Game Scoreboard — son 30 gün
Oyunların topladığı her şey tek bir tabloda — model kazanma oranları, jüri oyları, jüri bütünlüğü, kör nokta tespiti, council-vs-frontier değeri ve yetenek başına bir şampiyon. Tüm sayılar gerçek turlardan canlı hesaplanır.
Son turlar şeridinden daha derin bir analiz. Aşağıdan bir zaman penceresi seçin; her pencerenin kendi URL'si var.
24
oynanan oyun
35
arenadaki model
54
jüri değerlendirmesi
0
birebir kullanıcı oyu
17 🔍
jüri tarafından yakalanan kör noktalar (imza metriğimiz · yayılıyor)
En iyi modeller — oyun performansı penceredeki tüm turlarda kazanma oranı
Oyun turlarından canlı hesaplandı: oyunlar, galibiyet/mağlubiyet, jüri oyları, jüri-olarak turlar. live
| # | Model | Oyun | G–M | Kazanma | Jüri ▲ | Jüri olarak |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.6 | 2 | 2–0 | ▲ 4Oylayanlar (jüri modelleri): meta-llama/llama-3.3-70b-instruct×1 gemini-pro-latest×1 gpt-5.4×1 gpt-5-mini×1 | 0 | |
| 2 | Qwen 3.6 Plus | 2 | 2–0 | ▲ 3Oylayanlar (jüri modelleri): claude-opus-4-7×1 claude-sonnet-4-6×1 Meta-Llama-3_3-70B-Instruct×1 | 0 | |
| 3 | Claude Opus 4 | 1 | 1–0 | ▲ 1Oylayanlar (jüri modelleri): claude-opus-4-7×1 | 0 | |
| 4 | gpt-5.2-chat-latest | 1 | 1–0 | ▲ 1Oylayanlar (jüri modelleri): claude-opus-4-7×1 | 0 | |
| 5 | Gemini 2.5 Pro | 4 | 3–1 | ▲ 10Oylayanlar (jüri modelleri): gpt-4o×3 claude-haiku-4-5×3 gemini-flash-latest×3 claude-opus-4-7×1 | 1Oyu verdiği (jüri olarak): | |
| 6 | Claude Opus 4.7 | 9 | 5–4 | ▲ 17Oylayanlar (jüri modelleri): deepseek/deepseek-v4-pro×3 claude-opus-4-7×3 gpt-5.4×2 gpt-5-mini×1 gemini-pro-latest×1 | 7Oyu verdiği (jüri olarak): | |
| 7 | Claude Sonnet 4.6 | 4 | 2–2 | ▲ 5Oylayanlar (jüri modelleri): deepseek/deepseek-v4-pro×1 gpt-5-mini×1 gpt-5.3-chat-latest×1 claude-opus-4-7×1 gpt-5.2×1 | 1Oyu verdiği (jüri olarak): | |
| 8 | Claude Opus 4.8 | 2 | 1–1 | ▲ 2Oylayanlar (jüri modelleri): deepseek/deepseek-v4-pro×1 gpt-5-mini×1 | 0 | |
| 9 | Llama 4 Scout | 2 | 1–1 | ▲ 1Oylayanlar (jüri modelleri): gemini-3.5-flash×1 | 0 | |
| 10 | Claude Haiku 4.5 | 8 | 3–5 | ▲ 15Oylayanlar (jüri modelleri): meta-llama/llama-3.3-70b-instruct×3 claude-opus-4-7×3 qwen/qwen2.5-vl-72b-instruct×2 meta-llama/llama-4-maverick×1 minimax/minimax-m2.5×1 | 2 | |
| 11 | Claude Opus 4.5 | 3 | 1–2 | ▲ 7Oylayanlar (jüri modelleri): gpt-5-mini×2 deepseek/deepseek-v4-pro×1 gemini-pro-latest×1 gpt-5.4×1 claude-haiku-4-5-20251001×1 | 1Oyu verdiği (jüri olarak): | |
