LMArena · 에이전트 작업 성공
공개된 벤치마크 자료(LMArena 사용자 투표 순위, Epoch AI 시험 점수, OpenRouter 사용량 순위)를 정기적으로 받아 보여 줍니다. 각 순위표의 공개일과 가져온 날을 함께 표시합니다. 이 사이트가 직접 매긴 점수가 아닙니다.
LMArena 점수는 사람들이 두 모델의 답을 나란히 보고 더 나은 쪽에 투표한 결과(Elo 방식)입니다. 점수 차이가 신뢰 구간 안이면 사실상 비슷한 수준으로 보세요.
이 순위표 읽는 법
무엇을 재나: Agent Arena 신호 중 '작업 성공 확인'만 따로 본 순위입니다. 사용자가 에이전트의 작업이 끝난 뒤 성공·실패를 직접 표시한 결과를 씁니다.
점수 읽는 법: IPS(τ̂) 점수로, 0이 기준선이고 높을수록 사용자가 성공으로 표시한 결과가 기준보다 좋아졌다는 뜻입니다.
주의할 점: 사용자가 직접 표시한 경우만 반영되므로 표시하지 않은 작업은 빠집니다. 종합 순위와 순서가 다를 수 있습니다.
이번 순위에서 읽을 점
- 1위 Claude Fable 5.1 (Max)와 2위 GPT 6.1 Sol (Max)의 95% 신뢰 구간이 겹칩니다. 이 집계만으로 두 모델의 순서를 확정하기는 어렵습니다.
- 1위와 신뢰 구간이 겹치는 모델이 5개 더 있습니다. 작은 순위 차이는 투표 수와 함께 신중히 해석하세요.
- 상위 10개 중 Anthropic 모델이 5개로 가장 많습니다.
- 1위 모델의 관측 수는 7,868건이고, 이 순위표에는 모델 50개가 있습니다.
에이전트 작업 성공 LMArena
공개일 2026-10-02 · 가져온 날 2026-10-04
00.050.10.150.20.25
Claude Fable 5.1 (Max)
0.176
OGPT 6.1 Sol (Max)
0.155
Gemini 4 Argon (High)
0.154
Claude Opus 5.5 (High)
0.141
Claude Sonnet 5.5 (Max)
0.139
OGPT 6 Astra (Max)
0.132
Claude Opus 5 (Max)
0.095
Deepseek V4.1 Flash (Max)
0.084
Kimi K3 (Max)
0.076
OGPT 6 Sol (Max)
0.071
Gemini 3.8 Flash (High)
0.069
Claude Fable 5 (High)
0.061
THy4 preview
0.058
MiMo V2.6 Flash
0.056
xGrok 4.7 (xHigh)
0.055
ZGLM 5.3 (Max)
0.053
OGPT 5.6 Sol (xHigh)
0.05
Muse Spark 1.3 (Max)
0.05
ZGLM 5.2 (Max)
0.048
Qwen3.8 Max
0.047
점수는 IPS(τ̂)로, 0이 기준선이고 높을수록 좋습니다. 선은 95% 신뢰 구간입니다. 그래프에는 같은 모델의 추론 설정(high·max 등) 중 가장 높은 하나만 표시합니다. 표에는 설정별 순위가 모두 나옵니다.
회사별 최고 순위
- AnthropicClaude Fable 5.1 (Max)#1
- OOpenAIGPT 6.1 Sol (Max)#2
- GoogleGemini 4 Argon (High)#3
- DeepSeekDeepseek V4.1 Flash (Max)#8
- Moonshot AIKimi K3 (Max)#9
- TTencentHy4 preview#14
- XiaomiMiMo V2.6 Flash#15
- xxAIGrok 4.7 (xHigh)#16
- ZZ.aiGLM 5.3 (Max)#17
표로 보기 (상위 50개)
| 순위 | 모델 | 만든 곳 | 점수 | 95% 신뢰 구간 | 관측 수 |
|---|---|---|---|---|---|
| 1 | #1Claude Fable 5.1 (Max) | Anthropic | 0.176 | 0.148–0.205 | 7,868 |
| 2 | #2OGPT 6.1 Sol (Max) | OpenAI | 0.155 | 0.114–0.196 | 2,270 |
| 3 | #3Gemini 4 Argon (High) | 0.154 | 0.125–0.184 | 4,422 | |
| 4 | #4Claude Opus 5.5 (High) | Anthropic | 0.141 | 0.101–0.182 | 3,425 |
| 5 | #5Claude Sonnet 5.5 (Max) | Anthropic | 0.139 | 0.086–0.193 | 1,195 |
| 6 | #6OGPT 6 Astra (Max) | OpenAI | 0.132 | 0.095–0.169 | 5,954 |
| 7 | #7Claude Opus 5 (Max) | Anthropic | 0.095 | 0.064–0.126 | 15,453 |
| 8 | #8Deepseek V4.1 Flash (Max) | DeepSeek | 0.084 | 0.074–0.095 | 60,410 |
| 9 | #9Kimi K3 (Max) | Moonshot AI | 0.076 | 0.064–0.088 | 99,685 |
| 10 | #10Claude Opus 5 (High) | Anthropic | 0.076 | 0.046–0.106 | 20,843 |
| 11 | #11OGPT 6 Sol (Max) | OpenAI | 0.071 | 0.028–0.114 | 3,312 |
| 12 | #12Gemini 3.8 Flash (High) | 0.069 | 0.05–0.087 | 22,497 | |
| 13 | #13Claude Fable 5 (High) | Anthropic | 0.061 | 0.035–0.087 | 33,005 |
| 14 | #14THy4 preview | Tencent | 0.058 | 0.042–0.075 | 24,238 |
| 15 | #15MiMo V2.6 Flash | Xiaomi | 0.056 | 0.03–0.082 | 7,967 |
