What about brand-new models?

Arena takes a few days or weeks to collect enough votes. Meanwhile, new models from the labs’ official pages appear in “New, waiting for Arena votes”, with their size, memory needs and speed. When Arena votes, they move into the ranking automatically.

What counts as a free model?

A model with open weights that you can download and run yourself, or a model you can call through a free API today (we check OpenRouter every night). Paid-only models are left out of the rankings, but we show the best paid score as a reference line.

Where do the scores come from?

From Arena (formerly LMSYS Chatbot Arena), where people compare two anonymous answers and vote for the better one. Arena publishes its leaderboard as an open dataset under the CC BY 4.0 license; we filter it to free models. We are not affiliated with Arena.

How often is it updated?

Every night. A scheduled job downloads the latest Arena data, the free model list from OpenRouter and model sizes from Hugging Face, then rebuilds the whole site, including the weekly report on the blog.

Can I run these models on my computer?

Open models, yes, if they fit in your GPU memory. The Run at home page estimates memory and speed for your exact card, from one to ten cards, using each model's real architecture.

Why do small models have no score?

Arena votes mostly on large models. We list the most popular small models from the labs' official Hugging Face pages separately and mark them “No Arena votes”, so you can still find something that runs on a 4 to 12 GB card.

実際の投票で並べた、最高の無料AIモデル

お金をかけずに使えるモデルだけを掲載しています。オンラインで無料で使えるもの、または自分のGPUにダウンロードできるものです。スコアはArenaの数百万件の匿名の人間投票にもとづき、毎晩更新されます。

このページの内容： グラフ3点 · ランキング · 新モデル · よくある質問

Arenaスコア

高いほど優れています

Arenaの匿名の人間投票、チャット

Gemma 4 31B1443 Qwen3.8-27B1440 Gemma 4 26B A4B1434 Qwen3.5-27B1409 GLM-4.6V1376 GLM-4.5V1333

バーは1000から始まります。Arenaでは、10ポイントは小さな差、50は明確な差です。

RTX 40901枚での速度

高いほど優れています

4ビットでの推定トークン/秒

Gemma 4 26B A4B152 tok/s Qwen3.8-27B43 tok/s Qwen3.5-27B43 tok/s Gemma 4 31B36 tok/s GLM-4.6V12 tok/s GLM-4.5V12 tok/s

44件の実際の llama.cpp の実行で補正した推定値です。約10 tok/sが読む速さです。

4ビットでのメモリ

低いほど優れています

読み込みに必要なGB（8Kコンテキスト）

Gemma 4 26B A4B17 GB（24 GBに収まる）Qwen3.8-27B18 GB（24 GBに収まる）Qwen3.5-27B18 GB（24 GBに収まる）Gemma 4 31B22 GB（24 GBに収まる）GLM-4.6V67 GB（GPU＋RAM）GLM-4.5V67 GB（GPU＋RAM）

緑：24 GBのカード1枚に完全に収まる。赤：システムRAMも必要なため、遅くなる。

この表の内容 · 見方

表示内容。RTX 4090（24 GB）1枚とRAM 64 GBの家庭用PCで動く最高の無料チャットモデル8件を、品質、書く速さ、必要なメモリの3つの観点で比較します。

見方。3つのグラフで同じモデルが同じ色になっているため、1つのモデルを追って見比べられます。品質は最高でも遅いモデルや、小さくて速いモデルがあります。必要なバランスを選び、「自宅で動かす」でお手持ちのカードを確認してください。

今すぐ使える無料API ダウンロード可能（オープンウェイト）

Arenaのチャットランキングの417モデルのうち227件が無料で使えます。2026年10月20日時点の投票。最高の無料モデル：MiMo-V2.6-Pro、全体で11位。

