Methodologie

Kwaliteit gaat voor en prijs beslist bij gelijkspel. Die volgorde ís het product: een lijst op goedkoopste-eerst is triviaal te publiceren en vrijwel nutteloos, want het goedkoopste model in deze markt is 12.500× goedkoper dan het duurste en kan het werk doorgaans niet aan.

Capability comes from independent evaluators, never from us and never from the vendor. The general scores are LMArena Elo from human preference, on its general board and its document board, used under CC BY 4.0 from the official dataset. The per-task scores under a task lens are Design Arena’s, credited below.

De rangkolom is een significantierang, geen regelnummer. De rang van een model is één meer dan het aantal modellen die het met meer dan beide foutmarges samen verslaan. Modellen met hetzelfde aantal delen een rang. Twee modellen die binnen elkaars foutmarge liggen, kunnen toch een verschillende rang hebben, omdat elk met de hele ranglijst wordt vergeleken.

SHA-256 van de voor de rang relevante projectie (identificatoren, scores, prijzen per werklast, frontiervlag): 8199366e23065fc63bd048d0fd1db86b367f55067c4eec0a3cb89a970a08cc92. Datums en buildstempels blijven buiten beschouwing. Een verandering hier is een verandering in de rangschikking, niet in de vormgeving.

Correcties

Pareto-dominantie op prijs en capaciteit is een tweedimensionale projectie van een veel bredere aankoopbeslissing, en die projectie kan misleiden. Een model kan hoger scoren en minder kosten en tegelijk geen afbeeldingen accepteren, de uitvoer op de helft van de tokens aftoppen of een half miljoen tokens minder context vasthouden.

De regel zoals de code hem toepast: model B domineert model A als B op hetzelfde bord minstens zo hoog scoort, bij dezelfde werklast niet meer kost en op minstens één van die twee strikt beter is. Een hogere score voor dezelfde prijs telt mee, en dezelfde score voor een lagere prijs ook. Scores worden vergeleken als gepubliceerde Elo-puntschattingen, niet als significantierangen. Ook een voorsprong binnen de meetfout telt dus. Beide modellen hebben een score en een prijs nodig en moeten dezelfde leveringsmodus hebben: een batchprijs domineert nooit een standaardprijs. De aantallen op deze pagina gaan uit van modellen met standaardlevering die niet zijn uitgefaseerd, het algemene LMArena-bord en de werklast ‘Gebalanceerd’.

Een dominerend model is alleen een volwaardige vervanger als het elke vastgelegde capaciteit van het origineel behoudt: contextvenster, maximale uitvoer, invoermodaliteiten, toolgebruik en redeneren. Van 132 dominantieoordelen hebben er 111 een volwaardige vervanger en noemen 21 (16%) juist wat je zou inleveren. Toen deze poort op 24 augustus 2026 werd ingevoerd, wezen 59 van de 97 ruwe oordelen op twee assen (61%) een model aan dat het werk van het huidige model niet aankon.

Een model staat op de waardefrontier wanneer geen ander model minstens even hoog scoort, hoogstens evenveel kost én op een van de twee wint. 11 van de beoordeelde modellen met prijs en standaardlevering komen in aanmerking. Elk van de overige 92% heeft zo’n model boven zich, al is dat niet altijd een gelijkwaardige vervanger: de sectie hierboven telt de alternatieven die iets inleveren.

Er bestaat niet zoiets als ‘de’ prijs van een model. Samenvatten is invoerintensief, code genereren uitvoerintensief, en een agentische lus speelt zijn context elke beurt opnieuw af; dezelfde catalogus ordent in elk geval anders. In plaats van één mengsel te kiezen en te verbergen, zijn de verhouding invoer:uitvoer en het cachetrefpercentage instellingen die je ziet en kunt wijzigen.

Ontbreekt een tarief voor gecachte invoer? Dan gebruikt de gemengde kostenraming het volledige invoertarief van de gekozen prijsschijf.

