マルチモーダル AI ランキング（画像理解）

LMArena Vision Arena のスコア順。ユーザーが画像をアップロードして質問し、匿名の 2 モデルの回答に投票します。

総合 OCR（文字認識） 図表理解 宿題 キャプション エンティティ認識 画像から創作 ユーモア 英語 中国語
キャプション 1 位データ 2026年10月19日
Gemini 3.1 Pro PreviewGoogle · 1345

2026年10月19日 公開の LMArena Vision Arena では Anthropic の Claude Fable 5 (High) が 1325（14,714 票）で 167 モデル中 1 位です。

全ランキング · キャプション

34 件
すべて オープンウェイト

既定は LMArena スコア降順。± は 95% 信頼区間の半幅。カテゴリ列は各サブボードのスコア（– は未掲載）。

# モデル LMArena · キャプション ライセンス
スコア 順位 票数
1 Mistral Small 3.2 (2506)Mistral AIオープン 1059±49 34 177 Apache 2.0
2 Mistral Medium 3 (2505)Mistral AI 1094±49 33 160 Proprietary
3 Gemini 2.0 Flash (001)Google 1130±61 32 106 Proprietary
4 Mistral Medium 3.1 (2508)Mistral AI 1145±30 31 403 Proprietary
5 Gemma 3 27B ITGoogleオープン 1151±39 30 258 Gemma
6 Mistral Small 3.1 24B Instruct (2503)Mistral AIオープン 1153±38 29 258 Apache 2.0
7 GPT-5.1OpenAI 1165±49 28 123 Proprietary
8 Qwen3.5-27BAlibabaオープン 1170±81 27 61 Apache 2.0
9 GPT-4.1 mini (2025-04-14)OpenAI 1174±32 25 394 Proprietary
10 GPT-5.2OpenAI 1174±55 26 107 Proprietary
11 Gemini 2.5 Flash-Lite Preview (Thinking, 06-17)Google 1184±32 24 384 Proprietary
12 o4-mini (2025-04-16)OpenAI 1204±30 22 423 Proprietary
13 GPT-5 (High)OpenAI 1204±32 23 356 Proprietary
14 GPT-4.1 (2025-04-14)OpenAI 1207±31 21 422 Proprietary
15 o3 (2025-04-16)OpenAI 1210±28 20 540 Proprietary
16 GPT-5 ChatOpenAI 1212±32 19 375 Proprietary
17 GPT-5 mini (High)OpenAI 1217±37 18 283 Proprietary
18 Gemma 4 31BGoogleオープン 1218±54 17 106 Apache 2.0
19 ChatGPT-4o Latest (20250326)OpenAI 1224±36 16 273 Proprietary
20 Qwen3.5-397B-A17BAlibabaオープン 1230±57 15 78 Apache 2.0
21 Gemini 3 Flash (Minimal)Google 1241±43 14 173 Proprietary
22 Grok 4 (0709)xAI 1245±34 13 351 Proprietary
23 GPT-5.1 (High)OpenAI 1252±55 12 101 Proprietary
24 Kimi K2.5 (Thinking)Moonshot AIオープン 1257±48 11 125 Modified MIT
25 Gemini 3.1 Flash-Lite PreviewGoogle 1259±64 10 73 Proprietary
26 GLM-5V-TurboZ.ai 1264±73 9 53 Proprietary
27 GPT-5.2 (High)OpenAI 1267±58 8 94 Proprietary
28 Gemini 2.5 FlashGoogle 1277±24 7 582 Proprietary
29 Qwen3-VL-235B-A22B-InstructAlibabaオープン 1281±45 5 146 Apache 2.0
30 Gemini 3 FlashGoogle 1281±39 6 191 Proprietary
31 Gemma 4 26B A4BGoogleオープン 1297±70 4 63 Apache 2.0
32 Gemini 2.5 ProGoogle 1304±23 3 796 Proprietary
33 Gemini 3 ProGoogle 1325±35 2 218 Proprietary
34 Gemini 3.1 Pro PreviewGoogle 1345±49 1 137 Proprietary

スコア：LMArena leaderboard-dataset（lmarena-ai、Hugging Face、CC-BY-4.0、vision 設定）、キャプションの公開日 2026年10月19日。引用時は出典を明記してください。

データソースと算出方法

  1. スコアは同じ画像プロンプトへの匿名 2 回答に対する人間の投票から Bradley-Terry モデルで推定した Arena スコアです。
  2. カテゴリ（OCR、図表、宿題、キャプション、中国語／英語など）はプロンプト種別ごとに LMArena が別に算出したもので、総合スコアの内訳ではありません。
  3. 公開データのない項目（価格・コンテキスト長・公開日など）は表示せず、空欄は – です。推測はしません。
  4. 毎日自動同期。JSON API： /api/public/vision-leaderboard.php

今週の変動

データ蓄積中：1 日分を記録、7 日分そろうと週間変動を表示します

毎日 1 回自動同期して順位を記録。実際のスナップショット同士だけを比較し、補完はしません。

よくある質問

現在最も強いマルチモーダル（画像理解）モデルは？

2026年10月19日 公開の LMArena Vision Arena では Anthropic の Claude Fable 5 (High) が 1325（14,714 票）で 167 モデル中 1 位です。

各社で最も強い画像理解モデルは？

総合での各社トップ：Anthropic Claude Fable 5 (High) (1325, #1)、Google Gemini 3.8 Flash (High) (1315, #7)、Alibaba Qwen3.8-Max (1313, #10)、Meta Muse Spark 1.3 (Max) (1308, #12)、OpenAI GPT-5.4 (High) (1303, #18)。

OCR（文字認識）が最も得意なモデルは？

LMArena の OCR ボード（123 モデル）では Claude Fable 5 (High) が 1337 で 1 位。

最も強いオープンウェイトの画像理解モデルは？

オープンウェイトは 50 件、首位は GLM-5.3-Flash（1294、MIT）。

MMMU などのベンチマークとの違いは？

MMMU などは固定問題の自動採点です。本ランキングは利用者自身の画像と質問による匿名投票で、実利用での好みを反映します。相互換算はできません。