ラボで絞り込む：

無料ランキング全体

無料の順位	モデル	Arenaスコア	サイズ	ダウンロード	4ビットで必要な量	4ビットでの品質	RTX 4090での速度	オンラインで無料で使う
1	MiMo-V2.6-Pro Xiaomi	1491 417件中11位	1024.2 B アクティブ 44.9 B	MIT	622 GB	+1.2% ごくわずかな劣化	収まらない	—
2	Kimi K3 (Max) Kimi（Moonshot）	1476 417件中24位	2779.9 B アクティブ 105.8 B	Kimi K3 ライセンス	1686 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
3	GLM-5.3 (Max) GLM（Z.ai）	1474 417件中27位	753.3 B アクティブ 51.2 B	MIT	458 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
4	GLM-5.3-Flash GLM（Z.ai）	1471 417件中29位	321.3 B アクティブ 25.4 B	MIT	195 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
5	GLM-5.2 (Max) GLM（Z.ai）	1470 417件中32位	753.3 B アクティブ 51.2 B	MIT	458 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
6	MiMo-V2.5-Pro Xiaomi	1464 417件中37位	1023.2 B アクティブ 43.8 B	MIT	621 GB	+1.2% ごくわずかな劣化	収まらない	—
7	DeepSeek-V4.1-Flash-20260910 (Max) DeepSeek	1464 417件中38位	—	MIT	—	—	—	ラボのチャット
8	GLM-5.1 GLM（Z.ai）	1463 417件中39位	753.9 B アクティブ 51.7 B	MIT	458 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
9	Kimi K2.6 Kimi（Moonshot）	1455 417件中44位	1026.9 B アクティブ 33.3 B	改変MIT	623 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
10	MiMo-V2.6-Flash Xiaomi	1453 417件中47位	310.8 B アクティブ 17.4 B	MIT	189 GB	+1.2% ごくわずかな劣化	収まらない	—
11	DeepSeek-V4-Pro DeepSeek	1451 417件中49位	1598.8 B アクティブ 75.6 B	MIT	970 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
12	GLM-5 GLM（Z.ai）	1446 417件中59位	753.9 B アクティブ 51.8 B	MIT	458 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
13	DeepSeek-V4-Pro (High, 20260813) DeepSeek	1446 417件中60位	1598.8 B アクティブ 75.6 B	MIT	970 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
14	Kimi K2.5 (Thinking) Kimi（Moonshot）	1445 417件中61位	1026.9 B アクティブ 33.3 B	改変MIT	623 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
15	DeepSeek-V4-Pro Preview (High) DeepSeek	1445 417件中62位	1598.8 B アクティブ 75.6 B	MIT	970 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
16	NVIDIA-Nemotron-3-Ultra-550B-A55B (NVFP4) NVIDIA	1445 417件中63位	—	OpenMDW-1.1	—	—	—	ラボのチャット
17	Gemma 4 31B40901枚で最高 Google	1443 417件中68位	31.3 B	Apache 2.0	22 GB	+1.8% 小さな劣化	36 tok/s · 収まる	無料API · 試すラボのチャット
18	Inkling Thinky	1442 417件中72位	—	Apache 2.0	—	—	—	無料API · 試す
19	GLM-4.6 GLM（Z.ai）	1440 417件中75位	356.8 B アクティブ 37.6 B	MIT	220 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
20	Qwen3.8-27B Qwen（Alibaba）	1440 417件中76位	27.8 B	Apache 2.0	18 GB	+1.9% 小さな劣化	43 tok/s · 収まる	ラボのチャット
21	Hy3 Tencent	1438 417件中80位	298.8 B アクティブ 24.4 B	Apache 2.0	184 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
22	Qwen3.5-397B-A17B Qwen（Alibaba）	1437 417件中81位	403.4 B アクティブ 17 B	Apache 2.0	245 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
23	GLM-4.7 GLM（Z.ai）	1435 417件中87位	358.3 B アクティブ 39.1 B	MIT	221 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
24	Gemma 4 26B A4B40901枚で最速 Google	1434 417件中90位	25.8 B アクティブ 4 B	Apache 2.0	17 GB	+1.9% 小さな劣化	152 tok/s · 収まる	無料API · 試すラボのチャット
25	MiniMax-M3 MiniMax	1433 417件中91位	427 B アクティブ 26.8 B	オープンウェイト MiniMax Community License	260 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
26	DeepSeek-V4-Flash DeepSeek	1432 417件中92位	290.9 B アクティブ 20.4 B	MIT	178 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
27	GLM-4.5 GLM（Z.ai）	1430 417件中95位	358.3 B アクティブ 39.1 B	MIT	221 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
