---
title: "Artificial Analysis の代替：LLM 比較サイトまとめ | BroadRouter"
description: "Artificial Analysis の代替サイトを比較：Arena、Epoch AI、Vals AI、OpenRouter ランキング、Hugging Face、価格データ。それぞれ何を測り、いつ使うべきかをまとめました。"
url: https://broadrouter.com/ja/blog/artificial-analysis-alternatives/
lang: ja
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/artificial-analysis-alternatives/)（2026-11-15 更新）。

# Artificial Analysis の代替サイト：2026 年に LLM を比較できる場所

BroadNet Inference チーム · 約 7 分で読めます · 公開日 2026-11-15

Artificial Analysis は、API プロバイダーごとの LLM の速度、レイテンシ、知能スコアを測る主要な独立情報源です。代替サイトはそれぞれ別のものを測ります。Arena は人間の好み、Epoch AI と Vals AI はベンチマーク結果、OpenRouter は利用量で、BroadRouter（BroadNet のサイト）のような価格データベースは価格だけです。2 つを併用し、自分のデータでテストしてください。

## 要点

-   Artificial Analysis の強みは、プロバイダーのエンドポイントごとの実測の速度とレイテンシです。実際のリクエストの時間を測り、過去 5 日間で平均しています。
-   Arena（旧 LMArena）は人間のブラインド投票でモデルを順位付けし、Epoch AI と Vals AI はベンチマークスコアを公開し、OpenRouter は品質ではなく処理トークン量で順位付けしています。
-   Epoch AI は CC BY で CSV をダウンロードでき、Artificial Analysis には出典表記が必須の無料 API があります。
-   BroadRouter は BroadNet 自身のサイトです。その価格データは各プロバイダーの公開価格を出典付きで掲載するもので、速度や品質は測っていません。
-   どのリーダーボードも、自分の入力 50〜100 件でのテストの代わりにはなりません。

**このページの内容**

1.  Artificial Analysis が得意なことは何ですか？
2.  Artificial Analysis の代替にはどんなサイトがありますか？
3.  Arena は何が違うのですか？
4.  Epoch AI と Vals AI のほうが適しているのはどんなときですか？
5.  OpenRouter のランキングは実際に何を示していますか？
6.  Hugging Face の Open LLM Leaderboard はまだ使う価値がありますか？
7.  アラビア語のモデルはどこで比較できますか？
8.  BroadRouter の価格データはどこに位置づけられますか？
9.  これらのサイトをどう組み合わせればよいですか？
10.  BroadNet Inference の位置づけ

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](https://artificialanalysis.ai/methodology)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](https://artificialanalysis.ai/) | 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](https://arena.ai/leaderboard)（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](https://epoch.ai/benchmarks) | 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](https://www.vals.ai/benchmarks) | 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](https://openrouter.ai/rankings) | 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](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)（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](https://broadrouter.com/data/llm-api-provider-prices/)（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](https://huggingface.co/spaces/OALL/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](https://huggingface.co/spaces/elmresearchcenter/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](https://broadrouter.com/ja/blog/arabic-asr-wer-explained/)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](https://broadrouter.com/ja/llm-api-pricing/)、中央値と価格差を示す[価格インデックス](https://broadrouter.com/data/llm-api-price-index/)、そして[プロバイダー価格の生データベース](https://broadrouter.com/data/llm-api-provider-prices/)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](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-artificial-analysis-alternatives&utm_content=body) と[料金ページ](https://broadrouter.com/ja/pricing/)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？

1.  \*\*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。
2.  \*\*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](https://broadrouter.com/ja/blog/llm-latency-ttft-throughput/)をご覧ください。
3.  \*\*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。
4.  \*\*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](https://broadrouter.com/ja/glossary/llm-benchmark/)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](https://broadrouter.com/ja/blog/evaluate-llm-before-switching/)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](https://broadrouter.com/ja/blog/choose-llm-api-provider-checklist/)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](https://broadrouter.com/ja/models/)か、[アカウントを作成](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-artificial-analysis-alternatives&utm_content=body)してください。

関連する無料ツール（英語）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[LLM ベンチマーク（LLM benchmark）](https://broadrouter.com/ja/glossary/llm-benchmark/)

