Dominasi Claude, dengan selisih tipis
Peringkat model AI adalah susunan model kecerdasan buatan berdasarkan hasil pengujian terukur, yang membantu membandingkan kualitas jawaban dan kemampuan menyelesaikan tugas. Dalam rilis LiveBench terbaru bertanggal 25 Juni 2026, Claude dari Anthropic mengambil tiga posisi teratas untuk performa keseluruhan, tanda bahwa persaingan AI kini ditentukan oleh hasil lintas tugas, bukan sekadar reputasi merek.
Claude Fable 5.1 memimpin dengan 83,4 poin, disusul Claude Opus 5.5 dengan 83,2 dan Claude Fable 5 dengan 83 poin. Namun, jarak dengan pesaing terdekat tidak besar: GPT-6 Astra dari OpenAI meraih 82,2 poin di posisi keempat. Angka itu membuat kemenangan Anthropic jelas, tetapi belum berarti OpenAI tertinggal jauh. LiveBench AI menguji model pada 23 tugas dalam tujuh kategori, sehingga urutan ini lebih tepat dibaca sebagai gambaran performa gabungan, bukan jawaban mutlak untuk setiap kebutuhan.
Poin pentingnya: istilah “terbaik” di sini mengacu pada kualitas penyelesaian tugas, bukan kecepatan menghasilkan respons. Karena itu, pengguna sebaiknya melihat skor sebagai petunjuk awal, bukan satu-satunya dasar memilih layanan.
Daftar 15 model teratas dan peta persaingan
Daftar 15 model AI terbaik versi LiveBench memperlihatkan bahwa Anthropic unggul di puncak, sementara OpenAI memiliki jumlah model yang menonjol di beberapa posisi. Meta, DeepSeek, Moonshot, Google, Alibaba, dan xAI juga masuk, membuat papan peringkat ini lebih beragam daripada duel dua perusahaan saja.
| Peringkat | Model | Perusahaan | Skor |
|---|---|---|---|
| 1 | Claude Fable 5.1 | Anthropic | 83,4 |
| 2 | Claude Opus 5.5 | Anthropic | 83,2 |
| 3 | Claude Fable 5 | Anthropic | 83,0 |
| 4 | GPT-6 Astra | OpenAI | 82,2 |
| 5 | GPT-6.1 Sol | OpenAI | 81,6 |
| 6 | Muse Spark 1.3 | Meta | 81,6 |
| 7 | DeepSeek V4.1 Flash | DeepSeek | 81,1 |
| 8 | GPT-5.6 Sol | OpenAI | 81,0 |
| 9 | GPT-5.5 Thinking | OpenAI | 80,2 |
| 10 | Claude Opus 5 | Anthropic | 80,1 |
| 11 | GPT-6 Sol | OpenAI | 79,3 |
| 12 | Kimi K3 | Moonshot | 79,2 |
| 13 | Gemini 3.7 | 78,8 | |
| 14 | Qwen 3.8 | Alibaba | 78,5 |
| 15 | Grok 4.6 | xAI | 78,0 |
Konsentrasi model OpenAI di posisi keempat, kelima, kedelapan, kesembilan, dan kesebelas menunjukkan kedalaman portofolio, meski belum menembus tiga besar. Meta berada di posisi keenam, sedangkan DeepSeek menjadi pesaing yang patut diperhatikan lewat peringkat ketujuh. Jadi, klaim bahwa Claude memimpin kuat berlaku untuk puncak daftar; persaingan di bawahnya tetap rapat.
Keunggulan berubah menurut jenis tugas
Skor keseluruhan tidak menceritakan semua hal. Claude unggul dalam coding dan matematika, tetapi OpenAI memimpin kategori penalaran serta analisis data, sedangkan DeepSeek berada di urutan pertama untuk agentic coding. Perbedaan ini penting bagi pengguna yang memakai AI untuk pekerjaan khusus: model AI terbaik untuk menulis kode belum tentu pilihan teratas untuk menganalisis tabel atau menjalankan tugas pemrograman bertahap.
Dalam penalaran, GPT-6 Astra mencatat 92,7 poin, mengungguli Claude Opus 5.5 yang mendapat 92,2. Sebaliknya, Claude Opus 5.5 meraih 89,3 poin pada coding dan 97,1 pada matematika. DeepSeek V4.1 Flash memimpin agentic coding dengan 77,3 poin, sementara GPT-6 Astra menjadi yang teratas dalam analisis data dengan 83 poin.
Tolok ukur lain juga dapat memberi urutan berbeda: BenchLM mencatat GPT-6 Astra sebesar 93,3% untuk penalaran, sementara daftar coding berbasis SWE-bench menempatkan Claude Opus 5.5 pada 82,8. Perbedaan hasil menegaskan bahwa benchmark, tugas, dan metode pengujian memengaruhi perbandingan. Bagi pengguna, kecocokan terhadap pekerjaan—mencari informasi, merangkum dokumen, membuat konten, atau mengolah data—lebih berguna daripada terpaku pada satu posisi.
Cara membaca hasil dan kesimpulannya
Peringkat ini layak dijadikan sinyal kuat, bukan vonis final. LiveBench memperbarui pertanyaan dan tugas secara berkala untuk mengurangi risiko kontaminasi data, sementara keseluruhan set soal diperbarui sekitar setiap enam bulan. Pembaruan tersebut membantu menjaga relevansi hasil saat model dan kemampuan AI terus berkembang, tetapi skor tetap hanya mewakili tugas yang diuji.
Bagi pembaca, implikasinya sederhana: pilih model berdasarkan beban kerja utama, lalu bandingkan hasilnya pada kategori yang paling relevan. Claude Anthropic pantas disebut pemimpin keseluruhan dalam daftar ini, terutama karena tiga modelnya menguasai podium dan performanya kuat pada matematika serta coding. Namun, OpenAI unggul di penalaran dan analisis data, sedangkan DeepSeek memimpin agentic coding. Kesimpulannya, Claude menang di puncak peringkat LiveBench, tetapi model AI terbaik untuk tiap orang tetap bergantung pada tugas yang ingin diselesaikan.
