Voor het eerst in meerdere maanden moet Anthropic de koppositie in het Text Arena-classement afstaan, dat in realtime de prestaties van AI-modellen evalueert op taken zoals wiskunde, code of creatief schrijven. Gemini 4 Argon, uitgerold door Google voor zijn betalende abonnees, neemt de eerste plaats in voor Muse Wonder, onthuld door Meta, terwijl de maker van Claude toch zes modellen in de top 10 plaatst.
- Gemini 4 Argon neemt de koppositie over van Anthropic in het Text Arena-classement.
- Anthropic plaatst zes modellen in de top 10 van het algemene classement.
- OpenAI blijft achter, want GPT-5.6 Sol staat pas op plaats 21.
- Arena rangschikt de modellen op basis van stemmen van gebruikers.
Begin oktober gepresenteerd en aanvankelijk voorbehouden aan een handvol spelers in de cyberdefensie, heeft Gemini 4 Argon blijkbaar de Arena-gemeenschap veroverd, een collaboratieve benchmark waar internetgebruikers duels tussen twee anonieme modellen beoordelen. Ontworpen voor lange en complexe, meerstaps taken, verslaat het meest geavanceerde model van het bedrijf uit Mountain View Muse Wonder, dat eveneens deze specialiteit claimt.
De 20 best presterende modellen
Achter het leidende duo bezet Anthropic het grootste deel van de bovenste regionen. Claude Opus 5.5 neemt de derde plaats in, voor Claude Fable 5, de ‘High’-versie van Claude Opus 4.6, Claude Fable 5.1, Claude Opus 4.7 en de standaardversie van Claude Opus 4.6. Deze laatste houdt stand in de top vijf ondanks een lancering die teruggaat tot februari. Gemini 3.8 Flash en Muse Spark 1.3 vervolledigen de top 10.
OpenAI daarentegen blijft op de achtergrond. Zijn eerste model, GPT-5.6 Sol, duikt pas op de 21e plaats op. Met uitzondering van Kimi K3, door Moonshot op plaats 18 gezet, bestaat de top 20 uit modellen van Meta, Google en Anthropic.
De beste modellen per categorie
Arena evalueert de modellen ook op meer gerichte taken, zoals webzoeken, beeldanalyse of documentanalyse. Bij webzoeken komt de ‘xHigh’-versie van GPT-5.6 Sol als eerste, gevolgd door Qwen 3.8 Max en Claude Opus 4.6 Search. Van de eerste tien plaatsen in deze categorie gaan er negen naar Anthropic, dat er vijf krijgt, en naar OpenAI, dat er vier krijgt.
Bij beeldanalyse neemt Claude Fable 5 de leiding, voor Qwen 3.8 en Claude Opus 4.6. Anthropic plaatst vijf modellen in de top 10. Bij documentanalyse komt Claude Opus 5 bovenaan, en bezet Anthropic de eerste zeven plaatsen. OpenAI vervolledigt de top 10 met GPT-5.5 in standaardversie, GPT-5.5 ‘High’ en GPT-5.6 Sol.
Hoe het classement werkt
Nauwlettend gevolgd door de belangrijkste spelers en waarnemers in The AI / news, baseert Arena zich op de stemmen van internetgebruikers om de modellen te rangschikken. Een vraag wordt voorgelegd aan twee geanonimiseerde modellen, die elk een antwoord produceren, en de gebruiker wijst het meest relevante aan. Elk model krijgt een Elo-score, een soort rating die varieert volgens zijn resultaten in deze duels.
Een overwinning tegen een hoger geplaatste tegenstander levert punten op, terwijl een nederlaag tegen een lager geplaatste concurrent punten kost. Een model aan de top kan zijn score blijven verbeteren, maar zijn vooruitgang verloopt trager.
