評価ソース公式サイト
Arena WebDev
LMArena · 同じく人間によるブラインド比較で、ウェブページの使いやすさと、納品できる完成度を比べる。
AIサイシン での扱いランキング採用
配分2.4%
元データの日時10/22 09:00
最終同期10/24 02:22
何を、どう測るか
公式公開スナップショットの WebDev 総合ランキングのみを採用し、arena.ai のリアルタイムページは取得しない。Text と合わせて Arena ファミリーとして 1 票を構成する。
当サイトでの使い方
コーディングとデザインの予算のうち 2.4%。審美カテゴリでウェブ作品の選好を測るもので、コードの正確性とは異なる。引き続き Arena の他タスクと証拠ファミリーを共有する。
評価成績
一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。
| 元の順位 | モデル名 | 元スコア | 代表構成 |
|---|---|---|---|
| 1 | Claude Opus 5.5 (Max)Anthropic | 1,806.9 | Max 推論 |
| 2 | GPT-6 Astra (Max)OpenAI | 1,774.7 | Max 推論 |
| 3 | Claude Sonnet 5.5 (xHigh)Anthropic | 1,767.5 | xHigh 推論 |
| 4 | GPT-6.1 Sol (Max)OpenAI | 1,749 | Max 推論 |
| 5 | Claude Fable 5.1 (Max)Anthropic | 1,743.4 | Max 推論 |
| 6 | Muse Wonder Full (Max)Meta | 1,725.9 | Max 推論 |
| 8 | Claude Opus 5 (Max)Anthropic | 1,690.2 | Max 推論 |
| 9 | GPT-6 Sol (Max)OpenAI | 1,681.6 | Max 推論 |
| 11 | Gemini 4 Argon (High)Google | 1,672.7 | High 推論 |
| 12 | Qwen3.8-MaxAlibaba | 1,672.5 | ソース既定の構成 |
| 13 | DeepSeek-V4.1-Flash-20261017 (Max)deepseek | 1,664 | Max 推論 |
| 15 | Muse Spark 1.3 (Max)Meta | 1,657.4 | Max 推論 |
| 16 | Kimi K3 (Max)Moonshot AI | 1,654.7 | Max 推論 |
| 17 | Muse Wonder (Max)Meta | 1,651.1 | Max 推論 |
| 18 | Grok 4.7 (xHigh)xAI | 1,636.6 | xHigh 推論 |
| 19 | MiMo-V2.6-FlashXiaomi | 1,634 | ソース既定の構成 |
| 20 | Hy4 previewTencent | 1,631.2 | ソース既定の構成 |
| 21 | Qwen3.8-Flash-NextAlibaba | 1,628 | ソース既定の構成 |
| 22 | MiMo-V2.6-ProXiaomi | 1,625.4 | ソース既定の構成 |
| 23 | Claude Fable 5 (High)Anthropic | 1,624.1 | High 推論 |
| 24 | GLM-5.3 (Max)Z.ai | 1,622.7 | Max 推論 |
| 26 | DeepSeek-V4.1-Flash-20260910 (Max)deepseek | 1,618.4 | Max 推論 |
| 27 | Grok 4.6 (High)xAI | 1,617.1 | High 推論 |
| 28 | GPT-5.6 Sol (xHigh, Codex Harness)OpenAI | 1,615 | xHigh 推論 · Codex Harness |
| 29 | GLM-5.3-FlashZ.ai | 1,607.8 | ソース既定の構成 |
| 30 | GLM-5.2 (Max)Z.ai | 1,604.3 | Max 推論 |
| 31 | Qwen3.8-27BAlibaba | 1,591.3 | ソース既定の構成 |
| 32 | Gemini 3.7 Flash (High)Google | 1,591.1 | High 推論 |
| 33 | MiniMax-M3.1-FlashMiniMax | 1,589.7 | ソース既定の構成 |
| 34 | Gemini 3.8 Flash (High)Google | 1,585.3 | High 推論 |
評価の限界とデータの出典
Text とは選好という構成概念の面で相関がある。
データライセンス：CC BY 4.0
成績は LMArena が公表したもの。元のスコアと AIサイシン のコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。