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
OCR（文字認識） 1 位データ 2026年10月19日
Claude Fable 5 (High)Anthropic · 1337

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 · OCR（文字認識）

30 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 · OCR（文字認識） ライセンス
スコア 順位 票数
1 GLM-5.3-FlashZ.aiオープン 1299±7 26 11,021 MIT
2 Kimi K2.6Moonshot AIオープン 1291±7 33 11,758 Modified MIT
3 DeepSeek-V4.1-Flash-20260910 (Max)DeepSeekオープン 1282±12 41 2,786 MIT
4 Gemma 4 31BGoogleオープン 1282±6 43 28,054 Apache 2.0
5 Qwen3.8-27BAlibabaオープン 1281±9 44 5,124 Apache 2.0
6 Kimi K2.5 (Thinking)Moonshot AIオープン 1276±6 47 19,489 Modified MIT
7 Qwen3.5-397B-A17BAlibabaオープン 1271±5 51 22,696 Apache 2.0
8 MiMo-V2.6-FlashXiaomiオープン 1270±13 54 2,504 MIT
9 MiMo-V2.6-ProXiaomiオープン 1270±17 55 1,195 MIT
10 Gemma 4 26B A4BGoogleオープン 1268±7 56 16,862 Apache 2.0
11 Kimi K2.5 (Instant)Moonshot AIオープン 1259±12 60 2,691 Modified MIT
12 MiniMax-M3MiniMaxオープン 1259±6 61 13,947 MiniMax Community License
13 MiMo-V2.5Xiaomiオープン 1256±6 64 20,901 MIT
14 Qwen3-VL-235B-A22B-InstructAlibabaオープン 1253±8 69 7,752 Apache 2.0
15 Qwen3.5-122B-A10BAlibabaオープン 1251±7 70 9,185 Apache 2.0
16 Qwen3.5-27BAlibabaオープン 1246±5 75 21,340 Apache 2.0
17 TInkling-SmallThinking Machinesオープン 1243±9 76 5,655 Apache 2.0
18 Mistral Medium 3.5Mistral AIオープン 1233±10 84 3,905 Modified MIT
19 Mistral Large 3Mistral AIオープン 1228±8 85 6,194 Apache 2.0
20 NNVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4)NVIDIAオープン 1216±15 89 1,672 OpenMDW-1.1
21 Qwen3-VL-235B-A22B-ThinkingAlibabaオープン 1212±16 91 1,322 Apache 2.0
22 GLM-4.6VZ.aiオープン 1171±16 108 1,484 MIT
23 SStep-3StepFunオープン 1168±17 109 1,202 Apache 2.0
24 Gemma 3 27B ITGoogleオープン 1156±10 112 6,196 Gemma
25 GLM-4.5VZ.aiオープン 1151±17 115 1,195 MIT
26 Llama 4 Maverick 17B 128E InstructMetaオープン 1143±12 117 3,083 Llama 4
27 Mistral Small 3.2 (2506)Mistral AIオープン 1134±11 119 4,083 Apache 2.0
28 Mistral Small 3.1 24B Instruct (2503)Mistral AIオープン 1132±11 120 7,209 Apache 2.0
29 Llama 4 Scout 17B 16E InstructMetaオープン 1117±12 121 2,788 Llama
30 Molmo 2 8BAi2オープン 1058±24 123 796 Apache 2.0

スコア：LMArena leaderboard-dataset（lmarena-ai、Hugging Face、CC-BY-4.0、vision 設定）、OCR（文字認識）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。