Drie dingen maken het geadverteerde tarief geregeld onjuist, en alle drie staan op de regel:

• Contextdrempels. 47 modellen wisselen van tarief voorbij een promptlengtedrempel, sommige meer dan eens — Qwen3.7 Flash gaat naar 3,33× voorbij 32K en naar 6,67× voorbij 256K. Reken je een langecontextwerklast op de kopprijs, dan zit je er een factor naast.
• Redeneertokens die los van de uitvoer worden gefactureerd. Als redeneertokens apart worden gefactureerd, hangen de kosten af van het aantal gefactureerde tokens en het bijbehorende tarief. Neem die kosten mee in je schatting.
• Prijzen naar tijdstip. Modellen met gepubliceerde tijdsgebonden tarieven: 2. Controleer het tijdvenster, de tijdzone en de tarieven; ga niet uit van een vaste korting.

Een score wordt gemeten op de eigen inzet van het model, dus de prijs ernaast is de referentieprijs: het goedkoopste aanbod, op de gebalanceerde mix, dat elke toets hieronder doorstaat. De invoer-, uitvoer- en cache-leesprijs van dat aanbod worden samen gepubliceerd, nooit gemengd met die van een ander aanbod.

1. Beschikbaar. Een aanbod dat OpenRouter als niet beschikbaar vermeldt, valt af. Een aanbod dat op het moment van uitlezen als verstoord staat, telt toch mee als het de afgelopen dag minstens 95% beschikbaar was. Een aanbod dat de afgelopen dag minder dan 80% beschikbaar was, telt niet mee, wat de status nu ook is.
2. Standaardlevering. Flex, priority, fast en vergelijkbare niveaus zijn een ander product en vallen af.
3. Standaardtarief. Een aanbod in de actie telt tegen het standaardtarief: elk tarief gedeeld door één min de korting. De actieprijs wordt vermeld, nooit gerangschikt.
4. Standaardvenster. Een prijs die afhangt van het tijdstip telt tegen het standaardtarief; de kortingsuren worden vermeld.
5. De precisie van de maker of beter. Een 4-bitaanbod (fp4, nvfp4, mxfp4, int4) telt alleen als de maker zelf 4-bit serveert of, waar de maker geen precisie vermeldt, zijn gepubliceerde gewichten 4-bit zijn. Een aanbod zonder vermelde precisie telt mee als het van de maker zelf is, of van een wederverkoper van een model met gesloten gewichten: die levert de uitrol van de maker. Bij open gewichten, of gewichten die niemand heeft vastgelegd, is het aanbod van een wederverkoper zonder vermelde precisie uitgesloten: het wordt nooit gelezen als volledige precisie.
6. De referentiecontext. Een aanbod telt mee als het minstens 90% van de referentiecontext levert. Waar de maker het model zelf levert, is dat het contextvenster dat het eigen aanbod van de maker levert, het kleinste als die verschillen; het eigen aanbod van de maker telt dus altijd mee. Waar de maker het model niet levert, is het het contextvenster dat hier is gepubliceerd. Een aanbod dat minder levert, is voor die prijs een ander product en valt af. Als geen aanbod de toetsen doorstaat, kan zo’n aanbod de terugvalprijs zijn, gelabeld als prijs zonder gelijkwaardig aanbod met die reden.

Als geen aanbod de toetsen doorstaat, houdt het model een terugvalprijs, gelabeld als prijs zonder gelijkwaardig aanbod met de reden erbij, omdat een model zonder prijs als afwezig zou lezen: van het beschikbare aanbod met standaardlevering, elk tegen het standaardtarief, het goedkoopste van een wederverkoper die geen precisie vermeldt, en anders het goedkoopste 4-bitaanbod. Een ander leveringsniveau wordt alleen gebruikt als er niets anders beschikbaar is. Een model zonder aanbod om een prijs uit te halen, houdt de modelprijs van OpenRouter.