LLM ベンチマークとは、知識問題、コーディング、音声認識など 1 つの能力で言語モデルを測り比べるための、固定された（通常は公開の）タスクと採点方法です。スコアはそのテストでの相対的な能力を示し、自社のワークロードでの実力は示しません。

[音声認識（Speech-to-Text）](https://broadrouter.com/ja/glossary/speech-to-text/)

音声認識（Speech-to-Text）とは、話し言葉の音声を文字に変換する技術で、自動音声認識（ASR）とも呼ばれます。API は音声ファイルやストリームから文字起こしを返し、通常は音声 1 分単位で課金されます。精度は単語誤り率で測り、訛り、方言、録音品質で変わります。

[エンベディング（埋め込み、embeddings）](https://broadrouter.com/ja/glossary/embeddings/)

エンベディング（埋め込み）とは、テキストや画像などの入力を表すためにモデルが出力する浮動小数点数のリスト（ベクトル）です。意味の近い入力ほどベクトルも近いので、その距離で検索結果の順位付け、文書の分類、関連項目の発見ができます。

[トークン毎秒（TPS、tokens per second）](https://broadrouter.com/ja/glossary/tokens-per-second/)

トークン毎秒（TPS）とは、言語モデルが出力トークンを生成する速さで、通常は 1 リクエストの最初のトークン以降で測ります。応答が流れる速さを決め、全同時リクエストの合計がシステムのスループットです。最初のトークンまでの待ち時間は別に測ります。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[オープンウェイトモデル（open-weight model）](https://broadrouter.com/ja/glossary/open-weight-model/)

オープンウェイトモデルとは、学習済みの重みが公開され、誰でもダウンロードして実行できるモデルで、通常は条件付きのライセンスで提供されます。学習コードや学習データの詳細も公開し、他者が検証・再現できる完全なオープンソース AI とは別物です。

[キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)

キャッシュ入力トークンとは、LLM プロバイダーが直前に処理し、再計算せずにキャッシュから再利用できるプロンプトのトークンです。通常はシステムプロンプトやドキュメントなど繰り返し送るプレフィックスで、新しい入力トークンより安い単価で課金されます。

## よくある質問

### Artificial Analysis の一番の代替サイトはどれですか？

何を比べたいかによります。人間の好みなら Arena。ダウンロードできるベンチマークスコアなら Epoch AI。法務・金融・税務などの分野のタスクなら Vals AI。開発者が実際に使っているものなら OpenRouter ランキング。プロバイダーごとの実測速度については、これらのサイトの中に Artificial Analysis 自体に近い代わりはありません。

### Artificial Analysis に API はありますか？

あります。ドキュメント（2026 年 11 月 15 日確認）には、Insights Platform のキーで使う “focused on model benchmarks”（訳：モデルのベンチマークに特化した）無料 API が説明されています。無料 API の利用にはすべて artificialanalysis.ai の出典表記が必要です。より多くのデータを含む商用 API はパートナー向けに提供されています。

### Hugging Face の Open LLM Leaderboard はまだ役に立ちますか？

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ました。バージョン 2 は IFEval、GPQA、MMLU-Pro など 6 つのベンチマークでオープンウェイトモデルを採点し、結果を公開データセットにしています。対象はオープンウェイトのチェックポイントでホスト型 API ではなく、価格や速度については何も分かりません。

### OpenRouter のランキングでどのモデルが一番良いか分かりますか？

分かりません。ランキングページには、OpenRouter で処理されたトークン数を数えたもので、“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）とあります。示しているのは人気で、冗長なモデルや長いエージェントループで数字が膨らみます。

### BroadRouter はモデルのベンチマークをしていますか？

していません。BroadRouter は BroadNet 自身のウェブサイトです。各プロバイダー自身のページから読み取った価格を出典と日付付きで公開し、トークナイザーの測定も載せています。速度、レイテンシ、回答品質は測っていないため、Artificial Analysis やベンチマークサイトの代わりにはなりません。