28	Mistral Large 3 Mistral	1429 417件中97位	—	Apache 2.0	—	—	—	—
29	MiMo-V2.5 Xiaomi	1428 417件中100位	310.8 B アクティブ 17.4 B	MIT	189 GB	+1.2% ごくわずかな劣化	収まらない	—
30	DeepSeek-R1 (0528) DeepSeek	1428 417件中101位	—	MIT	—	—	—	ラボのチャット
31	Beam 1.0 501B A23B Reflection	1425 417件中104位	—	Apache 2.0	—	—	—	—
32	DeepSeek-V3.2-Exp (Thinking) DeepSeek	1425 417件中105位	685.4 B アクティブ 51.9 B	MIT	417 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
33	DeepSeek-V3.2 DeepSeek	1425 417件中106位	685.4 B アクティブ 51.9 B	MIT	417 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
34	DeepSeek-V4-Flash Preview (High) DeepSeek	1424 417件中107位	290.9 B アクティブ 20.4 B	MIT	178 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
35	LongCat-Flash-Chat Meituan	1423 417件中110位	—	MIT	—	—	—	—
36	DeepSeek-V3.2-Exp DeepSeek	1422 417件中111位	685.4 B アクティブ 51.9 B	MIT	417 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
37	Mistral Medium 3.5 Mistral	1421 417件中113位	—	改変MIT	—	—	—	—
38	Kimi K2.5 (Instant) Kimi（Moonshot）	1420 417件中114位	1026.9 B アクティブ 33.3 B	改変MIT	623 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
39	Qwen3-VL-235B-A22B-Instruct Qwen（Alibaba）	1420 417件中115位	235.7 B アクティブ 22 B	Apache 2.0	145 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
40	DeepSeek-V3.2 (Thinking) DeepSeek	1420 417件中116位	685.4 B アクティブ 51.9 B	MIT	417 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
41	DeepSeek-V3.1 DeepSeek	1420 417件中117位	684.5 B アクティブ 51.1 B	MIT	416 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
42	Qwen3-235B-A22B-Instruct (2507) Qwen（Alibaba）	1419 417件中120位	—	Apache 2.0	—	—	—	ラボのチャット
43	DeepSeek-V3.1-Terminus (Thinking) DeepSeek	1419 417件中122位	—	MIT	—	—	—	ラボのチャット
44	Qwen3.5-122B-A10B Qwen（Alibaba）	1417 417件中124位	125.1 B アクティブ 10 B	Apache 2.0	77 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
45	DeepSeek-V3.1-Terminus DeepSeek	1417 417件中126位	—	MIT	—	—	—	ラボのチャット
46	Qwen3-Next-80B-A3B-Instruct Qwen（Alibaba）	1417 417件中127位	—	Apache 2.0	—	—	—	ラボのチャット
47	DeepSeek-V3.1 (Thinking) DeepSeek	1417 417件中129位	—	MIT	—	—	—	ラボのチャット
48	Qwen3-235B-A22B-Thinking (2507) Qwen（Alibaba）	1415 417件中132位	—	Apache 2.0	—	—	—	ラボのチャット
49	Kimi K2 Thinking Turbo Kimi（Moonshot）	1414 417件中134位	—	改変MIT	—	—	—	ラボのチャット
50	Inkling-Small Thinky	1413 417件中135位	—	Apache 2.0	—	—	—	無料API · 試す
51	MiMo-V2-Flash (Non-Thinking) Xiaomi	1411 417件中140位	309.8 B アクティブ 16.5 B	MIT	189 GB	+1.2% ごくわずかな劣化	収まらない	—
52	Qwen3.5-27B Qwen（Alibaba）	1409 417件中142位	27.8 B	Apache 2.0	18 GB	+1.9% 小さな劣化	43 tok/s · 収まる	ラボのチャット
53	NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (NVFP4) NVIDIA	1407 417件中145位	—	OpenMDW-1.1	—	—	—	ラボのチャット
54	MiniMax-M2.7 MiniMax	1405 417件中149位	228.7 B アクティブ 11 B	改変MIT	141 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
55	Step-3.5-Flash Stepfun	1403 417件中151位	—	Apache 2.0	—	—	—	—
56	Hy3 preview Tencent	1401 417件中152位	298.8 B アクティブ 24.4 B	オープンウェイト tencent-hunyuan-community	184 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
57	Qwen3-VL-235B-A22B-Thinking Qwen（Alibaba）	1400 417件中154位	235.7 B アクティブ 22 B	Apache 2.0	145 GB	+1.2% ごくわずかな劣化	収まらない	ラボのチャット
58	MiMo-V2-Flash (Thinking) Xiaomi	1395 417件中162位	—	MIT	—	—	—	—
59	Qwen3.5-35B-A3B Qwen（Alibaba）	1395 417件中163位	—	Apache 2.0	—	—	—	ラボのチャット
60	Qwen3-235B-A22B (Non-Thinking) Qwen（Alibaba）	1394 417件中165位	—	Apache 2.0	—	—	—	ラボのチャット