| 16 | #16xGrok 4.7 (xHigh) | xAI | 0.055 | 0.021–0.089 | 5,906 |
| 17 | #17ZGLM 5.3 (Max) | Z.ai | 0.053 | 0.037–0.068 | 62,886 |
| 18 | #18OGPT 5.6 Sol (xHigh) | OpenAI | 0.05 | 0.024–0.077 | 28,118 |
| 19 | #19Muse Spark 1.3 (Max) | Meta | 0.05 | 0.037–0.064 | 45,563 |
| 20 | #20ZGLM 5.2 (Max) | Z.ai | 0.048 | 0.032–0.063 | 55,555 |
| 21 | #21Qwen3.8 Max | Alibaba | 0.047 | 0.033–0.061 | 35,416 |
| 22 | #22SStep 5 Preview | StepFun | 0.045 | 0.012–0.078 | 4,266 |
| 23 | #23ZGLM 5.3 Flash | Z.ai | 0.044 | 0.032–0.055 | 60,370 |
| 24 | #24Claude Opus 4.8 (High) | Anthropic | 0.042 | 0.016–0.069 | 30,039 |
| 25 | #25Qwen3.8 Flash Next | Alibaba | 0.036 | 0.021–0.051 | 38,898 |
| 26 | #26xGrok 4.5 | xAI | 0.013 | -0.01–0.037 | 29,109 |
| 27 | #27Claude Sonnet 5 (High) | Anthropic | 0.012 | -0.023–0.047 | 22,551 |
| 28 | #28Gemini 3.7 Flash (High) | 0.012 | -0.006–0.029 | 48,036 | |
| 29 | #29Qwen 3.8 27B | Alibaba | 0.01 | -0.005–0.024 | 36,984 |
| 30 | #30OGPT 6 Luna (Max) | OpenAI | -0.001 | -0.025–0.023 | 14,416 |
| 31 | #31xGrok 4.6 (xHigh) | xAI | -0.006 | -0.029–0.018 | 20,463 |
| 32 | #32OGPT 5.5 (xHigh) | OpenAI | -0.009 | -0.031–0.014 | 43,172 |
| 33 | #33DeepSeek V4 Pro (High) (0813) | DeepSeek | -0.017 | -0.057–0.023 | 3,790 |
| 34 | #34OGPT 5.4 (High) | OpenAI | -0.025 | -0.046–-0.004 | 57,450 |
| 35 | #35OGPT 5.6 Luna (xHigh) | OpenAI | -0.033 | -0.049–-0.017 | 33,799 |
| 36 | #36OGPT 5.6 Terra (xHigh) | OpenAI | -0.039 | -0.065–-0.013 | 18,613 |
| 37 | #37Muse Spark 1.1 | Meta | -0.043 | -0.054–-0.031 | 95,130 |
| 38 | #38OGPT 5.5 | OpenAI | -0.047 | -0.068–-0.026 | 64,950 |
| 39 | #39Muse Spark 1.2 (xHigh) | Meta | -0.054 | -0.072–-0.036 | 33,552 |
| 40 | #40Gemini 3.6 Flash (High) | -0.057 | -0.083–-0.031 | 18,029 | |
| 41 | #41Qwen3.7 Max | Alibaba | -0.091 | -0.115–-0.066 | 30,156 |
| 42 | #42Qwen3.7 Plus | Alibaba | -0.093 | -0.126–-0.06 | 15,130 |
| 43 | #43Mimo V2.5 Pro | Xiaomi | -0.096 | -0.119–-0.073 | 29,517 |
| 44 | #44Gemini 3.1 Pro Preview | -0.099 | -0.121–-0.078 | 69,866 | |
| 45 | #45THy3 | Tencent | -0.112 | -0.14–-0.084 | 14,238 |
| 46 | #46Minimax M3 | MiniMax | -0.137 | -0.162–-0.112 | 28,148 |
| 47 | #47Mistral Medium 3.5 | Mistral AI | -0.145 | -0.183–-0.108 | 6,629 |
| 48 | #48TInkling Small | Thinky | -0.201 | -0.244–-0.158 | 7,271 |
| 49 | #49USolar Pro 4 | Upstage | -0.205 | -0.259–-0.152 | 4,788 |
| 50 | #50TInkling | Thinky | -0.207 | -0.237–-0.177 | 24,644 |
데이터: LMArena leaderboard dataset (CC BY 4.0). 변경: 각 순위표의 상위 50개만 표시, 점수는 반올림. https://huggingface.co/datasets/lmarena-ai/leaderboard-dataset회사 로고는 각 회사의 상표이며 구분을 돕기 위해서만 씁니다(아이콘: Simple Icons).데이터: Epoch AI — Capabilities & benchmarking (CC BY 4.0). https://epoch.ai/benchmarksSource: OpenRouter (openrouter.ai/rankings), as of 2026-10-04. Licensed under CC BY 4.0. https://openrouter.ai/rankings