### アラビア語のモデルはどこで比較できますか？

アラビア語のテキストなら、Hugging Face の Open Arabic LLM Leaderboard（OALL）です。アラビア語の音声認識なら、オープンソースの多方言アラビア語 ASR モデルのベンチマークと自称する Open Universal Arabic ASR Leaderboard です。平均だけでなく、方言ごとの単語誤り率を見てください。

## 続けて読む

-   [プロバイダーを乗り換える前に LLM を評価する方法](https://broadrouter.com/ja/blog/evaluate-llm-before-switching/)
-   [LLM API プロバイダーの選び方：20 項目のチェックリスト](https://broadrouter.com/ja/blog/choose-llm-api-provider-checklist/)
-   [推論プロバイダーはオープンモデルをどう価格設定しているか：6 社比較](https://broadrouter.com/ja/blog/llm-inference-provider-pricing-compared/)
-   [LLM のレイテンシ：TTFT、トークン/秒、エンドツーエンドの違い](https://broadrouter.com/ja/blog/llm-latency-ttft-throughput/)
-   [アラビア語音声認識の単語誤り率（WER）をわかりやすく解説](https://broadrouter.com/ja/blog/arabic-asr-wer-explained/)
-   [LLM API の SLA 比較：Azure、Bedrock、Google、OpenAI は何を約束しているか](https://broadrouter.com/ja/blog/llm-api-sla-uptime-compared/)
-   [BroadNet が評価して不採用にしたモデルとその理由](https://broadrouter.com/ja/blog/models-broadnet-ruled-out/)
-   [ガイド：BroadNet Inference をアカウントなしでブラウザから試す](https://broadrouter.com/ja/guides/try-broadnet-inference-playground/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-artificial-analysis-alternatives&utm_content=page-cta) ·

**出典**

-   [Artificial Analysis トップページ：“Independent analysis of AI”（2026-11-15 確認）](https://artificialanalysis.ai/)
-   [Artificial Analysis の方法論：出力速度、レイテンシ、5 日間のウィンドウ、ブレンド価格（2026-11-15 確認）](https://artificialanalysis.ai/methodology)
-   [Artificial Analysis Intelligence Index v5.0.1 の評価項目（2026-11-15 確認）](https://artificialanalysis.ai/methodology/intelligence-benchmarking)
-   [Artificial Analysis の API プロバイダーリーダーボード：500 以上のモデルエンドポイント（2026-11-15 確認）](https://artificialanalysis.ai/leaderboards/providers)
-   [Artificial Analysis の API ドキュメント：無料 API、出典表記必須（2026-11-15 確認）](https://artificialanalysis.ai/documentation)
-   [Arena（旧 LMArena）の仕組み：ブラインド対戦、公開された選好データセット（2026-11-15 確認）](https://arena.ai/how-it-works)
-   [Arena のリーダーボードのカテゴリ（2026-11-15 確認）](https://arena.ai/leaderboard)
-   [OpenRouter ランキング：処理トークン量、期間、品質ランキングではない（2026-11-15 確認）](https://openrouter.ai/rankings)
-   [OpenRouter API リファレンス、モデル一覧：価格付きの公開カタログ（2026-11-15 確認）](https://openrouter.ai/docs/api-reference/list-available-models)
-   [Epoch AI Benchmarking Hub：自社実行と外部の結果、CSV、CC BY（2026-11-15 確認）](https://epoch.ai/benchmarks)
-   [Vals AI ベンチマーク：42 のベンチマーク、非公開セット、Inference Provider Index（2026-11-15 確認）](https://www.vals.ai/benchmarks)
-   [Hugging Face ドキュメント、Open LLM Leaderboard v1：2024 年 6 月にアーカイブ（2026-11-15 確認）](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/archive)
-   [Hugging Face ドキュメント、Open LLM Leaderboard（v2）のタスクと結果データセット（2026-11-15 確認）](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)
-   [Hugging Face の Open Arabic LLM Leaderboard（OALL）（2026-11-15 確認）](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [Hugging Face の Open Universal Arabic ASR Leaderboard（2026-11-15 確認）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [BroadNet Inference の機械可読な価格、pricing.json（2026-11-15 確認）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-artificial-analysis-alternatives&utm_content=sources)
