Yöntem

Kalite önde gelir, fiyat eşitliği bozar. Bu sıralama ürünün ta kendisidir: en ucuzdan başlayan bir liste yayımlaması kolay ve neredeyse işe yaramazdır, çünkü bu pazardaki en ucuz model en pahalıdan 12.500× daha ucuzdur ve genelde işi yapamaz.

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.

Sıra sütunu bir anlamlılık sırasıdır, satır numarası değil. Bir modelin sırası, onu iki hata payının toplamından fazla farkla geçen model sayısının bir fazlasıdır. Bu sayının aynı olduğu modeller aynı sırayı paylaşır. Birbirinin hata payı içindeki iki model yine de farklı sıralarda olabilir, çünkü her biri tüm tabloyla karşılaştırılır.

Sıraya etki eden izdüşümün SHA-256 değeri (tanımlayıcılar, puanlar, iş yükü fiyatları, sınır bayrağı): 06cd12db54e2968c3de49b45a3a2a6881f374f6e58a462437784450842efb989. Tarihler ve derleme damgaları dışarıda bırakılır. Buradaki bir değişiklik sıralamada bir değişikliktir, kabukta değil.

Düzeltmeler

Fiyat ve yetenek üzerinden Pareto baskınlığı, çok daha geniş bir satın alma kararının iki boyutlu izdüşümüdür ve bu izdüşüm çoğu zaman yanıltır. Bir model daha yüksek puan alıp daha az tutarken aynı anda görüntü kabul etmiyor, çıktıyı yarı belirtece kısıyor ya da yarım milyon belirteç daha az bağlam tutuyor olabilir.

Bu yüzden “hem daha iyi hem daha ucuz”, yetenek zarfı öncekinin üst kümesi olan bir ikame için ayrılmıştır. 133 baskınlık kararından 113 tanesi kesindir ve 20 tanesi (%15) bunun yerine neyden vazgeçeceğinizi adlandırır. Bu süzgeç olmadan, ham iki eksenli kararların %61’i mevcut modelin işini yapamayacak bir model öneriyordu.

Bir model, en az onun kadar yüksek puan alan, ondan fazla tutmayan ve bu ikisinden birinde onu geçen başka bir model yoksa değer sınırındadır. Puanlanmış, fiyatlanmış ve standart teslimatlı modellerden 12 tanesi bunu sağlar. Kalan %92 içindeki her modelin üstünde böyle bir model vardır, ancak bu her zaman eşdeğer bir ikame değildir: yukarıdaki bölüm, bir şeyden vazgeçmenizi gerektirenleri sayar.

Bir modelin “o” fiyatı diye bir şey yoktur. Özetleme girdi ağırlıklı, kod üretimi çıktı ağırlıklıdır ve bir etmen döngüsü bağlamını her turda yeniden oynatır; aynı katalog her birinde farklı sıralanır. Tek bir karışım seçip onu gizlemek yerine, girdi:çıktı oranı ve önbellek isabet oranı görebildiğiniz ve değiştirebildiğiniz denetimlerdir.

Önbellek okuma ücreti yayımlanmamışsa karma maliyet tahmini, seçilen fiyat kademesinin tam girdi ücretini kullanır.

Üç şey duyurulan tarifeyi düzenli olarak yanlış kılar ve üçü de satırda görünür:

• Bağlam kademeleri. 51 model, istem uzunluğu bir eşiği aştığında tarife değiştirir; kimi birden çok kez — Qwen3.7 Flash 32K üzerinde 3,33×, 256K üzerinde 6,67× olur. Uzun bağlamlı bir iş yükünü başlık fiyatından hesaplarsanız bir kat yanılırsınız.
• Çıktıdan ayrı faturalanan akıl yürütme belirteçleri. Akıl yürütme belirteçleri ayrı ücretlendirildiğinde maliyet, faturalanan belirteç miktarına ve geçerli ücrete bağlıdır. Bu tutarı maliyet tahmininize ekleyin.
• Günün saatine göre fiyatlandırma. Yayımlanmış fiyat zaman aralıkları olan model sayısı: 2. Zaman aralığını, saat dilimini ve ücretleri kontrol edin; sabit bir indirim varsaymayın.

Bir puan modelin kendi dağıtımında ölçülür, bu yüzden yanındaki fiyat referans fiyattır: dengeli karışımda aşağıdaki tüm testleri geçen en ucuz teklif. Bu teklifin girdi, çıktı ve önbellek okuma ücretleri birlikte yayımlanır, asla başka bir teklifinkilerle karıştırılmaz.

