Leaderboard (IA)
Um leaderboard de IA (tabela de classificação) é um ranking público de modelos segundo suas pontuações em um ou mais benchmarks ou em votos de preferência humana, atualizado à medida que novos modelos são testados, para que os leitores possam comparar modelos lado a lado.
Também chamado: arena, LLM leaderboard, model leaderboard
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
Os leaderboards transformam resultados de benchmarks em uma tabela. Alguns ranqueiam modelos em um único benchmark de IA, como um teste de programação ou de embeddings. Alguns combinam muitos benchmarks em um único índice, como o Artificial Analysis Index. Outros, chamados de arenas, ranqueiam modelos pela frequência com que as pessoas preferem suas respostas em comparações cegas lado a lado.
Arenas
A mais conhecida é a Chatbot Arena (veja LMArena). Os usuários conversam com dois modelos anônimos e votam na melhor resposta. O artigo que a descreve explica que ela usa comparação em pares e votos coletados do público, e que havia se tornado um dos leaderboards de LLMs mais citados. Os votos são transformados em pontuações com um rating no estilo Elo. As arenas captam o que as pessoas gostam em conversas abertas, algo que testes fixos não pegam, mas também recompensam estilo, tamanho e formatação.
Como ler um
Verifique o que está sendo medido e quem fez os testes: os mantenedores do leaderboard ou os próprios fabricantes informando seus números. Olhe os intervalos de confiança; modelos separados por poucos pontos muitas vezes estão estatisticamente empatados. Verifique a data, já que os rankings mudam rápido. Desconfie da contaminação de benchmark e de modelos ajustados ao formato de um leaderboard.
Nossos próprios rankings reúnem pontuações públicas por tarefa. Trate qualquer leaderboard como uma lista curta inicial e depois teste os primeiros colocados nos seus próprios dados.
Termos relacionados
- Benchmark de IA
- Um benchmark de IA (teste de referência) é um conjunto fixo e público de tarefas com um método de pontuação acordado, usado para comparar modelos no mesmo teste, por exemplo problemas de código resolvidos, questões de prova respondidas ou qualidade de recuperação em muitos conjuntos de dados.
- Rating Elo (arenas de modelos)
- Um rating Elo, em arenas de modelos, é uma pontuação calculada a partir de muitos votos em confrontos diretos entre pares de modelos, de modo que a diferença entre duas pontuações prevê com que frequência a resposta de um modelo será preferida à do outro.
- LMArena
- O LMArena, conhecido primeiro como Chatbot Arena, é uma plataforma pública que classifica modelos de IA por votos humanos coletivos: os usuários veem dois modelos anônimos responderem ao mesmo prompt e escolhem a melhor resposta.
- Artificial Analysis Intelligence Index
- O Artificial Analysis Intelligence Index é uma pontuação composta da empresa de benchmarking Artificial Analysis que combina várias avaliações, abrangendo trabalho do conhecimento, programação, ciências e conhecimentos gerais, em um único número para comparar modelos de linguagem.
- Contaminação de benchmark
- Contaminação de benchmark (benchmark contamination) é quando um modelo viu as questões ou respostas de teste de um benchmark durante o treinamento, de modo que sua pontuação nesse benchmark exagera o quanto ele lida bem com problemas novos do mesmo tipo.