Классы моделей S, A, B, C, D: как AI Rate Card оценивает модели рассуждения

Обновлено 7 ноября 2026

Цены говорят, сколько стоит модель, но не говорят, насколько она сильна. Поэтому у базовых моделей на AI Rate Card теперь есть класс: одна буква на направление, S — вершина, D — низ. Первое направление — рассуждение: математика, наука и экспертные вопросы. Код, агенты и зрение — дальше, по одному.

Где его видно

• На странице модели, рядом с её id: 🧠 A. Наведите курсор (или нажмите на телефоне) — покажется балл и балл каждого источника.
• На странице Классы моделей: все оценённые модели, сильнейшие сверху, границы классов и источники.
• В API: GET /v1/classes?direction=reasoning&min_class=A и поле classes в GET /v1/models/{model_id}.
• Через MCP: инструмент models_by_class (direction, min_class) на https://airatecard.com/mcp.

Как считается класс

1. Два независимых источника. LMArena (слепое голосование людей на математических и экспертных вопросах) и собственные прогоны тестов Epoch AI (GPQA Diamond, OTIS Mock AIME, FrontierMath). Оба публикуют данные по лицензии CC BY 4.0.
2. Одна шкала. Каждый результат теста переводится в 0–100 относительно самых сильных свежих моделей; берётся самый сильный опубликованный вариант модели (например, с максимальным усилием).
3. Один голос на источник. Балл источника — среднее по его тестам, балл модели — среднее по источникам, поэтому источник с большим числом тестов не перевешивает другой.
4. Закреплённые границы. Для рассуждения в редакции 2026H2: S от 95, A от 80, B от 62, C от 42, D ниже. Границы не меняются полгода, так что буква не прыгает из-за сдвига шкалы.

Модель, которую измерил только один источник, получает балл без буквы. Если источники расходятся на два класса и больше, модель помечается на проверке: оба балла на странице, расхождение видно.

Что показала первая оценка

Из 49 моделей рассуждения: 5 в S, 15 в A, 12 в B, 6 в C, 4 в D и 7 с баллом, но пока без буквы. В классе S сегодня Claude Fable 5.1, Claude Sonnet 5.5, Claude Opus 5, Claude Opus 5.5 и GPT-5.6 Sol. GPT-6 Astra — в A с баллом 93,7: Epoch ставит ей 100, голосующие LMArena — 87,5; это настоящее расхождение источников, а не ошибка данных.

Как пользоваться

• Сначала короткий список, потом проверка. Возьмите модели нужного класса и попробуйте две-три на своих запросах: класс говорит, как модель проходит открытые тесты, а не подходит ли она вашей задаче.
• Ищите модель того же класса дешевле. Одна модель класса A может стоить в разы меньше другой; сравните их на /compare или посчитайте месячный объём в инструментах.
• Смотрите на расхождение. Буква «на проверке» — подсказка, что люди и тесты видят модель по-разному.

Данные за каждой буквой — на странице Классы моделей и в /v1/classes; баллы пересчитываются, когда источник публикует новые результаты.