Tiers er vores egne: en models plads på ranglisten, hvor kun de modeller tæller, hvis hele konfidensinterval ligger over den. S – top 10%, A – op til 30%, B – op til 60%, C – op til 85%, D – resten.
Kvalitet mod prisopad bedømmelse, til siden blandet pris (3 dele input : 1 output), USD pr. 1M tokens
Webapps bygget fra én prompt
Ranglisten for webudvikling bruger LMArenas WebDev-arena. To modeller får den samme opgave – for eksempel en lille spilside, et dashboard eller en formular – og bygger hver sin fungerende webapp. Brugerne afprøver begge og stemmer på den app, de foretrækker. Arenaen har sit eget udvalg af modeller, som ikke er det samme som på tekst- og programmeringslisterne.
Hvad bedømmelsen dækker
Stemmen gælder hele resultatet: layout, om koden virker, og om appen gør det, der blev bedt om. Det er ikke en bedømmelse af kodestil alene. En model, der skriver pæn kode, men glemmer halvdelen af opgaven, taber derfor her.
Tier og Elo med 95 % konfidensinterval, beregnet som på de andre lister.
Laveste pris pr. 1M tokens og kontekstvindue fra models.dev og LiteLLM.
»Lav pris« under 1 USD pr. 1M tokens (blandet pris).
Sådan bruger du listen
Se efter modeller i de øverste tiers – overlappende intervaller betyder, at de reelt står lige.
Sammenhold prisen med, hvor mange apps eller ændringer du forventer at lave om måneden.
Den passer til dig, der vil lave landingssider, små værktøjer eller prototyper hurtigt – eller til dig, der skal vælge en model til et værktøj, som genererer brugerflader. Kombinér den med ranglisten for programmering, hvis du også skal rette og vedligeholde koden bagefter, og med agentlisten, hvis modellen skal arbejde selvstændigt i flere trin.
Begrænsninger
Apps i arenaen er små. Store projekter med mange filer, database og login bliver ikke bedømt, så en høj placering er et tegn på evnen til at bygge hurtige prototyper – ikke en garanti for et helt produkt. Modeller under 300 stemmer står som »Ingen tier endnu«.