Рейтинг LLM
Публичные рейтинги моделей: LMSYS Chatbot Arena (более 1,5 млн голосов людей), Open LLM Leaderboard на HuggingFace, Artificial Analysis (задержка, цена, качество). Стандартный способ сравнить модели.
В Chatbot Arena пользователи вслепую сравнивают ответы двух моделей и голосуют, по итогам считается рейтинг Эло. В 2025 году на вершине почти вровень шли Claude 4.7 Opus, GPT-5 и Gemini 2.5 Ultra. Leaderboard HuggingFace прогоняет открытые модели по стандартным бенчмаркам (MMLU, GPQA, HellaSwag и др.). Vellum и Artificial Analysis следят за ценой, скоростью и качеством API-провайдеров.
Оговорка: ценность рейтингов упала — многие бенчмарки «протекли» в обучающие данные или накручиваются. Практика: для решений в своей области собирать собственный набор оценок, а не полагаться только на лидерборды.