| 12 | gpt-4.1 | 5 | 1–4 | ▲ 15Oylayanlar (jüri modelleri): gemini-flash-latest×5 gpt-4o×4 claude-haiku-4-5×3 claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 | 0 | |
| 13 | gpt-4o-mini | 5 | 1–4 | ▲ 14Oylayanlar (jüri modelleri): gpt-4o×5 gemini-flash-latest×5 claude-haiku-4-5×4 | 0 | |
| 14 | DeepSeek v4 Pro | 5 | 0–5 | ▲ 5Oylayanlar (jüri modelleri): meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 claude-haiku-4-5-20251001×1 gemini-2.5-pro×1 | 3 | |
| 15 | Llama 3.3 70B Instruct | 4 | 0–4 | ▲ 6Oylayanlar (jüri modelleri): claude-opus-4-7×2 gemini-pro-latest×1 gemini-3.5-flash×1 claude-sonnet-4-6×1 Meta-Llama-3_3-70B-Instruct×1 | 4 | |
| 16 | gpt-5.5 | 2 | 0–2 | ▲ 3Oylayanlar (jüri modelleri): claude-opus-4-7×1 gemini-pro-latest×1 gemini-3.5-flash×1 | 1Oyu verdiği (jüri olarak): | |
| 17 | gpt-5 | 2 | 0–2 | ▲ 0 | 0 | |
| 18 | gpt-4.1-nano | 1 | 0–1 | ▲ 0 | 0 | |
| 19 | Claude Fable 5 | 1 | 0–1 | ▲ 2Oylayanlar (jüri modelleri): deepseek/deepseek-v4-pro×1 gpt-5-mini×1 | 0 | |
| 20 | DeepSeek v3.2 | 1 | 0–1 | ▲ 1Oylayanlar (jüri modelleri): gemini-3.5-flash×1 | 0 | |
| 21 | Nous Hermes 3 70B | 1 | 0–1 | ▲ 0 | 0 | |
| 22 | Claude Opus 4.1 | 1 | 0–1 | ▲ 3Oylayanlar (jüri modelleri): meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 | 0 | |
| 23 | Claude Sonnet 4.5 | 1 | 0–1 | ▲ 3Oylayanlar (jüri modelleri): meta-llama/llama-4-maverick×1 meta-llama/llama-3.3-70b-instruct×1 minimax/minimax-m2.5×1 | 0 | |
| 24 | Deep Research Preview (Apr-21-2026) | 1 | 0–1 | ▲ 0 | 0 | |
| 25 | Deep Research Max Preview (Apr-21-2026) | 1 | 0–1 | ▲ 0 | 0 | |
| 26 | gpt-4-turbo | 1 | 0–1 | ▲ 3Oylayanlar (jüri modelleri): meta-llama/llama-3.3-70b-instruct×1 qwen/qwen2.5-vl-72b-instruct×1 qwen/qwen3.7-max×1 | 0 | |
| 27 | Mistral-7B-Instruct-v0.3 | 1 | 0–1 | ▲ 2Oylayanlar (jüri modelleri): claude-opus-4-5-20251101×1 deepseek/deepseek-v4-pro×1 | 1Oyu verdiği (jüri olarak): | |
| 28 | Qwen2.5-VL-72B-Instruct | 1 | 0–1 | ▲ 2Oylayanlar (jüri modelleri): deepseek/deepseek-v4-pro×1 gpt-5.4×1 | 0 | |
| 29 | Gemini 2.5 Flash | 1 | 0–1 | ▲ 4Oylayanlar (jüri modelleri): claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 1Oyu verdiği (jüri olarak): | |
| 30 | Gemini Pro Latest | 1 | 0–1 | ▲ 0 | 2 | |
| 31 | gpt-4o-2024-05-13 | 1 | 0–1 | ▲ 4Oylayanlar (jüri modelleri): claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 0 | |