1. Hizmette. OpenRouter'ın hizmet dışı olarak listelediği bir teklif hariç tutulur. Okuma anında bozulmuş görünen bir teklif, son günün en az %95'inde hizmetteyse yine de sayılır. Son günün %80'inden azında hizmette olan bir teklif, şu anki durumu ne olursa olsun sayılmaz.
2. Standart teslimat. Flex, priority, fast ve benzeri kademeler başka bir üründür ve hariç tutulur.
3. Standart fiyat. Promosyondaki bir teklif standart fiyatıyla sayılır: her fiyat, bir eksi indirime bölünür. Promosyonlu fiyat açıklanır, asla sıralanmaz.
4. Standart zaman dilimi. Saate göre değişen bir fiyat standart ücretiyle sayılır; indirimli saatler açıklanır.
5. Üreticinin hassasiyeti veya daha iyisi. 4 bitlik bir teklif (fp4, nvfp4, mxfp4, int4) yalnızca üretici kendisi 4 bit sunuyorsa veya üretici hassasiyet bildirmiyorken yayımlanmış ağırlıkları 4 bit ise sayılır. Hassasiyet bildirmeyen bir teklif, üreticinin kendi teklifiyse ya da ağırlıkları kapalı bir modelin yeniden satıcısına aitse sayılır: yeniden satıcı üreticinin dağıtımını sunar. Ağırlıklar açıksa ya da kimse kaydetmemişse, hassasiyet bildirmeyen bir yeniden satıcının teklifi hariç tutulur: asla tam hassasiyet olarak okunmaz.

Hiçbir teklif geçmezse model bir yedek fiyatı korur ve bu, nedeniyle birlikte eşdeğer teklifi olmayan fiyat olarak etiketlenir; çünkü fiyatı olmayan bir model yokmuş gibi okunur: standart teslimatlı ve hizmetteki teklifler arasından, her biri standart fiyatıyla, hassasiyet bildirmeyen bir yeniden satıcının en ucuz teklifi, o yoksa en ucuz 4 bitlik teklif. Başka bir teslimat kademesi yalnızca hizmette başka hiçbir şey yoksa kullanılır. Fiyat alınacak hiçbir teklifi olmayan bir model OpenRouter'ın model düzeyindeki fiyatını korur.

Kuralın hariç tuttuğu en ucuz teklif, daha ucuz olduğunda, model sayfasında “Şu anda daha ucuz” olarak nedeniyle gösterilir: bir promosyon ve yüzdesi, 4 bit, bir teslimat kademesi veya açıklanmamış hassasiyet. Asla bir sıra, sınır, hüküm ya da manşet rakamı belirlemez. Fiyatı belirleyen teklifin kendisi promosyondaysa, onun kendi promosyonlu fiyatı gösterilir.

Bu verilerde 333 modelin referans fiyatı, 15 modelin eşdeğer teklifi olmayan fiyatı ve 99 modelin OpenRouter'ın model düzeyindeki fiyatı var; bunların arasında batch ve ücretsiz kayıtlar da bulunuyor. 86 model şu anda daha ucuz bir teklif gösteriyor; bunların 11 tanesi hassasiyet bildirmeyen bir yeniden satıcıdan.

Bu kuraldan önce buradaki her fiyat, promosyonlar ve 4 bitlik kopyalar dahil, herhangi bir satıcının belirleyebildiği OpenRouter'ın model düzeyindeki fiyatıydı. Değişiklik, önceki ve sonraki rakamlarıyla birlikte düzeltme kaydında §96 olarak yer alıyor.

Tek bir küresel sıralama entelektüel olarak dürüst değildir, çünkü farklı işleri farklı modeller kazanır. 25 kategoride göreve özgü Elo taşıyoruz — ön yüz, veri görselleştirme, oyun geliştirme, SVG, Android, sunumlar ve dahası. Bir görev seçmek, tüm tabloyu genel bir endekse göre değil o görevin Elo değerine göre yeniden sıralar.

Görev puanları, OpenRouter’ın model akışından okunan Design Arena görev başına Elo değerleridir: designarena.ai.

Kapsam kategoriye göre değişir ve bir kategorinin sıralamasında bulunmayan bir model, o görevde kötü değil, ölçülmemiş olarak gösterilir.

Bazı modeller yeni model değildir. Bunu satıcının kendisi söylüyor: bu katalogdaki 11 öge, kendi sağlayıcıları tarafından başka bir katalog modelinin farklı biçimde sunulan hâli olarak tanımlanıyor — daha hızlı bir şerit, farklı bir akıl yürütme modu, sorgu başına daha fazla işlem gücü. Bu 11 ögenin 10 tanesinin hiçbir LMArena sıralamasında kaydı yok. Bunların 11 temel modelinden 11 tanesinin böyle bir kaydı var.

