Dane bieżące za 2026-10 (przeliczane codziennie)
· Metodologia v1
· Metodologia
· Historia
· JSON
#
Tier
Model
fedi-index
Percentyl
Opłacalność
Źródła
Rozkład wyniku
9 A Kimi K3wstępny Moonshot AI · Otwarte wagi 1 468 ±19 94 +44 A ›
19 A GLM 5.2wstępny Zhipu AI · Otwarte wagi 1 444 ±17 86 +45 A ›
21 A DeepSeek V4 Pro 0423wstępny DeepSeek · Otwarte wagi 1 441 ±16 84 +34 A ›
24 A Kimi K2.6wstępny Moonshot AI · Otwarte wagi 1 436 ±19 82 +44 A ›
25 A GLM 5.3wstępny Zhipu AI · Otwarte wagi 1 435 ±23 81 +60 A ›
26 A GLM 5.1wstępny Zhipu AI · Otwarte wagi 1 432 ±16 80 +36 A ›
27 B Qwen3.5 397B A17Bwstępny Alibaba · Otwarte wagi 1 429 ±14 80 +27 A ›
30 B Inklingwstępny Thinking Machines Lab · Otwarte wagi 1 426 ±19 77 +27 A ›
31 B Kimi K2.5wstępny Moonshot AI · Otwarte wagi 1 424 ±15 76 +36 A ›
32 B GLM 5.3 Flashwstępny Zhipu AI · Otwarte wagi 1 423 ±21 76 +105◆ A ›
37 B MiMo-V2.5-Prowstępny Xiaomi · Otwarte wagi 1 421 ±15 72 +80 A ›
38 B GLM 4.5wstępny Zhipu AI · Otwarte wagi 1 420 ±16 71 +18 A ›
48 B DeepSeek V4 Flash 0423wstępny DeepSeek · Otwarte wagi 1 411 ±17 63 +72 A ›
49 B Inkling Smallwstępny Thinking Machines Lab · Otwarte wagi 1 410 ±21 62 +38 A ›
57 B Qwen3 Next 80B A3B Instructwstępny Alibaba · Otwarte wagi 1 404 ±23 56 +32 A ›
59 B GLM 4.6wstępny Zhipu AI · Otwarte wagi 1 402 ±21 54 +26 A ›
61 B Qwen3.8 27Bwstępny Alibaba · Otwarte wagi 1 402 ±23 53 +46 A ›
66 C MiniMax M3wstępny MiniMax · Otwarte wagi 1 395 ±15 49 +51 A ›
72 C DeepSeek V3.1wstępny DeepSeek · Otwarte wagi 1 388 ±21 44 +19 A ›
76 C Step 3.5 Flashwstępny StepFun · Otwarte wagi 1 376 ±17 41 +50 A ›
77 C GLM 4.5 Airwstępny Zhipu AI · Otwarte wagi 1 374 ±15 40 -2 A ›
83 C Qwen3 30B A3B Instruct 2507wstępny Alibaba · Otwarte wagi 1 367 ±15 35 +25 A ›
86 C gpt-oss-120bwstępny OpenAI · Otwarte wagi 1 362 ±18 33 -2 A ›
87 C MiMo-V2-Flashwstępny Xiaomi · Otwarte wagi 1 355 ±20 32 +55◆ A ›
90 C Qwen3 Coder 480B A35Bwstępny Alibaba · Otwarte wagi 1 347 ±14 30 -22 A ›
92 C MiMo-V2.5wstępny Xiaomi · Otwarte wagi 1 342 ±19 28 +75 A ›
94 C Llama 3.3 Nemotron Super 49B v1.5wstępny NVIDIA · Otwarte wagi 1 339 ±20 27 -40 A ›
97 D Mistral Small 3.2wstępny Mistral AI · Otwarte wagi 1 323 ±18 24 -14 A ›
98 D gemma-3n-e4b-itwstępny Google · Otwarte wagi 1 322 ±16 24 — A ›
99 D MiniMax M2.7wstępny MiniMax · Otwarte wagi 1 314 ±15 23 +32 A ›
100 D Qwen3 30B A3Bwstępny Alibaba · Otwarte wagi 1 309 ±15 22 -29 A ›
104 D MiniMax M1wstępny MiniMax · Otwarte wagi 1 285 ±15 19 -36 A ›
108 D MiniMax M2.5wstępny MiniMax · Otwarte wagi 1 248 ±25 16 +9 A ›
119 D mixtral-8x22b-instruct-v0.1wstępny Mistral AI · Otwarte wagi 1 159 ±15 7 -236 A ›
…
A Arena (głosy ludzi) ◆ Granica Pareto: nic nie jest jednocześnie lepsze i tańsze
fedi-index to ekwiwalent Elo na stałej skali: porównywalny między miesiącami w ramach jednej wersji metodologii. Poziomy S–D: według percentyla w przekroju i nie lepiej, niż pozwala przedział ufności (progi w metodologii). Ten przekrój ma jedną rodzinę źródeł, więc wszystkie jego wyniki są wstępne.
Metodologia
fedi-index © fedi.software, CC BY 4.0; składniki zachowują licencje swoich źródeł. · Źródła:
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.