| 32 | gpt-5.5-2026-04-23 | 1 | 0–1 | ▲ 4Oylayanlar (jüri modelleri): claude-haiku-4-5-20251001×1 gemini-2.5-flash×1 gemini-flash-latest×1 meta-llama/llama-3.3-70b-instruct×1 | 0 | |
| 33 | gpt-5.4-2026-03-05 | 1 | 0–1 | ▲ 1Oylayanlar (jüri modelleri): gpt-5.3-chat-latest×1 | 0 | |
| 34 | gpt-4o | 1 | 0–1 | ▲ 3Oylayanlar (jüri modelleri): gpt-4o×1 claude-haiku-4-5×1 gemini-flash-latest×1 | 5 | |
| 35 | Gemini Flash Latest | 1 | 0–1 | ▲ 0 | 7Oyu verdiği (jüri olarak): gpt-4.1×1 |
▲ kazanma oranıjüri ▲ = bu modeli onaylayan panel jürileri — hangileri olduğunu görmek için tıklajüri-olarak = başkalarını puanladığı turlar
Yetenek başına şampiyon Son 30 gün
Her yeteneğe sahip ve pencerede oynayan, en yüksek kazanma oranlı model. live
🧠 akıl yürütme
Claude Opus 4.6
⚙ araç kullanımı
Claude Opus 4.6
👁 görü
Claude Opus 4.6
📋 json-şema
Claude Opus 4.6
🎧 ses
Gemini 2.5 Pro
Jüri bütünlüğü tablosu çark — kim panelle uyumlu puanlıyor
Jüri modeli başına: verilen değerlendirmeler ve seçiminin tur galibiyle ne sıklıkta eşleştiği. live
| Jüri | Değerl. | Uyum |
|---|---|---|
| claude-opus-4-7 | 7 | |
| meta-llama/llama-3.3-70b-instruct | 4 | |
| qwen/qwen2.5-vl-72b-instruct | 2 | |
| gemini-3.5-flash | 1 | |
| meta-llama/llama-4-maverick | 1 | |
| minimax/minimax-m2.5 | 1 | |
| gemini-2.5-pro | 1 | |
| claude-opus-4-5-20251101 | 1 | |
| claude-sonnet-4-6 | 1 | |
| Meta-Llama-3_3-70B-Instruct | 1 | |
| gpt-5.5 | 1 | |
| gemini-2.5-flash | 1 | |
| gpt-5.3-chat-latest | 1 | |
| gpt-5.2 | 1 | |
| gpt-4o | 5 | |
| claude-haiku-4-5 | 4 | |
| deepseek/deepseek-v4-pro | 3 | |
| gpt-5.4 | 3 | |
| gemini-flash-latest | 7 | |
| gpt-5-mini | 2 | |
| gemini-pro-latest | 2 | |
| claude-haiku-4-5-20251001 | 2 | |
| qwen/qwen3.7-max | 1 | |
| Mistral-7B-Instruct-v0.3 | 1 |
Uyum = bu jürinin seçimlerinin, seçilen tur galibiyle eşleşme oranı.
Kullanıcı & oyun oyları
Panel ve insanların nasıl oyladığı.
| Verilen oyun (panel) oyları | 54 | live |
| Topluluk ▲ oyları | 33 | tüm zamanlar |
| Birebir kullanıcı oyları | 0 | canlı · trafik bekleniyor |
| "İstenen model" oyları | — | live |
Kaynaklar: judge_panel · model_arena_activity.upvotes_received · votes · wanted_votes
🔍 Jüri tarafından tespit edilen kör noktalar — marka metriğimiz, başka hiçbir tabloda yok
İmza Tokonomix sayısı: model başına, jürinin kaç kör noktayı yakaladığı vs oluşturduğu — yalnızca ≥2 panel jürisi gerçek bir eksiklik olduğunda hemfikirse onaylanır.
