पहला नंबर कितने दिन टिकता है
ज़्यादातर, कुछ महीने। LMArena की कुल लीडरबोर्ड में 2023 के 5 महीने से 2026 के 11 महीने तक पहला नंबर कुल 36 बार बदला। सबसे लंबे समय तक रहने वाले ने 107 दिन टिकाए, सबसे छोटे कार्यकाल में केवल कुछ दिन। आज आपको जो पहला नंबर दिख रहा है, अगली तिमाही में संभवतः वह पहला नहीं रह जाएगा।
सीखने के बाद आप क्या कर सकेंगे
- शीर्ष स्थान बदलने की मोटी-मोटी गति का पता होगा
- समझेंगे कि मॉडल चुनते समय "मॉडल बदलने" का प्रावधान क्यों रखना चाहिए
- खुद आधिकारिक डेटासेट में इतिहास देख सकेंगे
डेटा कहाँ से आया
Arena ने Hugging Face पर लीडरबोर्ड का ऐतिहासिक डेटासेट सार्वजनिक किया है lmarena-ai/leaderboard-dataset। हर एरीना के दो हिस्से हैं: latest सबसे नए रिलीज़ का है, full पूरा इतिहास है। हर पंक्ति किसी रिलीज़ पर किसी मॉडल का स्कोर और रैंक है, रिलीज़ तारीख के साथ।
तरीका यह है: रिलीज़ तारीख के अनुसार हर स्नैपशॉट के पहले नंबर को जोड़कर हर मॉडल लगातार कितने दिन उस स्थान पर रहा, उसका हिसाब लगाया गया। मापदंड की ब्यौरा:
- एक स्नैपशॉट अगली रिलीज़ से एक दिन पहले तक गिना जाता है; आख़िरी स्नैपशॉट केवल 1 दिन गिना गया
- 2025 की 5 महीने की 16 तारीख से पहले स्टाइल-नियंत्रण रहित आधिकारिक रैंकिंग का उपयोग किया गया, उसके बाद स्टाइल-नियंत्रित रैंकिंग (आधिकारिक साइट पर डिफ़ॉल्ट रूप से दिखने वाले अनुरूप)
- 2026 के महीने 10 की तारीख 20 से आधिकारिक डेटा में डिस्प्ले नाम का उपयोग होता है, एक ही मॉडल के पुराने और नए नाम एकीकृत कर दिए गए हैं
डेटा वर्ष 2026 के महीने 11 की तारीख 18 तक का है।
हर श्रेणी, नंबर 2 से नंबर 10 तक, या किसी दूसरे मापदंड पर खुद देखना चाहें तो छोटा टूल खोलें सिंहासन अवधि। नीचे के सभी आंकड़े उसमें मिल जाएंगे।
- पता है कि ये आंकड़े किस डेटासेट से आए हैं
साढ़े तीन साल, 36 बार बदला
कुल लीडरबोर्ड (आधिकारिक साइट का डिफ़ॉल्ट मापदंड):
| मद | आंकड़ा |
|---|---|
| समय अवधि | 2023-05-08 से 2026-11-18 |
| स्नैपशॉट संख्या | 258 बार |
| कवर किए गए दिन | 1291 दिन |
| कभी पहले नंबर एक रहे मॉडल | 29 |
| पहले नंबर पर बदलाव | 36 बार |
एक बार में सबसे लंबे समय तक शीर्ष पर रहने वाला मॉडल claude-fable-5 था: वर्ष 2026 के महीने 6 की तारीख 10 से महीने 9 की तारीख 24 तक, 107 दिन।
पहले नंबर पर सबसे ज़्यादा दिनों तक रहने वाले शीर्ष पाँच:
| मॉडल | कुल दिन |
|---|---|
| gemini-2.5-pro | 127 दिन |
| claude-fable-5 | 107 दिन |
| o1-preview | 104 दिन |
| gpt-4o-2024-05-13 | 99 दिन |
| gemini-3-pro | 82 दिन |
आपकी परीक्षा1291 दिनों में 36 बार मालिक बदला, तो औसतन हर कार्यकाल कितना चला?
