Рейтинг Category Score V3
LMSpeed Лучшие мультиязычные модели
Сравните понимание разных языков, генерацию, перенос рассуждений и устойчивость для малоресурсных языков с балансом по четырём измерениям.
Методология 3.0Методология
Текущий вывод
Сейчас ни одна модель не соответствует правилам формального рейтинга. В таблице есть Estimated моделей 7 и Provisional моделей 10. Это полезные сигналы, но не формальные места.
Доступные данные рейтинга
- Показано моделей
- 17
- Моделей с формальным рангом
- 0
- Столбцов бенчмарков
- 4
- Измерений со свидетельствами
- 2/4
Как читать полосы бенчмарков
Каждая полоса сравнивает модели только внутри одного столбца бенчмарка. Длина рассчитана относительно показанных моделей, не является Category Score и несопоставима между столбцами.
| Место | Модель | Оценка LMSpeed | Межъязыковое понимание | Перенос рассуждений | Статус | Покрытие | Обновлено | ||
|---|---|---|---|---|---|---|---|---|---|
| NOVA-63Моделей: undefined | AA Global-MMLU-LiteМоделей: undefined | INCLUDEМоделей: undefined | MMLU-ProXМоделей: undefined | ||||||
| Estimated-модели — без места7 | |||||||||
| — | Qwen3.7 MaxQwen | 58.1±11.7 | 59.0 | — | 86.2 | 87.0 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.5 | 54.6±12.2 | 59.1 | — | — | 84.7 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.6 PlusQwen | 52.2±12.2 | 57.9 | — | — | 84.7 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Claude Opus 4.5Anthropic | 51.7±12.2 | 56.7 | — | — | 85.7 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.7 PlusQwen | 51.1±11.7 | 58.8 | — | 83.0 | 85.4 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Kimi K2.5MoonshotAI | 44.2±12.2 | 56.0 | — | — | 82.3 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | GLM-5Z.ai | 43.8±12.2 | 55.1 | — | — | 83.1 | Estimated | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| Provisional-модели — без места10 | |||||||||
| — | Claude Opus 5Anthropic | 64.3±17.1 | — | — | 89.8 | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Gemini 3.1 ProGoogle | 59.7±17.3 | — | 93.2 | — | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Claude Opus 4.8Anthropic | 55±17.1 | — | — | 87.6 | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Claude Opus 4.6Anthropic | 54±17.3 | — | 92.2 | — | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Gemini 3 ProGoogle | 54±17.3 | — | 92.2 | — | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.5-27BQwen | 45.4±16.4 | — | — | — | 82.2 | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.5-122B-A10BQwen | 45.4±16.4 | — | — | — | 82.2 | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3.5-35B-A3BQwen | 41.6±16.4 | — | — | — | 81.0 | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | Qwen3 | 36.7±16.4 | — | — | — | 79.4 | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
| — | gpt-oss-120bOpenAI | 31.5±17.3 | — | 82.8 | — | — | Provisional | Измерения: undefined/4 · семейств: undefined | 28 авг. 2026 г. |
Что измеряет этот рейтинг
Какая AI-модель лучше подходит для нескольких языков?
Рейтинг охватывает понимание языков, генерацию, перенос рассуждения и малоресурсные языки. Текущий запуск может покрывать только часть этих измерений.
Четыре измерения способности
Четыре измерения заданы схемой категории. Доступные данные могут покрывать только часть из них. Измерение без свидетельств не считается подтверждённой способностью.
Межъязыковое понимание
Сейчас это измерение поддерживают 3 столбцов бенчмарков.
- NOVA-63
- AA Global-MMLU-Lite
- INCLUDE
Многоязычная генерация
В доступных данных нет подходящих свидетельств для этого измерения. Оно не влияет на Category Score.
Перенос рассуждений
Сейчас это измерение поддерживают 1 столбцов бенчмарков.
- MMLU-ProX
Устойчивость для малоресурсных языков
В доступных данных нет подходящих свидетельств для этого измерения. Оно не влияет на Category Score.
Мультиязычные задачи для сравнения
- Перевод и локализация с сохранением смысла, тона и терминов.
- Поддержка на разных языках с пониманием разных формулировок.
- Поиск материалов на одном языке и ответ на другом.
Как выбрать модель по этому рейтингу
- Шаг 1
Сначала проверьте статус
Только Rated-модели получают место. Estimated и Provisional не имеют формальной позиции.
- Шаг 2
Затем изучите интервал и свидетельства
Если оценки близки, не смотрите только на место. Проверьте неопределённость, измерения и число бенчмарков.
- Шаг 3
В конце проверьте реальную задачу
Рейтинг не заменяет ваш тест. Вместе проверяйте качество, скорость, цену, контекст и ограничения провайдера.
Проверяйте точный целевой язык. Учитывайте диалекты, письмо, культуру и профессиональные термины.
Что означают статусы
Rated
Rated означает, что правила по свидетельствам и пересечениям выполнены. Модель может получить формальный ранг.
Estimated
Estimated означает, что полезные свидетельства есть, но их недостаточно для формального ранга.
Provisional
Provisional означает мало свидетельств или недостаточное покрытие аспектов и семейств бенчмарков для статуса Estimated. Это только ранний сигнал.
Бенчмарки и источники свидетельств
Названия источников и группы бенчмарков взяты из доступных данных оценки. Один источник может дать несколько бенчмарков.
BenchLM
AA Global-MMLU-Lite, INCLUDE, MMLU-ProX и NOVA-63
Как строится мультиязычный рейтинг
LMSpeed объединяет подходящие сторонние бенчмарки в четырёх фиксированных измерениях. Rated-модели получают формальный ранг, а Estimated и Provisional остаются видимыми без позиции.
Подробнее о методологии Category ScoreОграничения рейтинга
Category Score использует сторонние бенчмарки, которые сейчас включены в LMSpeed. Тесты могут отличаться данными, запросами и правилами оценки. Результат не вечный и не описывает каждую реальную задачу. Важный выбор проверяйте на своих данных.
Частые вопросы
Какая доступная модель имеет самый высокий формальный ранг?
Сейчас формального первого места нет. На странице есть Estimated моделей 7 и Provisional моделей 10. У них нет формального ранга, поэтому их нельзя называть победителями.
Можно ли сравнивать оценки разных категорий?
Нет. Каждая категория использует свои измерения и свидетельства. Category Score сравним только внутри одной таблицы. Для другой задачи откройте её категорию.
Полезны ли Estimated и Provisional модели?
Они помогают найти кандидатов, но свидетельств пока недостаточно для формального ранга. Сначала изучите покрытие и неопределённость, затем проверьте модель на реальной задаче.
Как часто обновляется рейтинг?
Рейтинг обновляется после публикации нового завершённого запуска. Дата и версия методики указаны выше. LMSpeed не обещает фиксированное ежедневное или еженедельное обновление.
Модель на первом месте всегда лучше для меня?
Нет. Результат также зависит от скорости, цены, длины контекста, инструментов, региона и ограничений провайдера. Сначала сократите список, затем проведите свой тест.
Высокая мультиязычная оценка означает поддержку всех языков?
Нет. Оценка отражает только свидетельства текущего запуска. Каждый язык, диалект, тип письма и профессиональную область нужно проверять отдельно.