サイズ：パラメータ数（Mixture of Experts ではアクティブパラメータ数）。4ビットで必要な量：Q4_K_M、8Kコンテキストでの GPU メモリ。4ビットでの品質：フル精度モデルに対するperplexityの増加分で、llama.cpp のテストをサイズに合わせて換算しています。速度：RTX 4090（24 GB）1枚とDDR5を64 GBとした4ビットでの推定値。自分のハードウェアをシミュレーション。

無料チャットモデル上位15件

MiMo-V2.6-Pro 1491 Kimi K3 (Max) 1476 GLM-5.3 (Max) 1474 GLM-5.3-Flash 1471 GLM-5.2 (Max) 1470 MiMo-V2.5-Pro 1464 DeepSeek-V4.1-Flash-20260910 (Max) 1464 GLM-5.1 1463 Kimi K2.6 1455 MiMo-V2.6-Flash 1453 DeepSeek-V4-Pro 1451 GLM-5 1446 Kimi K2.5 (Thinking) 1445 DeepSeek-V4-Pro Preview (High) 1445 NVIDIA-Nemotron-3-Ultra-550B-A55B (NVFP4) 1445

1350140014501500

Arenaスコア、軸は1350から開始。色＝モデルを作ったラボで、どのグラフでも共通です。破線：最高の有料モデル、Gemini 4 Argon (High)（1532）。

この表の内容 · 見方

表示内容。Arenaの匿名の人間投票によるスコアで見た、チャット向けの最高の無料モデル15件です。破線は参考として、最高の有料モデルを示しています。

見方。バーが長いほど優れたモデルです。軸はゼロから始まらないため、小さな差が実際より大きく見えます。Arenaでは10ポイントは小さな差、50は明確な差です。色はラボごとに分かれています。上のラボボタンで一部だけ表示できます。

サイズとスコアの関係

小さくて強い MiMo-V2.6-ProGLM-5.3 (Max)MiMo-V2.6-FlashGemma 4 31B

130014001500

10B100B1T

点はそれぞれオープンモデルです。上ほど優秀、左ほど小さいことを表します。線は、それより小さいすべてのモデルに勝つモデルを結んでいます。パラメータ数は対数目盛です。色＝モデルを作ったラボ。

この表の内容 · 見方

表示内容。サイズが判明しているすべてのオープンモデルについて、Arenaスコアとパラメータ数の関係を示します。サイズによって、動かすのに必要なメモリが決まります。

見方。上ほど優秀、左ほど小さいことを表します。緑の角にあるモデルは小さくて強く、自宅で動かすのに最も割のいい選択です。線は、それより小さいすべてのモデルに勝つモデルを結んでいます。

スコアと自宅での速度の関係

速くて強い Gemma 4 31BGemma 4 26B A4B

1300135014001450

10 tok/s100 tok/s

点はそれぞれオープンモデルです。上ほど優秀、右ほどRTX 40901枚で4ビットのときの速度が速いことを表します。線は、それより速いすべてのモデルに勝つモデルを結んでいます。速度は対数目盛です。色＝モデルを作ったラボ。

この表の内容 · 見方

表示内容。RTX 4090（24 GB）1枚とシステムRAM 64 GBで、4ビットで動くオープンモデルについて、Arenaスコアと推定される毎秒の語数を示します。

見方。上ほど優秀、右ほど速いことを表します。緑の角は速くて強く、家庭用PCに最も割のいい選択です。毎秒約10トークンが読む速さで、5未満では遅く感じます。

過去6か月の無料モデル上位

14501475150015251550

5月6月7月8月9月10月

MiMo-V2.6-Pro 1491Kimi K3 (Max) 1476GLM-5.3 (Max) 1474GLM-5.3-Flash 1471GLM-5.2 (Max) 1470最高の有料モデル

Arenaスコア（2026年4月22日～2026年10月20日）。

この表の内容 · 見方

表示内容。オープンモデル上位5つのArenaスコアが6か月でどう変化したかを、最高の有料モデル（灰色の破線）と比べています。

見方。線が上がるほど、そのモデルが時間とともに票を集めたことを示します。線はモデルがArenaに加わった時点から始まります。色はそのラボと同じで、破線は同じラボの2つ目のモデルです。

