LLM API を比較するとき、最初に見るのは Artificial Analysis であることが多いでしょう。各プロバイダーへの実際のリクエストの時間を測っているからです。ただし、それは 1 つの視点にすぎません。ほかのサイトは人間の投票、ベンチマークスコア、利用量、価格で順位付けしており、それぞれ別の問いに答えています。このガイドでは、各サイトが何をどう測っているか、どんなデータを持ち帰れるか、いつ使うべきかをまとめます。以下の事実はすべて、2026 年 11 月 15 日に各サイト自身のページで確認したものです。
最初にお断りしておきます。BroadRouter は BroadNet 自身のウェブサイトです。開発者を BroadNet Inference に案内し、価格データを公開しています。モデルのベンチマークは行っておらず、このリストに載っているのは価格についてだけです。
Artificial Analysis が得意なことは何ですか?
Artificial Analysis は自らを “Independent analysis of AI”(訳:AI の独立した分析)と称しています。方法論のページでは、ほかではあまり見られない 3 つのことを説明しています:
- **プロバイダーのエンドポイントごとの速度。**出力速度は “output tokens per second over each request’s full duration”(訳:各リクエストの全時間における 1 秒あたりの出力トークン数)で、推論トークンを含み、“over the workloads we measured in the past 5 days”(訳:過去 5 日間に測定したワークロード)で平均しています。1 つのモデルが “may have multiple endpoints across different providers”(訳:異なるプロバイダーに複数のエンドポイントを持つことがある)ため、同じモデルがあるホストでは別のホストより速く動くことが分かります。
- **比較できるレイテンシ。**最初のトークンまでの時間、最初の回答トークンまでの時間(推論を含むため、推論モデルと非推論モデルを公平に比べられる)、エンドツーエンドの時間を報告しています。
- **独自の評価。**Intelligence Index v5.0.1 は、9 つの評価を等しく重み付けした 4 グループ(知識労働、コーディング、科学、一般)にまとめたものです。いくつかは独自のベンチマーク、または他者のタスクを独自に実行したもので、繰り返し回数も明記されています。
プロバイダーのリーダーボードは “over 500 AI Model endpoints”(訳:500 以上の AI モデルエンドポイント)を対象に、タスクあたりのコスト、タスクあたりの時間、最初の回答トークンまでのレイテンシ、エラー率、コンテキストウィンドウ、ライセンスを掲載しています。価格は “the current prices listed by providers”(訳:プロバイダーが掲載している現在の価格)で、ブレンド価格はキャッシュヒット、入力、出力のトークンを 7:2:1 の比率で計算しています。ワークロードが出力中心なら、この比率を頭の中で調整してください。
プロバイダーごとの実測の速度やエラー率が必要なら、代わりを見つけるのは困難です。代替を探すのは、別のシグナルが欲しいとき、つまり人間の好み、特定の分野、ダウンロードできる生データ、あるいは全行に出典がある価格表が欲しいときです。
Artificial Analysis の代替にはどんなサイトがありますか?
| サイト | 測っているもの | 方法 | 持ち帰れるデータ | 向いている用途 |
|---|---|---|---|---|
| Artificial Analysis | 知能指数、出力速度、レイテンシ、エラー率、エンドポイントごとの価格 | 独自の評価と時間計測付きリクエストを実行。速度は 5 日間のローリングウィンドウ | 無料 API(出典表記必須) | プロバイダーごとの速度とレイテンシ |
| Arena(旧 LMArena) | 人間の好み | 匿名の 2 モデルが回答し、人が投票し、その後に名前を公開 | Hugging Face の公開選好データセット | 回答が人にどう受け取られるか |
| Epoch AI Benchmarking Hub | ベンチマークスコアの推移 | 一部のベンチマークを Inspect で自ら実行し、ほかは公式リーダーボードから収集 | CSV と Python クライアント。自社データは CC BY | 傾向と生のスコア |
| Vals AI | 分野別の正確さ、コスト、レイテンシ | 42 のベンチマーク。一部は非公開またはホールドアウト | ベンチマークのページには記載なし | 法務、金融、税務などの分野 |
| OpenRouter ランキング | 利用量 | OpenRouter で処理されたトークン数を UTC の日単位で集計 | 価格付きの公開モデル API | 開発者が実際に使っているもの |
| Open LLM Leaderboard(Hugging Face) | オープンウェイトモデルのスコア | Eleuther AI のハーネスで 6 つのベンチマーク | 結果とリクエストのデータセット | オープンなチェックポイントの比較 |
| BroadRouter の価格データ(BroadNet のサイト) | 公開価格のみ | 各プロバイダー自身の料金ページから URL、日付、引用付きで読み取り | CSV と JSON、編集物として CC BY 4.0 | 出典で価格を確かめる |
Arena は何が違うのですか?
