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
画像から創作 1 位データ 2026年10月19日
Gemini 3 ProGoogle · 1342

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 · 画像から創作

26 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 · 画像から創作 ライセンス
スコア 順位 票数
1 Gemma 4 31BGoogleオープン 1285±12 28 2,703 Apache 2.0
2 DeepSeek-V4.1-Flash-20260910 (Max)DeepSeekオープン 1275±33 34 345 MIT
3 Kimi K2.6Moonshot AIオープン 1273±20 35 916 Modified MIT
4 GLM-5.3-FlashZ.aiオープン 1270±17 39 1,355 MIT
5 Kimi K2.5 (Thinking)Moonshot AIオープン 1269±14 40 1,768 Modified MIT
6 Qwen3.5-397B-A17BAlibabaオープン 1260±13 44 2,304 Apache 2.0
7 Gemma 4 26B A4BGoogleオープン 1256±16 50 1,495 Apache 2.0
8 Qwen3.8-27BAlibabaオープン 1237±23 60 696 Apache 2.0
9 Kimi K2.5 (Instant)Moonshot AIオープン 1237±35 61 286 Modified MIT
10 MiniMax-M3MiniMaxオープン 1234±17 64 1,339 MiniMax Community License
11 MiMo-V2.6-FlashXiaomiオープン 1231±36 67 303 MIT
12 NNVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4)NVIDIAオープン 1231±44 68 193 OpenMDW-1.1
13 MiMo-V2.5Xiaomiオープン 1230±14 70 1,908 MIT
14 Qwen3.5-27BAlibabaオープン 1224±14 72 2,140 Apache 2.0
15 Qwen3.5-122B-A10BAlibabaオープン 1220±21 74 865 Apache 2.0
16 Qwen3-VL-235B-A22B-InstructAlibabaオープン 1220±20 75 974 Apache 2.0
17 Mistral Large 3Mistral AIオープン 1217±21 77 879 Apache 2.0
18 TInkling-SmallThinking Machinesオープン 1205±24 83 675 Apache 2.0
19 Qwen3-VL-235B-A22B-ThinkingAlibabaオープン 1203±44 84 178 Apache 2.0
20 Mistral Medium 3.5Mistral AIオープン 1198±33 87 343 Modified MIT
21 Mistral Small 3.2 (2506)Mistral AIオープン 1181±29 93 466 Apache 2.0
22 Gemma 3 27B ITGoogleオープン 1177±25 95 627 Gemma
23 Llama 4 Scout 17B 16E InstructMetaオープン 1126±41 101 238 Llama
24 Mistral Small 3.1 24B Instruct (2503)Mistral AIオープン 1123±24 102 771 Apache 2.0
25 GLM-4.6VZ.aiオープン 1113±41 103 241 MIT
26 Llama 4 Maverick 17B 128E InstructMetaオープン 1099±43 104 214 Llama 4

スコア：LMArena leaderboard-dataset（lmarena-ai、Hugging Face、CC-BY-4.0、vision 設定）、画像から創作の公開日 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。