Het goedkoopste aanbod dat de regel uitsluit, wordt, als het goedkoper is, op de modelpagina getoond als ‘Nu goedkoper’, met de reden: een actie en het percentage, 4-bit, een leveringsniveau, precisie niet vermeld of een context kleiner dan de referentiecontext. Het bepaalt nooit een rang, de frontier, een oordeel of een kopcijfer. Is het aanbod dat de prijs bepaalt zelf in de actie, dan wordt de eigen actieprijs getoond.

In deze gegevens hebben 323 modellen een referentieprijs, 16 een prijs zonder gelijkwaardig aanbod en 101 de modelprijs van OpenRouter, waaronder batch- en gratis vermeldingen. 86 tonen nu een goedkoper aanbod, waarvan 10 van een wederverkoper die geen precisie vermeldt.

Vóór deze regel was elke prijs hier de modelprijs van OpenRouter, die elke verkoper kan bepalen, acties en 4-bitkopieën inbegrepen. De wijziging staat als §96 in het correctielogboek, met de cijfers ervoor en erna.

Eén globale volgorde is intellectueel oneerlijk, want verschillend werk wordt door verschillende modellen gewonnen. Wij houden Elo per taak bij over 25 categorieën — front-end, datavisualisatie, gameontwikkeling, SVG, Android, presentaties en meer. Een taak kiezen herrangschikt het hele bord op de Elo van die taak in plaats van op een algemene index.

Taakscores zijn de Elo per taak van Design Arena, gelezen uit de modelfeed van OpenRouter: designarena.ai.

De dekking verschilt per categorie, en een model dat op de ranglijst van een categorie ontbreekt, wordt getoond als niet gemeten voor die taak, niet als slecht daarin.

Sommige modellen zijn geen nieuwe modellen. De verkoper zegt het zelf: 11 vermeldingen in deze catalogus worden door hun eigen leverancier beschreven als een ander model uit de catalogus dat op een andere manier wordt aangeboden — een snellere afhandeling, een andere redeneermodus, meer rekenkracht per query. 10 van de 11 hebben op geen enkele LMArena-ranglijst een notering. Van hun 11 basismodellen hebben er 11 wel een.

Het onderscheid doet ertoe voor wat je kunt concluderen. Waar de verkoper identieke capaciteiten zegt — 0 van de 11 — is de score van het basismodel ook de eigen bewering van de verkoper over het niveau, en het enige wat je koopt is snelheid. Waar de verkoper meer rekenkracht of een andere modus noemt, vertelt geen enkele gepubliceerde meting je wat de extra uitgave oplevert, op die ene uitzondering hierboven na.

Dit telt alleen wat de verkoper zelf zegt. Een model waarvan de naam op ‘Pro’ eindigt, maar dat de leverancier een op zichzelf staand vlaggenschipmodel noemt, telt hier niet mee, want dat zou onze bewering zijn in plaats van de hunne — dezelfde fout als de eigen serviceniveaus van een leverancier behandelen als concurrerende verkopers, waardoor een prijsspreiding van 2× ooit als 7,2× werd gepubliceerd.

Geen notering op een LMArena-ranglijst is geen oordeel. Het is geen bewijs van slechte kwaliteit, en het betekent niet dat niemand deze modellen heeft geëvalueerd — leveranciers publiceren hun eigen resultaten. Het betekent dat de as waarop deze site rangschikt voor deze modellen geen meting heeft, dus rangschikken wij ze niet.

Prijzen worden genormaliseerd uit een machineleesbare catalogus over meerdere aanbieders en gekruist met de prijspagina’s van leveranciers. Elke modelpagina linkt naar haar bron en ophaaldatum.

