Issue archive · updated 2026-04-29

LLM Leaderboard Archive — 2026-04

Archived 2026-04 LLM leaderboard: category leaders and full rankings for that issue.

01

Pembuatan Teks & Penalaran

Generasi teks & penalaran

Current leader GPT-5.5 OpenAI previously: GPT-5.4

2026 memasuki era tiga raksasa — tidak ada model dominan tunggal, pilihan terbaik bergantung pada tugas yang dihadapi.

#ModelCompanyScoreStrengths
1 GPT-5.5Released April 23, the first fully retrained foundation model since GPT-5. OpenAI 89 Terminal-Bench 2.0: 82.7% · OSWorld-Verified: 78.7% · GDPval: 84.9% · ARC-AGI-2: 85.0% · 1M-token context
2 Claude Opus 4.7Released April 16, strongest at long-context and code review. Anthropic 86 SWE-Bench Pro: 64.3% · MCP-Atlas: 79.1% · Most reliable multi-step reasoning · Most thorough code-logic review · 1M-token context
3 Gemini 3.1 ProIn preview, strongest at math and algorithmic competition. Google ~85 LiveCodeBench Elo: 2887 · 1M-token context · Lowest API price ($2/$12) · Leading video understanding · Best price-to-performance
Per 2026-04-29, GPT-5.5 (OpenAI) memimpin pembuatan teks dan penalaran dengan skor komposit 89, diikuti Claude Opus 4.7 (Anthropic, 86) dan Gemini 3.1 Pro (Google, ~85). GPT-5.5 menang di Terminal-Bench 2.0 (82.7%) dan OSWorld-Verified (78.7%); Claude Opus 4.7 menang di SWE-Bench Pro (64.3%) dan MCP-Atlas (79.1%); Gemini 3.1 Pro menang di LiveCodeBench Elo (2887). Ketiganya mendukung konteks 1M-token.
02

Teks ke Gambar

Generasi gambar

Current leader GPT Image-2 OpenAI previously: Nano Banana 2

GPT Image-2 mengambil takhta dengan akurasi rendering teks 99,2%, sementara Nano Banana 2 mempertahankan keunggulan dalam pembuatan real-time.

#ModelCompanyScoreStrengths
1 GPT Image-2Highest text-rendering accuracy. OpenAI 99.2% Text-rendering accuracy 99.2% · Chinese / Arabic support · Spatial logic & anatomical correctness · Character consistency · Thinking-mode reasoning engine
2 Nano Banana 2Ultra-fast 4K generation with live web search. Google 4-15s Flash architecture, ultra-fast generation · 4K image in 4-15s · Live web-search integration · Fastest on the market · Deep Gemini-ecosystem integration
3 Flux ProStrongest open-source ecosystem. Black Forest Labs — Open-source, commercial use · Rich community ecosystem · Style diversity · Local deployment
Per 2026-04-29, GPT Image-2 (OpenAI) memimpin pembuatan teks-ke-gambar dengan akurasi rendering teks 99,2%, diikuti Nano Banana 2 (Google, output 4K kurang dari 15 detik) dan Flux Pro (Black Forest Labs, ekosistem open-source terkuat). GPT Image-2 menang pada tipografi, konsistensi karakter, dan logika spasial; Nano Banana 2 menang pada kecepatan arsitektur Flash dan integrasi pencarian real-time.
03

Teks ke Video

Generasi video

Current leader Veo 3.1 Google previously: Sora 2

Sora 2 telah keluar; Google Veo 3.1 kini memimpin kemampuan keseluruhan, sementara Seedance 2.0 dan Kling 3.0 memimpin di niche tertentu.