勝敗の関係

モデルA ↓ · モデルB →	Gemini 4 Argon (High)（有料）	MiMo-V2.6-Pro	Kimi K3 (Max)	GLM-5.3 (Max)	GLM-5.3-Flash	GLM-5.2 (Max)	MiMo-V2.5-Pro	DeepSeek-V4.1-Flash-20260910 (Max)	GLM-5.1	Kimi K2.6	MiMo-V2.6-Flash	DeepSeek-V4-Pro	GLM-5
Gemini 4 Argon (High) 有料		0.56	0.58	0.58	0.59	0.59	0.60	0.60	0.60	0.61	0.61	0.61	0.62
MiMo-V2.6-Pro	0.44		0.52	0.52	0.53	0.53	0.54	0.54	0.54	0.55	0.55	0.56	0.56
Kimi K3 (Max)	0.42	0.48		0.50	0.51	0.51	0.52	0.52	0.52	0.53	0.53	0.54	0.54
GLM-5.3 (Max)	0.42	0.48	0.50		0.50	0.51	0.51	0.51	0.52	0.53	0.53	0.53	0.54
GLM-5.3-Flash	0.41	0.47	0.49	0.50		0.50	0.51	0.51	0.51	0.52	0.53	0.53	0.54
GLM-5.2 (Max)	0.41	0.47	0.49	0.49	0.50		0.51	0.51	0.51	0.52	0.52	0.53	0.53
MiMo-V2.5-Pro	0.40	0.46	0.48	0.49	0.49	0.49		0.50	0.50	0.51	0.52	0.52	0.53
DeepSeek-V4.1-Flash-20260910 (Max)	0.40	0.46	0.48	0.49	0.49	0.49	0.50		0.50	0.51	0.52	0.52	0.53
GLM-5.1	0.40	0.46	0.48	0.48	0.49	0.49	0.50	0.50		0.51	0.51	0.52	0.52
Kimi K2.6	0.39	0.45	0.47	0.47	0.48	0.48	0.49	0.49	0.49		0.50	0.51	0.51
MiMo-V2.6-Flash	0.39	0.45	0.47	0.47	0.47	0.48	0.48	0.48	0.49	0.50		0.50	0.51
DeepSeek-V4-Pro	0.39	0.44	0.46	0.47	0.47	0.47	0.48	0.48	0.48	0.49	0.50		0.51
GLM-5	0.38	0.44	0.46	0.46	0.46	0.47	0.47	0.47	0.48	0.49	0.49	0.49

Aはたいてい負ける（最低0.38）互角（0.50）Aはたいてい勝つ（最高0.62）

各セルは、行のモデルが列のモデルに勝つと予想される頻度を、両者のArenaスコアから求めたものです（1 / (1 + 10^((B − A) / 400))、Arenaのレーティングの基になっているElo式）。Arenaはすべての対戦を公開しているわけではないため、実測ではなく予想値です。

この表の内容 · 見方

表示内容。上位モデルの各ペアについて、匿名投票で行のモデルが列のモデルに勝つと予想される頻度です。

見方。行に沿って読みます。青いセルはそのモデルがたいてい勝つ対戦、赤いセルはたいてい負ける対戦です。0.50はコイン投げと同じ五分五分、0.60は10回中6回勝つという意味です。

小型モデル、Arenaの投票はまだなし

各ラボのHugging Faceページにある公式モデル（0.5～16十億パラメータ）。Arenaではまだ投票されていないため、品質ではなく人気を示すダウンロード数順に並べています。GPUメモリ4～12 GBで動きます。