Arena(lmarena.ai は現在 arena.ai にリダイレクトされます)は、実際の人に匿名の 2 つの回答を比べて 1 つを選んでもらいます。モデル名は投票の後にしか表示されません。測っているのは好みであり、正確さにトーン、長さ、書式が混ざっています。リーダーボードは Text、WebDev、Vision、Document、Search などに分かれ、Pareto ビューではタスクあたりのコストも表示されます。Arena は選好データを Hugging Face でオープンソース化したとしており、順位を読むだけでなく投票そのものを分析したい場合に役立ちます。
チャットの回答が人にどう受け止められるかを見るのに使ってください。API のプロバイダー選びには使わないでください。順位付けしているのはモデルでありホストではなく、特定のエンドポイントでの速度については何も分かりません。
Epoch AI と Vals AI のほうが適しているのはどんなときですか?
Epoch AI はベンチマーク結果のデータベースを運営しており、確認時点で 99 のベンチマークと 428 のモデルを追跡していました。一部の結果は Inspect フレームワークで自ら実行し、残りはベンチマーク作成者が管理する公式リーダーボードから取得しています。データは CSV でダウンロードするか、Python クライアントで使えます。自社データはクレジット表記を条件に CC BY で自由に再利用でき、外部から取得した結果は元のライセンスに従います。単一の指数ではなく、生のスコアや推移が欲しいときは Epoch を選んでください。
Vals AI は法務、金融、医療、コーディング、数学などにわたる 42 のベンチマークを実行しており、一部のセットは非公開またはホールドアウトされているため、モデルがテストで学習されているリスクが下がります。リーダーボードでは正確さ、コスト、レイテンシを比較し、Inference Provider Index ではプロバイダーを正確さ、コスト、速度で比較しています。総合指標の Vals Index は、各セクターを米国 GDP に占める割合で重み付けしています。タスクがその分野のどれかに近いなら Vals を選んでください。
OpenRouter のランキングは実際に何を示していますか?
利用量です。各モデルは “tokens it processed through the OpenRouter API”(訳:OpenRouter API を通じて処理したトークン)で、プロンプトと補完を合わせて、直近 1 日、7 日、30 日の期間で順位付けされます。ページには、ランキングは “do not rank models by accuracy, reasoning ability, or benchmark performance”(訳:正確さ、推論能力、ベンチマーク性能でモデルを順位付けしていない)とはっきり書かれています。長い回答を書くモデルや長いエージェントループで動くモデルは順位が上がります。人気のシグナル、そして試す価値のあるモデルのリストとして読んでください。OpenRouter にはモデルごとの価格を示す公開モデルエンドポイントもありますが、それは OpenRouter が請求する額であり、各ホストが直接請求する額ではありません。
Hugging Face の Open LLM Leaderboard はまだ使う価値がありますか?
オープンウェイトのチェックポイントについては、注意しながら使う価値があります。Hugging Face のドキュメントによると、最初のバージョンは 2024 年 6 月にアーカイブされ、置き換えられました。現行版は Eleuther AI の評価ハーネスで IFEval、BBH、MATH level 5、GPQA、MuSR、MMLU-Pro によりモデルを採点し、結果をデータセットとして公開しています。評価しているのはモデルファイルでホスト型 API ではないため、価格、速度、プロバイダーがモデルをどう提供しているかは分かりません。
アラビア語のモデルはどこで比較できますか?
