Рейтинг нейросетей

Сравнивай модели, бенчмарки и цены. Быстро находи лучшее под твои задачи.

Смотреть модели Бенчмарки

Обновлено: 4 сентябряРейтинг моделей и их параметров

Мы фокусируемся на том, чтобы предоставить вам наиболее точные и актуальные данные от лучших разработчиков ИИ

OpenAI

Anthropic

Google

Meta

Grok

DeepSeek

Топ языковых моделей

Какие модели показывают лучшие результаты в тестах и сколько стоит их использование

Показано 151-94 из 94

#

Страница 16 из 10

Размер контекстного окна

Сколько текста модель может проанализировать за раз. Больше контекста = можешь загрузить целую книгу, но счёт за API тоже растёт пропорционально.

Meta

Google

OpenAI

У каждой модели свой способ разделения текста на токены. Примерно токен = 3-4 символа, но зависит от языка и модели.
Важно: OpenAI считает по-одному, Claude по-другому, поэтому точные цифры всегда отличаются.

Чтобы понять масштаб — миллион токенов это:

30 часов

подкаста
~150 слов в минуту

1000 страниц

книги
~500 слов на страницу

60,000 строк

кода
~60 символов на строку

← Листай горизонтально для сравнения объёмов →

30 часов

подкаста
~150 слов в минуту

1000 страниц

книги
~500 слов на страницу

60,000 строк

кода
~60 символов на строку

На основе среднего количества символов в строке. См. Wikipedia.

Топ модели в вызове инструментов (Tool Calling)

Рейтинг построен на основе бенчмарков Tau2 и ComplexFuncBench. Эти тесты проверяют, как точно модели вызывают нужные функции с правильными параметрами в разных сценариях.

Claude Opus 4.1

Anthropic

82.4%

GPT OSS 120B

OpenAI

67.8%

GPT-4.1

OpenAI

65.5%

OpenAI

64.8%

GPT-4.5

OpenAI

63.0%

GPT-5

OpenAI

62.6%

Claude Sonnet 4

Anthropic

60.0%

Claude Opus 4

Anthropic

59.6%

Claude 3.7 Sonnet

Anthropic

58.4%

Kimi K2 Instruct

Moonshot AI

56.5%

Примеры Tool Calling в действии

Email отправка

"Отправь письмо Ивану с отчётом"
→ send_email(to="ivan@company.com", subject="Отчёт", attachment="report.pdf")

Проверка погоды

"Какая погода в Москве?"
→ get_weather(city="Moscow", lang="ru")

Бронирование

"Забронируй билет на завтра"
→ book_flight(date="2025-01-07", destination="SPB")

← Листай горизонтально для просмотра примеров →

Email отправка

"Отправь письмо Ивану с отчётом"
→ send_email(to="ivan@company.com", subject="Отчёт", attachment="report.pdf")

Проверка погоды

"Какая погода в Москве?"
→ get_weather(city="Moscow", lang="ru")

Бронирование

"Забронируй билет на завтра"
→ book_flight(date="2025-01-07", destination="SPB")

Почему это важно для разработчиков

Представь: ты просишь модель проанализировать код, потом запустить тесты, затем зафиксировать изменения в git. Если модель в одном из шагов накосячит — всё развалится. Чем выше процент, тем меньше шансов, что твой автоматизированный процесс сломается на ровном месте.

Скорость генерации токенов

Реальные данные производительности API: сколько токенов в секунду выдают модели и как быстро начинают отвечать.

Сверхбыстрые (500+ т/с)

Очень быстрые (200+ т/с)

Быстрые (100+ т/с)

Средние (<100 т/с)

Данные основаны на официальных метриках API провайдеров
Отладка: 15 моделей, макс скорость: 1000 т/с

Демонстрация скорости генерации токенов

0.0%

Gemma 3 4B

Google

0.0%

Nova Micro

Amazon

0.0%

Самый быстрый API

Пропускная способность

Qwen3 32B

Alibaba

0.0%

GPT 4 Turbo

OpenAI

0.0%

GPT 4

OpenAI

0.0%

← Листай горизонтально для просмотра всех категорий →

Лучшая модель - Код

Бенчмарк Aider Polyglot

Claude 3.5 Sonnet

93.7

GPT-5

93.4

Kimi K2 Instruct

93.3

Лучшая мультимодальная модель

Бенчмарк MMMU

GPT-5

92.5

GPT 4.5

90.8

Claude 3.5 Sonnet

90.4

Лучшая модель - Знания

Бенчмарк GPQA

Grok-4

87.5

Gemini 2.5 Pro Preview 06...

86.4

GPT-5

85.7

Самый длинный контекст

Максимум входных токенов

Llama 4 Scout

10.0M tokens

Gemini 1.5 Pro

2.1M tokens

Gemini 2.5 Pro

1.0M tokens

Самый дешевый API

Стоимость входных токенов

Llama 3.2 3B Instruct

$0.01 / 1M tokens

Gemma 3 4B

$0.02 / 1M tokens

Nova Micro

$0.03 / 1M tokens

Самый быстрый API

Пропускная способность

Qwen3 32B

639 tokens/s

GPT 4 Turbo

120 tokens/s

GPT 4

120 tokens/s

Бенчмарки и тесты

Как понять, какая модель лучше справляется с математикой, программированием или пониманием текста? Мы собрали 300+ разных тестов. Вот некоторые из ключевых бенчмарков, которые мы используем:

MMLU

Знания

Тест на понимание языка и широкие знания в 57 предметах

HumanEval

Программирование

Решение задач по программированию на Python

GPQA

Наука

Вопросы уровня PhD по физике, химии и биологии

ARC

Рассуждения

Логические задачи для школьников на рассуждения

SWE-Bench

Инженерия

Реальные задачи разработки программного обеспечения

MMMU

Мультимодальность

Мультимодальные задачи на понимание изображений и текста

GSM8K

Математика

Математические задачи уровня начальной школы

HellaSwag

Понимание

Тест на здравый смысл и понимание контекста

Arena Hard

Диалоги

Сложные задачи из пользовательских запросов

ComplexFuncBench

Tool Calling

Сложные сценарии вызова функций с многоступенчатыми задачами

Tau2

Tool Calling

Комплексные сценарии вызова инструментов с множественными параметрами

ToolBench

ToolBench

Tool Calling

Практические задачи использования API в реальных сценариях

Смотреть рейтинги