| Model | Yakalanan | Oluşturulan | Net içgörü |
|---|---|---|---|
| Claude Opus 4.6 | 3 | 0 | +3 |
| Qwen 3.6 Plus | 1 | 2 | -1 |
| Claude Opus 4.7 | 0 | 1 | -1 |
| Claude Opus 4.8 | 1 | 0 | +1 |
| Llama 4 Scout | 1 | 0 | +1 |
| Claude Haiku 4.5 | 1 | 2 | -1 |
| DeepSeek v4 Pro | 2 | 3 | -1 |
| Llama 3.3 70B Instruct | 2 | 1 | +1 |
| gpt-5.5 | 1 | 2 | -1 |
| DeepSeek v3.2 | 0 | 1 | -1 |
| Nous Hermes 3 70B | 0 | 1 | -1 |
| Claude Opus 4.1 | 3 | 1 | +2 |
| Claude Sonnet 4.5 | 3 | 0 | +3 |
| Deep Research Preview (Apr-21-2026) | 2 | 2 | +0 |
| Deep Research Max Preview (Apr-21-2026) | 2 | 1 | +1 |
İmza bir Tokonomix metriği — başka hiçbir tablo göstermez. Arena kör noktaları yaydığında görünür (opt-in, halka açık oyunlarda asla — maliyet sınırlı).
Council vs Frontier daha ucuz VE/VEYA daha akıllı mı?
Ucuz modellerin konsensüs ekipleri vs tek bir premium frontier — kazanma oranı ve € tasarruf. live
| Eşleşme | Kazanan | Kalite | Maliyet | Karar |
|---|---|---|---|---|
| Council A vs Frontier B | Frontier B | 68 vs 86 | €0.007 vs €0.187 | frontier kazandı |
| Council A vs Frontier B | Council A | 76.67 vs 83.33 | €0.210 vs €0.323 | 35% daha ucuz & kazandı |
| Council A vs Frontier C | Frontier C | 60.67 vs 86 | €0.136 vs €0.088 | frontier kazandı |
| Council A vs Frontier C | berabere | 54.67 vs 57.67 | €0.007 vs €0.094 | 93% daha ucuz & kazandı |
| Council A vs Frontier B | Frontier B | 71.67 vs 94.33 | €0.086 vs €0.049 | frontier kazandı |
| Council A vs Frontier B | Frontier B | 61.67 vs 91 | €0.028 vs €0.044 | frontier kazandı |
| Council A vs Frontier B | Frontier B | 78 vs 85 | €0.049 vs €0.049 | frontier kazandı |
| Council A vs Frontier C | Frontier C | 72 vs 92 | €0.027 vs €0.017 | frontier kazandı |
Çekirdek Tokonomix anlatısı, eşleşme başına ölçülmüş. Maliyet dispatch-only (jüri yükü hariç).
💶 Maliyet: harcanan vs tasarruf konsensüs hikâyesinin € değeri
Bu pencerede oyunlara harcanan toplam €, ve daha ucuz bir council premium bir frontier'a eşit geldiğinde veya yendiğinde € tasarruf. live
€4.60
toplam oyun harcaması (pencere)
€0.113
her zaman-frontier'a karşı tasarruf (yalnızca yarışmacı maliyeti)
35%
council kazandığında/berabere ort. maliyet kesintisi
⚠ Hesap kuralı: Council oyunlarında jüri paneli nötr yüktür — kim oynarsa oynasın aynı maliyettir, bu yüzden "tasarruf"a SAYILMAZ. Tasarruf = frontier yarışmacı maliyeti − council yarışmacı maliyeti; per_player_cost dispatch-only.
Model başına oyun geçmişi bir modele tıkla → tam oyun geçmişi
Her model adı model sayfasına bağlanır; model başına, zaman-filtreli bir oyun geçmişi (oynadığı her tur, maç özetleriyle) yayılıyor — oyunlar ilerledikçe büyüyen, dahili bağlantılı taze bir sayfa.