#ModelCompanyScoreStrengths
1 Veo 3.1Native audio + multi-shot, strongest overall. Google — Native audio generation · Multi-shot narrative · Excellent physics simulation · YouTube-ecosystem integration
2 Seedance 2.0Strongest multi-shot storyboarding. ByteDance — Multi-shot storyboarding · Professional cinematic language · Leading domestic Chinese model · Douyin/TikTok ecosystem integration
3 Kling 3.0 OmniCinematic-grade visuals + most accurate lip-sync. Kuaishou — Cinematic-grade visuals · Most accurate lip-sync · Kuaishou ecosystem integration · Optimized for Chinese scenarios
Per 2026-04-29, Google Veo 3.1 memimpin pembuatan teks-ke-video dengan audio native dan narasi multi-shot, diikuti Seedance 2.0 (ByteDance, storyboarding multi-shot terkuat) dan Kling 3.0 Omni (Kuaishou, visual kualitas sinematik dan lip-sync paling akurat). Sora 2 telah dihentikan.
04

Pembuatan Kode

Generasi kode & pengodean agen

Current leader GPT-5.5 (Agentic) OpenAI previously: Claude Opus 4.6

GPT-5.5 merebut kembali kepemimpinan dalam coding agen-terminal; Claude Opus 4.7 masih menguasai refactoring multi-file dan orkestrasi tool.

#ModelCompanyScoreStrengths
1 GPT-5.5Terminal-Bench 2.0 #1, strongest agentic coding. OpenAI 82.7% Terminal-Bench 2.0: 82.7% · Expert-SWE: 73.1% · Autonomous coding judgment · Fewer tokens for the same task
2 Claude Opus 4.7SWE-Bench Pro #1, strongest multi-file refactoring. Anthropic 64.3% SWE-Bench Pro: 64.3% · MCP-Atlas: 79.1% · Multi-file logic review · Code-vulnerability detection
3 Gemini 3.1 ProLiveCodeBench #1, strongest in algorithmic competition. Google 2887 Elo LiveCodeBench Elo: 2887 · 1M-context whole-repo analysis · Lowest price · Best for algorithmic competition
Per 2026-04-29, GPT-5.5 (OpenAI) memimpin pembuatan kode dengan 82,7% pada Terminal-Bench 2.0, diikuti Claude Opus 4.7 (Anthropic, SWE-Bench Pro 64,3%) dan Gemini 3.1 Pro (Google, LiveCodeBench Elo 2887). Pilih GPT-5.5 untuk coding agentik otonom, Claude Opus 4.7 untuk refactoring multi-file, Gemini untuk analisis repo penuh dengan konteks 1M-token.
05

Teks ke Suara

Suara / Bicara

Current leader ElevenLabs v3 ElevenLabs previously: ElevenLabs v2

ElevenLabs tetap menjadi tolok ukur industri untuk realisme suara dan kloning; Hume AI memimpin dalam suara emosional.

#ModelCompanyScoreStrengths
1 ElevenLabs v3Industry-benchmark voice realism. ElevenLabs 9.2/10 Realism score 9.2/10 · 75ms ultra-low latency · 29+ languages · Professional Clone quality · Enterprise-grade API
2 Hume AI OctaveTop of the emotional-voice leaderboard. Hume AI 9.3/10 Emotion recognition 9.3/10 · Emotional response capability · Empathetic interaction · Precise affect awareness
3 GPT-4o VoiceBest real-time conversational experience. OpenAI — Low-latency real-time conversation · Natural voice output · Multilingual real-time translation · Deep ChatGPT integration
Per 2026-04-29, ElevenLabs v3 memimpin teks-ke-suara dengan skor realisme 9,2/10 dan latensi 75ms di 29+ bahasa, diikuti Hume AI Octave (peringkat suara emosional tertinggi 9,3/10) dan GPT-4o Voice (pengalaman percakapan real-time terbaik).
06

Pembuatan Musik AI

Generasi musik

Current leader Suno v5.5 Suno previously: Suno v5

Suno v5.5 tetap menjadi platform yang paling banyak digunakan; tool-tool berbeda dalam kecepatan, pasca-produksi, dan deployment enterprise.

#ModelCompanyScoreStrengths
1 Suno v5.5Most widely used AI music platform. Suno — Largest user base · Studio multi-track editing · MIDI export · Fastest to a finished song
2 Udio v1.5Strongest post-production and stem control. Udio — Stem download · Mix control · Key adjustment · Professional post-production
3 Lyria 3 ProBest for enterprise / API deployment. Google DeepMind — Vertex AI delivery · Structured generation · Clear copyright posture · Enterprise-grade deployment
Per 2026-04-29, Suno v5.5 memimpin pembuatan musik AI berdasarkan adopsi pengguna dengan editing multi-track Studio dan ekspor MIDI, diikuti Udio v1.5 (editing tingkat stem dan pasca-produksi terkuat) dan Lyria 3 Pro (Google DeepMind, terbaik untuk deployment enterprise / API via Vertex AI).
07

Pemahaman Visual

Visi / Pemahaman multimodal

Current leader GPT-4o Vision OpenAI previously: GPT-4o Vision

GPT-4o Vision mempertahankan kepemimpinan tujuan umum; Gemini Vision memimpin dalam pemahaman video dan parsing dokumen panjang.