• Conflicten worden vastgelegd, niet gemiddeld. Wanneer twee bronnen het over een prijs oneens zijn, is die onenigheid de bevinding. Een model dat door de leverancier op $4/$20 wordt gezet en via een aggregator voor $2/$10 wordt verkocht, heeft twee ware prijzen, en welke geldt hangt af van waar je koopt.
• Onaannemelijke waarden gaan in quarantaine. Een bovenstroomse sentinel van −1 voor ‘prijs op moment van aanvraag’ wordt −$750.000 per miljoen als je haar klakkeloos doorlaat, en wint elke sortering op goedkoopste-eerst. Alles buiten een aannemelijk bereik wordt achtergehouden met een reden erbij.
• Vertrouwen geldt per veld. Niet één badge per regel. Beweren dat een record geverifieerd is terwijl alleen de prijs is gecontroleerd, is het soort overdrijving dat het vertrouwen beëindigt zodra iemand het merkt.
• Niet beoordeeld is geen nul. 211 modellen hebben geen score op het algemene LMArena-bord. Ze staan op prijs vermeld en zijn uitgesloten van de kwaliteitsordening; ze worden nooit onderaan gezet alsof ze gemeten waren en gefaald hadden.

Als de data wordt ververst, voorkomen drie regels dat de meting van één dag een fout cijfer wordt. Een gepubliceerde prijs die 25% of meer beweegt, een prijs die verschijnt of verdwijnt, een kortere context of een weggevallen invoertype blijft op de waarde die al getoond wordt, totdat een tweede dag dezelfde wijziging laat zien; de pagina van het model zegt dat de prijs in bevestiging is, en sinds wanneer. Een model dat wij nog niet beoordelen, wordt beoordeeld op de dag dat de benchmark het vermeldt, en zijn pagina noemt de benchmarkrij waaruit de score is gelezen. Waar een rij als meer dan één vermeld model gelezen kan worden, blijft het model niet beoordeeld totdat een mens de rij heeft gelezen, en niet beoordeeld is geen score van nul. Een model dat de feed verlaat, houdt zijn pagina, gemarkeerd als van de lijst gehaald met de datum, en blijft buiten elke rang, de frontier en de oordelen.

Twee van de benchmarks waarop deze site steunt hebben zeer verschillende herdistributievoorwaarden, en dat verandert wat er gepubliceerd mag worden.

• LMArena publiceert haar ranglijst als een CC-BY-4.0-dataset, die herdistributie met bronvermelding toestaat — en die de betrouwbaarheidsgrenzen bevat waarvan de significantierangen hierboven afhangen. Dat is het kanaal om te gebruiken; de site zelf schrapen is door hun voorwaarden verboden.
• Artificial Analysis's free tier is "internal use only with attribution"; public redistribution requires a commercial licence, and their site terms separately limit use to personal and non-commercial purposes. So we do not publish their figures at all. Every general capability score on this site is LMArena Elo, used under CC BY 4.0 from the official dataset; the per-task scores are Design Arena’s, below. Artificial Analysis remains an internal cross-check, which is what its free tier permits; it reaches no page, export or API here.
• De API-voorwaarden van Design Arena stellen de klassementsgegevens vrij voor gebruik, ook commercieel, op één voorwaarde: een openbare weergave vermeldt Design Arena en linkt naar designarena.ai. De Elo per taak komt via de modelfeed van OpenRouter op deze site; de taakweergave, de rangen per taak op elke modelpagina en deze pagina vermelden de bron.
• De prijs zelf is een feit dat een leverancier publiceert, en dat is iets anders dan een samengestelde indexscore. Prijzen worden gekruist met leverancierspagina’s en elke regel linkt naar haar bron.

Prijzen veranderen zonder aankondiging en pagina’s worden opnieuw opgemaakt; een deel van wat hier staat zal op enig moment onjuist zijn. Vind je een fout, dan is de snelste route: zeg welk model, wat het cijfer zou moeten zijn, en waar het gepubliceerd staat — correcties met een primaire bron worden direct doorgevoerd.

Een verkeerde prijs melden

Catalogus laatst opgehaald op 2026-10-13. De rangschikkingslogica is mee geversioneerd met de site, zodat een verandering in hoe ‘beste’ wordt berekend een zichtbare diff is en geen stille herafstemming.