Per la prima volta da diversi mesi, Anthropic cede la vetta della classifica Text Arena, che valuta in tempo reale le prestazioni dei modelli di IA su compiti come matematica, codice o scrittura creativa. Gemini 4 Argon, distribuito da Google ai suoi abbonati a pagamento, conquista il primo posto davanti a Muse Wonder, svelato da Meta, mentre la società creatrice di Claude piazza comunque sei modelli nella top 10.
Presentato agli inizi di ottobre e inizialmente riservato a una manciata di attori della cyberdifesa, Gemini 4 Argon ha evidentemente conquistato la comunità di Arena, un benchmark collaborativo dove gli internauti arbitrano duelli tra due modelli anonimi. Progettato per compiti lunghi e complessi, in più fasi, il modello più avanzato della società di Mountain View supera Muse Wonder, che rivendica anch’esso questa specialità.
I 20 modelli più performanti
Dietro la coppia di testa, Anthropic occupa gran parte dell’alta classifica. Claude Opus 5.5 si piazza al terzo posto, davanti a Claude Fable 5, la versione «High» di Claude Opus 4.6, Claude Fable 5.1, Claude Opus 4.7 e la versione standard di Claude Opus 4.6. Quest’ultimo si mantiene nelle prime cinque posizioni nonostante un rilascio risalente a febbraio. Gemini 3.8 Flash e Muse Spark 1.3 completano la top 10.
OpenAI, invece, rimane in disparte. Il suo primo modello, GPT-5.6 Sol, appare solo al 21° posto. Ad eccezione di Kimi K3, piazzato 18° da Moonshot, la top 20 è composta da modelli di Meta, Google e Anthropic.
I migliori modelli per categoria
Arena valuta anche i modelli su compiti più mirati, come la ricerca web, l’analisi di immagini o l’analisi di documenti. Nella ricerca web, la versione «xHigh» di GPT-5.6 Sol arriva in testa, seguita da Qwen 3.8 Max e Claude Opus 4.6 Search. Nelle prime dieci posizioni di questa categoria, nove vanno ad Anthropic, che ne ottiene cinque, e a OpenAI, che ne ottiene quattro.
Nell’analisi di immagini, Claude Fable 5 prende la testa, davanti a Qwen 3.8 e Claude Opus 4.6. Anthropic piazza cinque modelli nella top 10. Nell’analisi di documenti, Claude Opus 5 arriva in testa, e Anthropic occupa le prime sette posizioni. OpenAI completa la top 10 con GPT-5.5 in versione standard, GPT-5.5 «High» e GPT-5.6 Sol.
Come funziona la classifica
Osservato dai principali attori e osservatori del mondo dell’IA, Arena si basa sui voti degli internauti per classificare i modelli. Una richiesta viene sottoposta a due modelli anonimizzati, che producono ciascuno una risposta, e l’utente designa quella più pertinente. Ogni modello riceve un punteggio Elo, una sorta di rating che varia in base ai suoi risultati in questi duelli.
Una vittoria contro un avversario meglio classificato fa guadagnare punti, mentre una sconfitta contro un concorrente meno ben classificato ne fa perdere. Un modello in testa può continuare a migliorare il suo punteggio, ma la sua progressione avviene più lentamente.