#ModelCompanyScoreStrengths
1 GPT-4o VisionStrongest general-purpose vision understanding. OpenAI — UI parsing · Chart understanding · Live visual conversation · Multimodal fusion
2 Gemini VisionLeader for video and long-document understanding. Google — 1M-token long documents · Leading video understanding · Multi-frame analysis · Search integration
3 Qwen-VLTop open-source Chinese-scenario vision model. Alibaba — Optimized for Chinese scenarios · Open-source, commercial use · Multimodal reasoning · Local deployment
Per 2026-04-29, GPT-4o Vision (OpenAI) memimpin pemahaman visual tujuan umum dengan parsing UI dan percakapan visual real-time terkuat, diikuti Gemini Vision (Google, pemimpin pemahaman dokumen panjang dan video dengan 1M-token) dan Qwen-VL (Alibaba, model open-source terkuat untuk skenario bahasa Mandarin).
08

Sumber Terbuka

Sumber terbuka / Bobot terbuka

Current leader Llama 4 Meta previously: Llama 3

Model open-source mengejar cepat closed-source di beberapa benchmark. Llama 4, DeepSeek V4, dan Qwen3 membentuk tier pertama.

#ModelCompanyScoreStrengths
1 Llama 4Most complete open-source ecosystem. Meta — Multimodal support · Largest community ecosystem · Commercial-use license · Multiple sizes
2 DeepSeek V4Strongest open-source reasoning, upgraded architecture. DeepSeek — Superior math and reasoning · Best-in-class coding ability · Efficient MoE architecture · Extremely low API price
3 Qwen3Top open-source Chinese model. Alibaba — Strongest Chinese understanding · Multimodal support · Agent capability · Full size coverage
Per 2026-04-29, Llama 4 (Meta) memimpin model open-source berdasarkan ekosistem dengan dukungan multimodal dan lisensi commercial-friendly, diikuti DeepSeek V4 (DeepSeek, penalaran open-source terkuat dengan arsitektur MoE dan harga API terendah) dan Qwen3 (Alibaba, model open-source pemimpin untuk bahasa Mandarin dan kemampuan agen).

This month's trends

Dari dominasi tunggal ke kompetisi spesialis

Pada 2026 AI bergeser dari satu model tujuan umum ke paradigma 'pilih model untuk tugas'. Setiap niche memiliki spesialisnya; routing multi-model kini menjadi arsitektur standar enterprise.

GPT-5.5 dan Claude Opus 4.7 — frontier ganda

Diluncurkan pada 16 dan 23 April 2026 secara berurutan, keduanya kini menentukan ujung tombak. GPT-5.5 menang pada coding agentik dan penggunaan terminal; Claude menang pada review kode dan refactoring.

Konteks 1M menjadi standar baru

Dari 128K ke 1M token — Gemini 3.1 Pro, Claude Opus 4.7, dan GPT-5.5 kini mendukung konteks 1M+, memungkinkan analisis repositori penuh.

Open source mengejar cepat

Llama 4, DeepSeek V4, dan Qwen3 kini menyamai closed-source di beberapa benchmark dengan 1/10 harga atau kurang.

Model Tiongkok domestik menembus global

Seedance 2.0 (video), Qwen3 (open source), Kling 3.0 (video), dan Qwen-VL (vision) semuanya masuk top tiga global di domain masing-masing.

Harga API terus turun

Harga LLM API telah turun sekitar 80% pada 2025-2026. Gemini 2.0 Flash dengan $0,10 / 1M token secara dramatis menurunkan barrier untuk aplikasi AI.

Sources & methodology

Data as of 2026-04-29

Monthly archive

August 2026 July 2026 June 2026 April 2026 · Current