LLM推論★9· Elo Rating for LLMs LLMランキング 2026：ベンチマーク、速度、価格で比較するトップAIモデル
2026年のLLM（大規模言語モデル）は、トップクラスに5つのプロバイダーが登場し、オープンウェイトモデルが独自モデルに挑戦する状況。GPQA DiamondやHumanEvalなどのベンチマークに加え、価格やコンテキストウィンドウサイズといった実用性も評価されている。「LLM Stats Score」は、推論、コーディング、ユーザー評価、コスト効率を重視し、幻覚率を減点するランキングシステム。Chatbot ArenaのEloレーティングは、実際の会話性能を反映する。
研究/論文★8· Elo Rating for LLMs LLM Benchmark Leaderboard 2026: コーディング、数学、推論、エージェント
2026年5月20日発表のLLMベンチマークリーダーボードでは、Gemini 3 ProがLiveCodeBench Proで2439Eloを記録し、コーディング能力でトップとなりました。このリーダーボードは、知識、推論、数学、コード、および持続的なツール使用における最先端モデルのパフォーマンスを、ベンダーの宣伝を排除し、正確な日付とソースリンク付きで、独立かつ正直に測定することを目指しています。