- मैं बता सकता हूँ कि शीर्ष स्थान लगभग कितनी देर में बदलता है
हाल ही में और तेज़ी से बदल रहा है
हाल के पाँच शीर्ष मॉडल (आधिकारिक साइट का डिफ़ॉल्ट मानदंड):
| मॉडल | पद पर | दिन |
|---|---|---|
| claude-opus-4-6-thinking | 2026-05-12 से 06-09 | 29 दिन |
| claude-fable-5 | 2026-06-10 से 09-24 | 107 दिन |
| claude-opus-5.5-high | 2026-09-25 से 09-29 | 5 दिन |
| gemini-4-argon-high | 2026-09-30 से 10-27 | 28 दिन |
| Gemini 4 Carbon (High) | 2026-10-28 से 11-18 | 22 दिन (अभी भी पद पर) |
केवल कुल लीडरबोर्ड नहीं। वेबसाइट के डिफ़ॉल्ट मानदंड के तहत 29 श्रेणियों में से 29 श्रेणियों के वर्तमान प्रथम स्थान वाले मॉडल 2026 के महीने 9 की तारीख 1 के बाद ही शीर्ष पर पहुँचे। यानी, महीने 11 की तारीख 18 तक किसी भी श्रेणी के प्रथम स्थान वाले मॉडल ने पूरे तीन महीने तक पद नहीं संभाला।
कंपनी के अनुसार प्रथम रहने के संचित दिनों की गणना: OpenAI 501 दिन, Google 259 दिन, Anthropic 256 दिन।
शैली नियंत्रण बदलने पर कौन आगे आता है
वही डेटा, लेकिन "शैली नियंत्रण नहीं किया गया" वाली रैंकिंग पर स्विच करने पर कहानी बदल जाती है: एक बार में सबसे लंबी अवधि gemini-2.5-pro बन जाता है, 145 दिन (2025-06-24 से 2025-11-15); संचित रूप से दूसरा स्थान claude-opus-4-6-thinking बन जाता है, 143 दिन।
यही पिछले पाठ में बताया गया था: रैंकिंग इस बात पर निर्भर करती है कि आप किस मानदंड का उपयोग करते हैं।
इसका मॉडल चुनने के लिए आपके लिए क्या मतलब है
- अपने सिस्टम को किसी एक मॉडल से कठोरता से न बाँधें। मॉडल का नाम एक कॉन्फ़िगरेशन आइटम के रूप में लिखें, मॉडल बदलने के लिए केवल एक पंक्ति बदलें
- समय-समय पर अपने स्वयं के मूल्यांकन सेट (तीसरे चरण में बनाया जाएगा) से उम्मीदवार मॉडलों को दोबारा चलाएँ
- जब कोई नया प्रथम मॉडल अभी-अभी सूची में आता है तो उसके वोट कम होते हैं और अंतराल चौड़ा होता है, कुछ दिन रुककर दोबारा देखें
चेकपॉइंट
- कुल लीडरबोर्ड साढ़े तीन साल में 36 बार हाथ बदला, एक बार में सबसे लंबी अवधि 107 दिन
- 2026-11-18 तक, 29 श्रेणियों के प्रथम स्थान वाले सभी मॉडल महीना 9 के बाद शीर्ष पर पहुँचे
- रैंकिंग का मानदंड बदलने पर शीर्ष का इतिहास बदल जाता है
आम गलतफहमियाँ
"वर्तमान प्रथम स्थान वाला मॉडल हमेशा आगे रहेगा।" डेटा दिखाता है कि अधिकांश शीर्ष मॉडल केवल कुछ हफ़्तों से कुछ महीनों तक ही पद पर रहते हैं।
"संचित दिन अधिक होने का मतलब सबसे अच्छी कंपनी है।" दिनों की संख्या युग से जुड़ी है: शुरुआती दौर में प्रतिस्पर्धी कम थे, एक मॉडल लंबे समय तक पद पर रह सकता था। यह इतिहास बताता है, वर्तमान क्षमता नहीं।
अगला भाग
शीर्ष स्थान बदलता रहेगा, तो क्या लीडरबोर्ड खुद भरोसेमंद है? अगले भाग में देखें शोधकर्ताओं द्वारा पाए गए कुछ पूर्वाग्रह: क्या लीडरबोर्ड में प्रथम स्थान सबसे अच्छा है।