LLMBoard.ai

LLMBoard.ai が答えるのは、数週間ごとに変わる「結局どのモデルを使うべきか」という問いです。常時更新されるモデルレコードとベンチマーク結果を保持し、タスク単位のリーダーボードとして提示します。総合チャット／LLM、エージェント、コーディング、推論、数学、知識、指示追従に加え、ビジョン、画像生成・編集、動画、音声合成、音声認識、埋め込みの各トラックがあります。各順位は GPQA、MMLU-Pro、AIME、SWE-Bench Verified、LiveCodeBench、MATH、HumanEval、MMMU-Pro といった具体的なベンチマークに基づきます。

単一スコアのランキングとの違いは、シグナルを意図的に分離している点です。能力スコアは価格、実行レイテンシ、プロバイダ信頼性とは別に提示されるため、ベンチマーク首位のモデルが自動的に最も割安あるいは最も安定的とは見なされません。チャットトークン、画像、動画、音声にそれぞれ価格ページがあり、速度と信頼性のビューも用意されています。スコアリングとデータのセクションではモデルのマッピングと採点ルールが公開され、各ベンチマークページは生の順位とカバレッジを示すので、ある順位の根拠を確認できます。

対象は、特定のワークロード向けにモデルを評価するエンジニアリングチーム、プロダクトマネージャー、研究者、そしてオープンモデルと最先端のクローズドモデルの比較を追う読者です。情報と比較のリソースであり、モデル自体をホストするものではないため、結果は自社テストの出発点として扱うのが適切です。