モデル	月間ダウンロード数	サイズ	自宅で動かす
Qwen3-0.6B Qwen	28.2M	0.8 B	4ビットで約3 GB · シミュレーション
Qwen3-4B Qwen	11.6M	4 B	4ビットで約5 GB · シミュレーション
Qwen3-14B Qwen	9.0M	14.8 B	4ビットで約12 GB · シミュレーション
Qwen3-8B Qwen	8.6M	8.2 B	4ビットで約7 GB · シミュレーション
Qwen3.5-4B Qwen	7.8M	4.7 B	4ビットで約5 GB · シミュレーション
Qwen3.5-9B Qwen	7.3M	9.7 B	4ビットで約8 GB · シミュレーション
NVIDIA-Nemotron-3-Nano-4B-BF16 nvidia	1.7M	4 B	4ビットで約5 GB · シミュレーション
SmolVLM2-500M-Video-Instruct HuggingFaceTB	1.4M	0.5 B	4ビットで約2 GB · シミュレーション
gemma-3-1b-it google · 同意が必要なライセンス	1.4M	1 B	4ビットで約3 GB · シミュレーション
MiniCPM5-2B openbmb	1.3M	2.5 B	4ビットで約4 GB · シミュレーション
DeepSeek-R1-Distill-Qwen-1.5B deepseek-ai	1.3M	1.8 B	4ビットで約3 GB · シミュレーション
gemma-3-4b-it google · 同意が必要なライセンス	1.1M	4.3 B	4ビットで約5 GB · シミュレーション
SmolLM3-3B HuggingFaceTB	748K	3.1 B	4ビットで約4 GB · シミュレーション
granite-4.1-3b ibm-granite	636K	3.4 B	4ビットで約4 GB · シミュレーション
Apertus-v1.5-8B swiss-ai · 同意が必要なライセンス	493K	8.9 B	4ビットで約8 GB · シミュレーション
Olmo-3-7B-Think allenai	490K	7.3 B	4ビットで約7 GB · シミュレーション
Apertus-8B-Instruct-2509 swiss-ai	432K	8.1 B	4ビットで約7 GB · シミュレーション
DeepSeek-R1-0528-Qwen3-8B deepseek-ai	405K	8.2 B	4ビットで約7 GB · シミュレーション
DeepSeek-R1-Distill-Qwen-7B deepseek-ai	387K	7.6 B	4ビットで約7 GB · シミュレーション
Olmo-3-7B-Instruct allenai	384K	7.3 B	4ビットで約7 GB · シミュレーション

新着：Arenaの投票待ち

各ラボの公式Hugging Faceページで直近60日以内に公開されたモデルや、OpenRouterの新しい無料モデルで、Arenaではまだ投票されていないものです。毎晩確認しており、Arenaで投票されると、モデルは上のランキングに移ります。

