Przejdź do treści głównej

Modele AI według zadań

Publiczne głosowania, zadanie po zadaniu, a obok nasze testy, jak daleko idzie każdy model.

Na dzień 19 paź 2026 w publicznych głosowaniach prowadzą: Wan 3.0 w kategorii „tekst na wideo”, MiniMax H3 Max w kategorii „obraz na wideo”, Seedance 2.5 w kategorii „referencja na wideo”, GPT Image 2.5 Sunburst w kategorii „tekst na obraz” i GPT Image 2.5 Sunburst w kategorii „edycja obrazu”.

Ranking jakości mowy

Niezależne oceny słuchaczy dla syntezy mowy. Te wyniki Elo nie wchodzą do Spicy Index.

Odczyt z 29 wrz 2026 · 5 modeli z katalogu dopasowanych do rankingu obejmującego 92 modeli.

  1. 1Gemini 3.8 Flash TTS
    1267 Elo95% CI 1251–1283

    2211 głosów słuchaczy

  2. 2Gemini 3.8 Flash-Lite TTS
    1241 Elo95% CI 1225–1257

    2180 głosów słuchaczy

  3. 3MiniMax Speech 2.8 HD
    1171 Elo95% CI 1160–1182

    4498 głosów słuchaczy

  4. 4MiniMax Speech 2.8 Turbo
    1151 Elo95% CI 1140–1162

    4391 głosów słuchaczy

  5. 5Chatterbox
    1023 Elo95% CI 1012–1034

    4603 głosów słuchaczy

Kolejność opiera się na estymacjach punktowych. Nakładające się 95-procentowe przedziały ufności nie potwierdzają wyraźnej różnicy jakości.

Artificial Analysis

Realizacja zadań z długimi dokumentami

Sześć stałych wspólnych dokumentów, po cztery pytania: wyszukiwanie, rozumowanie wieloetapowe, aktualizacje faktów i brakujące informacje. Punkty wymagają poprawnych odpowiedzi w ścisłym JSON i nie wchodzą do Spicy Index.

  1. Claude Opus 5.5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 47 180–47 180 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  2. DeepSeek V4 Flash

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 32 087–32 087 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  3. DeepSeek V4 Pro

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 32 087–32 087 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  4. GLM 5.2

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 38 336–38 429 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  5. GLM 5.3

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 38 336–38 429 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  6. GLM 5.3 Flash

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 38 336–38 429 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  7. Kimi K3

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 32 084–32 086 tokenów

    100,0 / 100

    24/24 odpowiedzi poprawnych w wymaganym formacie

  8. Gemini 3.5 Flash-Lite

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 53 282–53 282 tokenów

    95,8 / 100

    23/24 odpowiedzi poprawnych w wymaganym formacie

  9. Claude Opus 4.6

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 33 716–33 716 tokenów

    Próby: 0 odmów · 1 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    83,3 / 100

    20/24 odpowiedzi poprawnych w wymaganym formacie

  10. Gemini 3 Flash Preview

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 53 282–53 283 tokenów

    Próby: 0 odmów · 1 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    83,3 / 100

    20/24 odpowiedzi poprawnych w wymaganym formacie

  11. Grok 4.6

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 32 211–32 211 tokenów

    Próby: 0 odmów · 1 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    83,3 / 100

    20/24 odpowiedzi poprawnych w wymaganym formacie

  12. Claude Sonnet 5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 47 178–47 178 tokenów

    Próby: 0 odmów · 2 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    66,7 / 100

    16/24 odpowiedzi poprawnych w wymaganym formacie

  13. Gemini 3.1 Pro Preview

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 53 283–53 283 tokenów

    Próby: 0 odmów · 2 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    66,7 / 100

    16/24 odpowiedzi poprawnych w wymaganym formacie

  14. Grok 4.5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 32 211–32 211 tokenów

    Próby: 0 odmów · 4 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    33,3 / 100

    8/24 odpowiedzi poprawnych w wymaganym formacie

  15. Claude Opus 4.5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 33 716–33 745 tokenów

    Próby: 0 odmów · 5 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    16,7 / 100

    4/24 odpowiedzi poprawnych w wymaganym formacie

  16. Gemini 3.7 Flash

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 53 283–53 283 tokenów

    Próby: 0 odmów · 5 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    16,7 / 100

    4/24 odpowiedzi poprawnych w wymaganym formacie

  17. Claude Opus 5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 47 178–47 178 tokenów

    Próby: 6 odmów · 6 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    0,0 / 100

    0/24 odpowiedzi poprawnych w wymaganym formacie

  18. Claude Sonnet 4.5

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 33 745–33 745 tokenów

    Próby: 0 odmów · 6 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    0,0 / 100

    0/24 odpowiedzi poprawnych w wymaganym formacie

  19. Claude Sonnet 4.6

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 33 716–33 716 tokenów

    Próby: 0 odmów · 6 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    0,0 / 100

    0/24 odpowiedzi poprawnych w wymaganym formacie

  20. Gemini 2.5 Flash

    Zaktualizowano 30 wrz 2026

    Zmierzona długość wejścia: 53 282–53 282 tokenów

    Próby: 0 odmów · 6 błędów formatu JSON · 0 osiągniętych limitów wyjścia. Kategorie mogą się nakładać.

    0,0 / 100

    0/24 odpowiedzi poprawnych w wymaganym formacie

Wszystkie modele otrzymują te same teksty: 31 998 tokenów referencyjnych na dokument (o200k_base, tiktoken 0.14.0), z limitem wyjścia 4096 tokenów. Bloki kodu liczą się jako błędy formatu, nawet przy poprawnych odpowiedziach. Publikujemy tylko sześć ukończonych prób. Test nie mierzy maksymalnego kontekstu ani pełnego zestawu zdolności długiego kontekstu.

Metoda testu

Transkrypcja krótkich nagrań po angielsku

Sześć ustalonych fragmentów czytanych przez sześć osób: 53,6 sekundy i 146 słów odniesienia. Ten niewielki test nie ocenia tekstów piosenek, mowy w hałasie ani ogólnej jakości transkrypcji. Nie wlicza się do Spicy Index.

  • Grok STT

    Zaktualizowano 30 wrz 2026

    2 zamian · 0 pominięć · 0 wstawień / 146 słów odniesienia

    1,37% WER

    Mniej znaczy lepiej

  • HeartMuLa Transcribe

    Zaktualizowano 30 wrz 2026

    4 zamian · 0 pominięć · 2 wstawień / 146 słów odniesienia

    4,11% WER

    Mniej znaczy lepiej

Współczynnik błędów słów (WER) to suma zamian, pominięć i wstawień podzielona przez liczbę słów odniesienia. Wielkość liter i interpunkcja są normalizowane jednakowo; apostrofy wewnątrz słów pozostają. Pokazujemy tylko kompletne wyniki sześciu nagrań. WER może przekroczyć 100%.

Metoda transkrypcji

Pytania o rankingi