przedział 95%: od 1459 do 1471 | 17 393 | · |
| 25 | GPT-5.6 Terra (xHigh)OpenAI | Przedział 95%: od 1458 do 1470 | 16 102 | · |
| 28 | Claude Sonnet 4.5 (High, 32K, 20250929)Anthropic | Przedział 95%: od 1459 do 1468 | 24 661 | · |
| 29 | GLM-5.1Z.ai · otwarte wagi | Przedział 95%: od 1457 do 1467 | 22 539 | · |
| 31 | Claude Sonnet 4.5 (20250929)Anthropic | Przedział 95%: od 1457 do 1466 | 24 365 | · |
| Dalej w rankingu: pozostałe modele z naszego cennika | ||||
| 217 | gpt-oss-120bOpenAI · otwarte wagi | Przedział 95%: od 1317 do 1331 | 7865 | · |
Skąd się bierze ranking
Wyniki, przedziały i pozycje pochodzą z LMArena. Ceny są nasze.
- Ślepe głosy
- LMArena zadaje ten sam prompt dwóm anonimowym modelom i prosi autora promptu o wybór lepszej odpowiedzi. Głosy układają wszystkie modele na jednej skali, na której różnica 100 punktów oznacza, że wyżej oceniany model wygrywa mniej więcej 64 razy na 100.
- Kontrola stylu
- Wyniki uwzględniają korektę o długość i formatowanie odpowiedzi, więc model nie awansuje przez pisanie więcej ani dodawanie nagłówków i list.
- Wspólne pozycje
- Pozycja modelu to jeden plus liczba modeli, których cały przedział 95% leży powyżej jego przedziału. Modele, których głosy nie pozwalają rozdzielić, mają wspólną pozycję, dlatego kilka może być na pierwszym miejscu.
- Ustawienia
- Model może pojawić się więcej niż raz, przy różnych ustawieniach rozumowania: wiersz pod jego nazwą podaje wpis w takiej postaci, w jakiej wymienia go LMArena. Wpisy z włączonym wyszukiwaniem w internecie to inny produkt i nie mają ceny.
- Ceny
- Cena katalogowa za milion tokenów ze strony cenowej producenta, sprawdzona 15 października 2026. To cena za token, a nie za odpowiedź: wyższe ustawienie rozumowania zużywa więcej tokenów na to samo pytanie.
Źródło: LMArena, zbiór danych rankingu (wersja 9041150e, opublikowana 20 października 2026), na licencji CC BY 4.0. Nie zmieniamy żadnego wyniku: dodajemy ceny i linki do naszych stron modeli.
Ile kosztuje korzystanie z każdego modelu
Cennik obejmuje trzy codzienne zadania dla każdego modelu, a nasz własny benchmark uruchamia je na prawdziwych zadaniach biznesowych, by sprawdzić, które modele je zaliczają.
Wyniki opublikowane 20 października 2026