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
中国語 1 位データ 2026年10月19日
Gemini 3.8 Flash (High)Google · 1416

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 · 中国語

36 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 · 中国語 ライセンス
スコア 順位 票数
1 GLM-5.3-FlashZ.aiオープン 1363±23 15 699 MIT
2 Kimi K2.6Moonshot AIオープン 1346±20 25 1,027 Modified MIT
3 Kimi K2.5 (Instant)Moonshot AIオープン 1328±34 36 273 Modified MIT
4 DeepSeek-V4.1-Flash-20260910 (Max)DeepSeekオープン 1327±42 37 199 MIT
5 Gemma 4 31BGoogleオープン 1326±14 38 2,734 Apache 2.0
6 MiMo-V2.5Xiaomiオープン 1326±17 39 1,580 MIT
7 Qwen3.8-27BAlibabaオープン 1326±30 40 409 Apache 2.0
8 Kimi K2.5 (Thinking)Moonshot AIオープン 1324±16 41 1,767 Modified MIT
9 Qwen3.5-397B-A17BAlibabaオープン 1314±15 43 2,045 Apache 2.0
10 Gemma 4 26B A4BGoogleオープン 1312±17 45 1,609 Apache 2.0
11 MiniMax-M3MiniMaxオープン 1311±20 46 1,048 MiniMax Community License
12 Qwen3.5-122B-A10BAlibabaオープン 1301±20 51 1,011 Apache 2.0
13 Qwen3.5-27BAlibabaオープン 1301±15 52 1,997 Apache 2.0
14 TInkling-SmallThinking Machinesオープン 1292±28 56 461 Apache 2.0
15 Qwen3-VL-235B-A22B-InstructAlibabaオープン 1283±19 62 998 Apache 2.0
16 Mistral Medium 3.5Mistral AIオープン 1244±38 76 287 Modified MIT
17 Mistral Large 3Mistral AIオープン 1240±26 77 569 Apache 2.0
18 Qwen3-VL-235B-A22B-ThinkingAlibabaオープン 1219±43 85 164 Apache 2.0
19 GLM-4.6VZ.aiオープン 1217±41 87 166 MIT
20 Gemma 3 27B ITGoogleオープン 1164±21 96 1,020 Gemma
21 Mistral Small 3.2 (2506)Mistral AIオープン 1163±23 97 847 Apache 2.0
22 Mistral Small 3.1 24B Instruct (2503)Mistral AIオープン 1155±21 99 1,251 Apache 2.0
23 Llama 4 Maverick 17B 128E InstructMetaオープン 1141±34 101 294 Llama 4
24 Qwen2.5-VL-72B-InstructAlibabaオープン 1107±55 105 119 Qwen
25 Llama 4 Scout 17B 16E InstructMetaオープン 1106±36 106 278 Llama
26 Pixtral Large (2411)Mistral AIオープン 1083±51 108 156 MRL
27 Qwen2-VL-72BAlibabaオープン 1072±45 109 291 Qwen
28 OInternVL2 26BOpenGVLabオープン 1065±48 110 287 MIT
29 Qwen2-VL-7B-InstructAlibabaオープン 999±46 116 298 Apache 2.0
30 Llama 3.2 90B Vision InstructMetaオープン 952±43 120 393 Llama 3.2
31 Pixtral 12B (2409)Mistral AIオープン 951±45 121 335 Apache 2.0
32 OInternVL2 4BOpenGVLabオープン 950±55 122 177 MIT
33 Molmo 72B (0924)Ai2オープン 936±55 124 182 Apache 2.0
34 LLLaVA 1.6 34Bオープン 915±47 126 415 Apache 2.0
35 Llama 3.2 11B Vision InstructMetaオープン 915±49 127 266 Llama 3.2
36 Molmo 7B-D (0924)Ai2オープン 890±54 128 171 Apache 2.0

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