Bu ayrım, ne çıkarım yapabileceğiniz açısından önemlidir. Satıcının özdeş yetenekler dediği yerde — 11 ögenin 0 tanesinde — temel modelin puanı aynı zamanda satıcının katman hakkındaki kendi iddiasıdır ve satın aldığınız tek şey hızdır. Satıcının daha fazla işlem gücü ya da farklı bir mod dediği yerde, yukarıda belirtilen tek istisna dışında, hiçbir yayımlanmış ölçüm ek harcamanın ne kazandırdığını söylemez.

Burada yalnızca satıcının beyan ettiği şey sayılır. Adı “Pro” ile biten ama sağlayıcısının kendi başına bir amiral gemisi model olarak nitelendirdiği bir model burada sayılmaz; çünkü bu onların değil, bizim iddiamız olurdu — bir sağlayıcının kendi hizmet katmanlarını rakip satıcılar gibi ele almakla aynı hata; bu hata bir zamanlar 2× olan bir fiyat farkını yayımlanan 7,2× değerine dönüştürmüştü.

Bir LMArena sıralamasında kaydın olmaması bir karar değildir. Düşük kalitenin kanıtı değildir ve bunları kimsenin değerlendirmediği anlamına da gelmez — sağlayıcılar kendi bulgularını yayımlar. Bu sitenin sıraladığı eksende bunlar için bir ölçüm olmadığı anlamına gelir; bu yüzden onları sıralamayız.

Fiyatlar, birden çok sağlayıcıyı kapsayan makine okunur bir katalogdan normalleştirilir ve sağlayıcıların fiyat sayfalarıyla karşılaştırılır. Her model sayfası kaynağını ve alınma tarihini bağlar.

• Çelişkiler kaydedilir, ortalanmaz. İki kaynak bir fiyatta ayrıştığında, o ayrışmanın kendisi bulgudur. Sağlayıcısı tarafından 4/20 $ olarak listelenen ve bir toplayıcı üzerinden 2/10 $ satılan bir modelin iki doğru fiyatı vardır ve hangisinin geçerli olduğu nereden satın aldığınıza bağlıdır.
• Akla yatkın olmayan değerler karantinaya alınır. “İstek anında fiyatlanır” anlamına gelen −1 gibi bir kaynak nöbetçi değeri, olduğu gibi geçirilirse milyon başına −750.000 $ olur ve en ucuzdan sıralamayı her seferinde kazanır. Makul aralığın dışındaki her şey, gerekçesiyle birlikte tutulur.
• Güven, alan başınadır. Satır başına tek bir rozet değil. Yalnızca fiyatı denetlenmişken bir kaydın doğrulandığını ileri sürmek, biri fark ettiği anda güveni bitiren türden bir abartıdır.
• Puanlanmamış, sıfır demek değildir. 219 modelin bağımsız puanı yok. Bunlar fiyata göre listelenir ve kalite sıralamasının dışında tutulur; ölçülüp başarısız olmuş gibi asla en alta itilmezler.

Bu sitenin dayandığı ölçütlerden ikisinin yeniden dağıtım koşulları çok farklıdır ve bu, neyin yayımlanabileceğini değiştirir.

• LMArena, sıralamasını bir CC-BY-4.0 veri kümesi olarak yayımlar; bu, atıfla yeniden dağıtıma izin verir ve yukarıdaki anlamlılık sıralarının dayandığı güven sınırlarını içerir. Kullanılması gereken kanal budur; sitenin kendisinden veri kazımak koşullarına göre yasaktır.
• 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.
• Design Arena’nın API koşulları sıralama verilerini ticari kullanım dahil ücretsiz kullanıma açar, tek bir şartla: herkese açık bir gösterim Design Arena’yı kaynak olarak belirtir ve designarena.ai adresine bağlantı verir. Görev başına Elo bu siteye OpenRouter’ın model akışı üzerinden gelir; görev görünümü, her model sayfasındaki görev sıraları ve bu sayfa kaynağı belirtir.
• Fiyatın kendisi, bir sağlayıcının yayımladığı bir olgudur; derlenmiş bir endeks puanından farklı bir şeydir. Fiyatlar sağlayıcı sayfalarıyla karşılaştırılır ve her satır kaynağını bağlar.

Fiyatlar habersiz değişir ve sayfalar yeniden biçimlenir; buradakilerin bir kısmı herhangi bir anda yanlış olacaktır. Bir hata bulursanız en hızlı yol hangi modeli, rakamın ne olması gerektiğini ve nerede yayımlandığını söylemektir — birincil kaynaklı düzeltmeler doğrudan uygulanır.

Yanlış fiyat bildir

Katalog en son 2026-10-06 tarihinde alındı. Sıralama mantığı siteyle birlikte sürümlenir; böylece “en iyi”nin nasıl hesaplandığındaki bir değişiklik sessiz bir ayar değil, görünür bir fark olur.