一般的なリーダーボードはアラビア語についてほとんど何も教えてくれず、Arena の表示されているフィルターにも言語はありません。Hugging Face の 2 つの Space がその隙間を一部埋めています:
- Open Arabic LLM Leaderboard:OALL が運営する、アラビア語テキスト向けのリーダーボード。
- Open Universal Arabic ASR Leaderboard:“a benchmark for open-source multi-dialect Arabic ASR models”(訳:オープンソースの多方言アラビア語 ASR モデルのためのベンチマーク)と説明されている、音声認識向けのリーダーボード。BroadNet は自社の Transcribe Arabic モデルの成績を 37 件中 2 位 (2026年9月時点の数値。2026年11月15日のライブのリーダーボードでは 39 件中 4 位) と報告しています。これは BroadNet の数字であり、モデルが追加されるとボードは変わります。
音声の結果は、平均だけでなく方言ごとに読んでください。読み方はアラビア語 ASR の単語誤り率の解説で説明しています。
BroadRouter の価格データはどこに位置づけられますか?
BroadRouter は 3 つの価格リソースを公開しています。モデルごとの LLM API 料金ページ、中央値と価格差を示す価格インデックス、そしてプロバイダー価格の生データベースです。各行はプロバイダー自身の料金ページから読み取り、出典 URL、日付、原文の引用とともに保存しており、毎週スクリプトで出典を取得し直しています。アグリゲーターのデータフィードは使っていません。
しないことも同じくらい重要です:
- **速度、レイテンシ、稼働率、品質は測っていません。**それらには Artificial Analysis、Arena、Epoch AI、Vals AI を使ってください。
- **掲載しているのは第三者の価格だけです。**BroadNet 自身の価格は pricing.json と料金ページにあります。
- **BroadNet のサイトです。**中立な審判ではなく、1 行ずつ確認できるベンダーの編集物として扱ってください。
これらのサイトをどう組み合わせればよいですか?
- **品質で候補を絞ります。**チャットの印象は Arena、自分の分野のタスクスコアは Epoch AI か Vals AI で見て、3〜5 モデルに絞ります。
- **使う予定のホストで速度を確認します。**Artificial Analysis はエンドポイントごとの速度とレイテンシを示しています。アプリにとってどの数字が重要かは LLM のレイテンシの解説をご覧ください。
- **出典で価格を確認します。**価格データベースでプロバイダーを見つけ、各プロバイダー自身のページを開いてください。多くのワークロードでは、入力よりキャッシュ入力と出力の価格のほうが請求額を左右します。
- **自分のデータでテストします。**最終候補それぞれに実際の入力を 50〜100 件通して採点してください。ベンチマークが自分の結果を予測できるのは、そのタスクが自分のタスクに似ている範囲だけです。方法は乗り換え前に LLM を評価する方法で、制限、プライバシー、サポートは 20 項目のプロバイダーチェックリストで扱っています。
BroadNet Inference の位置づけ
BroadNet Inference は OpenAI 互換 API であり、リーダーボードではありません。提供しているモデルは少数です:DeepSeek V4.1 Flash(パートナーがホスト)、GLM 5.3、Qwen3.8 27B、Gemma 4 VL 26B、音声認識モデル 2 つ。ツール呼び出しと構造化出力がドキュメント化されているのは GLM 5.3 と Qwen3.8 27B だけです。セルフサーブのアカウントには SLA がなく、バッチ API や埋め込み(embeddings)もありません。これらのモデルのどれかが候補に残ったら、$5 の初回クレジットで Gemma 4 VL 26B、両方の Transcribe モデル、Gemma の時間制キーを使えるので、支払う前に自分の入力で手順 4 を実行できます。DeepSeek、GLM、Qwen にはチャージが必要です。プロンプトと回答は保持されません。モデルを比較するか、アカウントを作成してください。
