Live-data for 2026-10 (beregnes daglig)
· Metodikk v1
· Metodikk
· Historikk
· JSON
#
Nivå
Modell
fedi-index
Persentil
Verdi
Kilder
Oppdeling av poengsummen
9 A Kimi K3foreløpig Moonshot AI · Åpne vekter 1 468 ±19 94 +44 A ›
19 A GLM 5.2foreløpig Zhipu AI · Åpne vekter 1 444 ±17 86 +45 A ›
21 A DeepSeek V4 Pro 0423foreløpig DeepSeek · Åpne vekter 1 441 ±16 84 +33 A ›
24 A Kimi K2.6foreløpig Moonshot AI · Åpne vekter 1 436 ±19 82 +44 A ›
25 A GLM 5.3foreløpig Zhipu AI · Åpne vekter 1 435 ±23 81 +60 A ›
26 A GLM 5.1foreløpig Zhipu AI · Åpne vekter 1 432 ±16 80 +36 A ›
27 B Qwen3.5 397B A17Bforeløpig Alibaba · Åpne vekter 1 429 ±14 80 +27 A ›
30 B Inklingforeløpig Thinking Machines Lab · Åpne vekter 1 426 ±19 77 +27 A ›
31 B Kimi K2.5foreløpig Moonshot AI · Åpne vekter 1 424 ±15 76 +36 A ›
32 B GLM 5.3 Flashforeløpig Zhipu AI · Åpne vekter 1 423 ±21 76 +105◆ A ›
37 B MiMo-V2.5-Proforeløpig Xiaomi · Åpne vekter 1 421 ±15 72 +80 A ›
38 B GLM 4.5foreløpig Zhipu AI · Åpne vekter 1 420 ±16 71 +18 A ›
48 B DeepSeek V4 Flash 0423foreløpig DeepSeek · Åpne vekter 1 411 ±17 63 +71 A ›
49 B Inkling Smallforeløpig Thinking Machines Lab · Åpne vekter 1 410 ±21 62 +38 A ›
57 B Qwen3 Next 80B A3B Instructforeløpig Alibaba · Åpne vekter 1 404 ±23 56 +32 A ›
59 B GLM 4.6foreløpig Zhipu AI · Åpne vekter 1 402 ±21 54 +26 A ›
61 B Qwen3.8 27Bforeløpig Alibaba · Åpne vekter 1 402 ±23 53 +46 A ›
66 C MiniMax M3foreløpig MiniMax · Åpne vekter 1 395 ±15 49 +50 A ›
72 C DeepSeek V3.1foreløpig DeepSeek · Åpne vekter 1 388 ±21 44 +19 A ›
76 C Step 3.5 Flashforeløpig StepFun · Åpne vekter 1 376 ±17 41 +50 A ›
77 C GLM 4.5 Airforeløpig Zhipu AI · Åpne vekter 1 374 ±15 40 −2 A ›
83 C Qwen3 30B A3B Instruct 2507foreløpig Alibaba · Åpne vekter 1 367 ±15 35 +25 A ›
86 C gpt-oss-120bforeløpig OpenAI · Åpne vekter 1 362 ±18 33 −2 A ›
87 C MiMo-V2-Flashforeløpig Xiaomi · Åpne vekter 1 355 ±20 32 +55◆ A ›
90 C Qwen3 Coder 480B A35Bforeløpig Alibaba · Åpne vekter 1 347 ±14 30 −22 A ›
92 C MiMo-V2.5foreløpig Xiaomi · Åpne vekter 1 342 ±19 28 +75 A ›
94 C Llama 3.3 Nemotron Super 49B v1.5foreløpig NVIDIA · Åpne vekter 1 339 ±20 27 −40 A ›
97 D Mistral Small 3.2foreløpig Mistral AI · Åpne vekter 1 323 ±18 24 −14 A ›
98 D gemma-3n-e4b-itforeløpig Google · Åpne vekter 1 322 ±16 24 — A ›
99 D MiniMax M2.7foreløpig MiniMax · Åpne vekter 1 314 ±15 23 +32 A ›
100 D Qwen3 30B A3Bforeløpig Alibaba · Åpne vekter 1 309 ±15 22 −29 A ›
104 D MiniMax M1foreløpig MiniMax · Åpne vekter 1 285 ±15 19 −36 A ›
108 D MiniMax M2.5foreløpig MiniMax · Åpne vekter 1 248 ±25 16 +9 A ›
119 D mixtral-8x22b-instruct-v0.1foreløpig Mistral AI · Åpne vekter 1 159 ±15 7 −236 A ›
…
A Arena (menneskelige stemmer) ◆ Pareto-front: ingen er både bedre og billigere
fedi-index er en Elo-ekvivalent på en fast skala: sammenlignbar mellom måneder innenfor én metodikkversjon. Nivå S–D: etter persentil i utsnittet, og ikke bedre enn konfidensintervallet tillater (grenser i metodikken). Dette utsnittet har én kildefamilie, så alle poengsummene er foreløpige.
Metodikk
fedi-index © fedi.software, CC BY 4.0; komponentene beholder lisensene til kildene sine. · Kilder:
LMArena (CC BY 4.0),
Epoch AI (CC BY 4.0),
τ²-bench (Sierra) (MIT),
models.dev (MIT),
LiteLLM (MIT)
Arena Leaderboard Dataset by LMArena, CC BY 4.0. Modified by fedi.software (equated, weighted, aggregated). Not endorsed by LMArena.
Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. CC BY. ECI by Epoch AI; Epoch-run results only. Modified by fedi.software.
τ²-bench leaderboard, © Sierra Research, MIT License (Yao et al. 2024, arXiv:2406.12045; Barres et al. 2025, arXiv:2506.07982). Sierra-run text submissions only.
Pricing: models.dev, MIT License, © 2025 models.dev.
Pricing: LiteLLM model_prices_and_context_window.json, MIT License, © 2023 Berri AI.