公開	モデル	種類	サイズ	4ビットで必要な量	無料で使う
2026年10月17日	DeepSeek-V4.1-Flash-1017 deepseek-ai	チャット、ビジョン	763.2 B アクティブ 228.1 B	511 GB	ダウンロード
2026年10月16日	NVIDIA-Nemotron-Labs-Dory1.0-4B-BF16 nvidia	チャット	4 B	5 GB	ダウンロード
2026年10月15日	Hy-Memory-30B-A3B tencent	チャット	30.1 B アクティブ 3 B	22 GB	ダウンロード
2026年10月14日	UserRepGen-4B microsoft	チャット	4.5 B	5 GB	ダウンロード
2026年10月14日	granite-switch-4.1-8b ibm-granite	チャット	8.8 B	8 GB	ダウンロード
2026年10月14日	granite-switch-4.1-30b ibm-granite	チャット	30 B	22 GB	ダウンロード
2026年10月14日	flux-3-image-klein-pup black-forest-labs	画像	9.4 B	8 GB	ダウンロード
2026年10月13日	Ling-3.1-flash inclusionAI	チャット	572.1 B アクティブ 33.1 B	383 GB	ダウンロード
2026年10月13日	flux-3-image-klein black-forest-labs	画像編集	5.5 B	6 GB	ダウンロード
2026年10月12日	NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 nvidia	チャット、ビジョン	124.5 B アクティブ 12 B	85 GB	無料API · 試すダウンロード
2026年10月12日	LFM2.5-24B-A2B LiquidAI	チャット	24 B アクティブ 2 B	18 GB	ダウンロード
2026年10月9日	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-BF16 nvidia	チャット、ビジョン	74.9 B アクティブ 9 B	52 GB	ダウンロード
2026年10月7日	NVIDIA-Nemotron-3.5-Bolt-74B-A9B-24GB nvidia	チャット、ビジョン	22.4 B アクティブ 9 B	17 GB	ダウンロード
2026年10月7日	MiniCPM-V-4.7-35B-A3B openbmb	チャット、ビジョン	35.2 B アクティブ 3 B	25 GB	ダウンロード
2026年10月5日	d1-omni-600M LiquidAI	チャット、ビジョン	0.6 B	2 GB	ダウンロード
2026年10月5日	d1-3B LiquidAI	チャット、ビジョン	3.1 B	4 GB	ダウンロード
2026年9月29日	AesCode-32B microsoft	チャット、ビジョン、コーディング	33.4 B	24 GB	ダウンロード
2026年9月29日	AesCode-8B microsoft	チャット、ビジョン、コーディング	8.8 B	8 GB	ダウンロード
2026年9月17日	Ming-Image-0.1-Design inclusionAI	画像	6.2 B	6 GB	ダウンロード
2026年9月9日	Kandinsky-6.0-Lite-distill-5s-Diffusers kandinskylab	動画	3.2 B	4 GB	ダウンロード
2026年9月9日	Kandinsky-6.0-Pro-distill-5s-Diffusers kandinskylab	動画	30.1 B	22 GB	ダウンロード
2026年9月2日	tiny-aya-l2-thinker CohereLabs	チャット	3.4 B	4 GB	ダウンロード
2026年8月27日	Qwen-Drive-1.0-4B Qwen	チャット、ビジョン	4.5 B	5 GB	ダウンロード
2026年8月27日	ContextPilot-14B tencent	チャット	14.8 B	12 GB	ダウンロード
2026年8月26日	Bolmo-1B-Stage1 allenai	チャット	1.5 B	3 GB	ダウンロード
無料API	XingChen: Xing4.0 29B A4B xingchen-agi	チャット	—	—	無料API · 試す
無料API	Dots Studio: Dots3-Note Preview dots-studio	チャット	—	—	無料API · 試す
無料API	LiquidAI: LFM2.5-2.6B liquid	チャット	—	—	無料API · 試す
無料API	NVIDIA: Nemotron 3.5 Lightning nvidia	チャット	—	—	無料API · 試す
無料API	Poolside: Laguna S 2.1 poolside	チャット	—	—	無料API · 試す
無料API	Poolside: Laguna XS 2.1 poolside	チャット	—	—	無料API · 試す
無料API	Cohere: North Mini Code cohere	チャット	—	—	無料API · 試す
無料API	NVIDIA: Nemotron 3 Ultra nvidia	チャット	—	—	無料API · 試す
無料API	NVIDIA: Nemotron 3 Nano Omni nvidia	チャット	—	—	無料API · 試す
無料API	NVIDIA: Nemotron 3 Super nvidia	チャット	—	—	無料API · 試す

よくある質問

できたばかりのモデルはどうなりますか？

Arenaで十分な票が集まるまでには、数日から数週間かかります。その間、各ラボの公式ページにある新モデルは「新着：Arenaの投票待ち」に、サイズ、必要メモリ、速度とともに表示されます。Arenaで投票されると、自動的にランキングに加わります。

無料モデルとは何ですか？

ダウンロードして自分で動かせるオープンウェイトのモデル、または現在、無料のAPIで呼び出せるモデルです（OpenRouterを毎晩確認しています）。有料のみのモデルはランキングに含めませんが、最高の有料モデルのスコアを基準線として表示しています。

スコアはどこから来ていますか？

Arena（旧 LMSYS Chatbot Arena）からです。Arenaでは、匿名の2つの回答を比べて良いほうに投票します。Arenaはそのランキングを CC BY 4.0 ライセンスのオープンデータセットとして公開しており、当サイトはそれを無料モデルに絞り込んでいます。当サイトは Arena とは無関係です。

更新の頻度は？

毎晩です。スケジュールされたジョブが、最新のArenaのデータ、OpenRouterの無料モデル一覧、Hugging Faceのモデルサイズをダウンロードし、ブログの週間レポートを含めてサイト全体を再構築します。

これらのモデルは自分のパソコンで動かせますか？

オープンモデルなら、GPUメモリに収まれば動かせます。「自宅で動かす」ページでは、各モデルの実際のアーキテクチャにもとづき、1枚から10枚までのお使いのカードでのメモリと速度を推定します。

小型モデルにスコアがないのはなぜですか？

Arenaで投票されるのは主に大型モデルです。各ラボの公式Hugging Faceページで人気の小型モデルは別に掲載し、「Arenaの投票なし」と表示しています。4～12 GBのカードで動くものも見つかります。

このページを共有：X LinkedIn Reddit WhatsApp

数字の誤りやリンク切れを見つけましたか？間違いを報告