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
総合 1 位データ 2026年10月19日
Claude Fable 5 (High)Anthropic · 1325

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 · 総合

50 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 · 総合 カテゴリ別スコア ライセンス
スコア 順位 票数 OCR（文字認識） 図表理解 宿題 キャプション
1 GLM-5.3-FlashZ.aiオープン 1294±6 24 16,254 1299 1317 1318 – MIT
2 Kimi K2.6Moonshot AIオープン 1282±7 34 16,368 1291 1298 1310 – Modified MIT
3 DeepSeek-V4.1-Flash-20260910 (Max)DeepSeekオープン 1278±10 38 4,100 1282 1297 1307 – MIT
4 Gemma 4 31BGoogleオープン 1276±6 39 40,219 1282 1283 1310 1218 Apache 2.0
5 Qwen3.8-27BAlibabaオープン 1269±8 44 7,614 1281 1285 1295 – Apache 2.0
6 Kimi K2.5 (Thinking)Moonshot AIオープン 1269±6 46 28,249 1276 1282 1297 1257 Modified MIT
7 MiMo-V2.6-ProXiaomiオープン 1263±15 53 1,754 1270 1281 1264 – MIT
8 Qwen3.5-397B-A17BAlibabaオープン 1262±5 54 32,657 1271 1277 1292 1230 Apache 2.0
9 Gemma 4 26B A4BGoogleオープン 1260±6 56 23,922 1268 1264 1293 1297 Apache 2.0
10 MiMo-V2.6-FlashXiaomiオープン 1256±11 59 3,618 1270 1276 1283 – MIT
11 Kimi K2.5 (Instant)Moonshot AIオープン 1254±11 60 4,111 1259 1257 1264 – Modified MIT
12 MiniMax-M3MiniMaxオープン 1251±6 62 19,844 1259 1266 1268 – MiniMax Community License
13 MiMo-V2.5Xiaomiオープン 1247±6 66 29,381 1256 1269 1262 – MIT
14 Qwen3-VL-235B-A22B-InstructAlibabaオープン 1247±7 67 12,724 1253 1255 1277 1281 Apache 2.0
15 Qwen3.5-122B-A10BAlibabaオープン 1244±7 70 13,236 1251 1249 1261 – Apache 2.0
16 Qwen3.5-27BAlibabaオープン 1241±5 72 30,272 1246 1249 1256 1170 Apache 2.0
17 TInkling-SmallThinking Machinesオープン 1237±8 75 8,074 1243 1251 1257 – Apache 2.0
18 Mistral Medium 3.5Mistral AIオープン 1222±9 83 5,375 1233 1254 1230 – Modified MIT
19 Mistral Large 3Mistral AIオープン 1220±8 84 9,254 1228 1240 1216 – Apache 2.0
20 Qwen3-VL-235B-A22B-ThinkingAlibabaオープン 1207±12 91 2,387 1212 1214 1234 – Apache 2.0
21 NNVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4)NVIDIAオープン 1205±13 92 2,509 1216 1223 1229 – OpenMDW-1.1
22 SStep-3StepFunオープン 1176±12 106 3,193 1168 1155 1183 – Apache 2.0
23 Gemma 3 27B ITGoogleオープン 1165±8 112 16,982 1156 1156 1160 1151 Gemma
24 GLM-4.6VZ.aiオープン 1164±14 113 2,455 1171 1182 1155 – MIT
25 GLM-4.5VZ.aiオープン 1154±12 118 3,243 1151 1151 1163 – MIT
26 Qwen2.5-VL-32B-InstructAlibabaオープン 1152±15 119 1,490 – – – – Apache 2.0
27 Mistral Small 3.2 (2506)Mistral AIオープン 1142±9 121 10,843 1134 1125 1173 1059 Apache 2.0
28 Llama 4 Maverick 17B 128E InstructMetaオープン 1142±9 122 6,923 1143 1134 1164 – Llama 4
29 Mistral Small 3.1 24B Instruct (2503)Mistral AIオープン 1136±8 125 28,490 1132 1119 1158 1153 Apache 2.0
30 Llama 4 Scout 17B 16E InstructMetaオープン 1118±9 129 6,446 1117 1125 1148 – Llama
31 Qwen2.5-VL-72B-InstructAlibabaオープン 1107±11 130 3,768 – – – – Qwen
32 Pixtral Large (2411)Mistral AIオープン 1089±9 134 5,423 – – – – MRL
33 Molmo 2 8BAi2オープン 1081±20 136 1,190 1058 1072 1069 – Apache 2.0
34 Qwen2-VL-72BAlibabaオープン 1047±10 141 5,937 – – – – Qwen
35 Molmo 72B (0924)Ai2オープン 1012±13 145 3,048 – – – – Apache 2.0
36 Pixtral 12B (2409)Mistral AIオープン 1009±10 146 7,511 – – – – Apache 2.0
37 OInternVL2 26BOpenGVLabオープン 1005±13 148 5,148 – – – – MIT
38 Llama 3.2 90B Vision InstructMetaオープン 1000±9 149 8,682 – – – – Llama 3.2
39 Aya Vision 32BCohereオープン 996±22 151 847 – – – – CC-BY-NC-4.0
40 Qwen2-VL-7B-InstructAlibabaオープン 990±11 153 5,766 – – – – Apache 2.0
41 Llama 3.2 11B Vision InstructMetaオープン 966±11 157 4,817 – – – – Llama 3.2
42 Molmo 7B-D (0924)Ai2オープン 959±14 158 2,815 – – – – Apache 2.0
43 OInternVL2 4BOpenGVLabオープン 941±13 160 3,703 – – – – MIT
44 Nnvila-internal-15b-v1NVIDIAオープン 940±20 161 1,077 – – – – -
45 LLLaVA 1.6 34Bオープン 936±12 162 4,531 – – – – Apache 2.0
46 CogVLM2 Llama3 Chat 19BZ.aiオープン 928±15 163 1,991 – – – – CogVLM2
47 LLLaVA-OneVision Qwen2 72B OVオープン 923±18 164 1,321 – – – – Apache 2.0
48 OMiniCPM-V 2.6OpenBMBオープン 912±16 165 1,987 – – – – Apache 2.0
49 MPhi-3.5 Vision InstructMicrosoftオープン 851±16 166 2,592 – – – – MIT
50 MPhi-3 Vision 128K InstructMicrosoftオープン 812±19 167 1,401 – – – – MIT

スコア：LMArena leaderboard-dataset（lmarena-ai、Hugging Face、CC-BY-4.0、vision 設定）、総合の公開日 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。