I tier sono nostri: la posizione di un modello nella classifica contando solo i modelli il cui intervallo di confidenza è interamente sopra il suo. S — primo 10%, A — fino al 30%, B — fino al 60%, C — fino all'85%, D — il resto.
Qualità e prezzopunteggio in verticale, prezzo combinato (3 parti di input : 1 di output) in orizzontale, USD per 1M di token
Una gara tra applicazioni, non tra risposte
La classifica di sviluppo web usa la WebDev arena di LMArena. Qui due modelli ricevono lo stesso prompt, per esempio «crea una lista di cose da fare con filtri e tema scuro», e ognuno costruisce un'applicazione web funzionante. Chi vota prova le due app e sceglie quella riuscita meglio. Il punteggio Elo che ne deriva, con intervallo di confidenza al 95%, premia il risultato nel suo insieme: impaginazione, codice che funziona davvero, rispetto della richiesta. Lo stile del codice da solo conta poco.
Come usarla in tre passi
Parti dai tier. I modelli sono divisi in S, A, B, C e D con la regola comune: almeno 300 voti e confronto degli intervalli. Se le barre di due modelli si sovrappongono, trattali come equivalenti.
Guarda il prezzo. Le colonne mostrano il prezzo più basso tra i provider in USD per milione di token, l'andamento di 30 giorni e il filtro «Prezzo basso», che qui indica un prezzo combinato sotto 1 USD.
Controlla il contesto e confronta. Un'app con molti file richiede una finestra di contesto ampia; spunta fino a 4 modelli e aprili nella pagina di confronto.
Cosa cambia rispetto alle altre classifiche
La WebDev arena ha un proprio insieme di modelli, diverso da quello delle classifiche di testo e di programmazione: non tutti i modelli compaiono ovunque, e un buon piazzamento in una non garantisce lo stesso nell'altra. Le colonne invece sono le stesse, così passare da una tabella all'altra è immediato. I voti vengono da LMArena WebDev; prezzi e caratteristiche da models.dev e LiteLLM.
Limiti da tenere a mente
Le app costruite nell'arena sono piccole: pagine singole, giochi semplici, strumenti da una schermata. I progetti grandi, con backend, database e molte pagine, non vengono valutati. Un modello che eccelle qui è un buon candidato per prototipi e interfacce, ma per un progetto vero conviene provarlo sul proprio caso, insieme a un agente di programmazione.