 |
| Sumber Gambar : Magnific |
Jogjaterkini.id - Persaingan perusahaan kecerdasan buatan atau artificial intelligence (AI) semakin ketat pada 2026. Sejumlah perusahaan teknologi terus mengembangkan model AI dengan kemampuan yang lebih baik untuk menyelesaikan berbagai tugas, mulai dari pemrograman, matematika, hingga analisis data.
Dalam pengujian LiveBench, model AI Claude dari Anthropic berhasil mendominasi tiga posisi teratas dalam daftar model AI dengan skor keseluruhan tertinggi. Claude Fable 5.1 menempati peringkat pertama, disusul Claude Opus 5.5 dan Claude Fable 5.
Hasil tersebut menunjukkan kemampuan model AI dalam menyelesaikan berbagai tugas yang diujikan. Meski demikian, peringkat ini tidak menunjukkan seberapa cepat sebuah model memberikan jawaban, melainkan kualitas jawaban berdasarkan pengujian yang dilakukan.
LiveBench menyusun peringkat dengan menggabungkan hasil pengujian dari beberapa kategori. Metode ini memberikan gambaran mengenai kemampuan model AI dalam menangani beragam jenis pekerjaan, bukan hanya unggul pada satu bidang tertentu.
Claude Fable 5.1 Pimpin Peringkat AI 2026
Claude Fable 5.1 dari Anthropic berada di posisi pertama dengan skor 83,4 poin. Model tersebut unggul tipis dari Claude Opus 5.5 yang memperoleh 83,2 poin.
Sementara itu, Claude Fable 5 menempati posisi ketiga dengan skor 83 poin. Selisih nilai yang relatif kecil di antara ketiga model tersebut menunjukkan persaingan ketat di jajaran teratas.
OpenAI menjadi pesaing terdekat melalui GPT-6 Astra yang meraih skor 82,2 poin dan menempati peringkat keempat. GPT-6.1 Sol menyusul di posisi kelima dengan nilai 81,6 poin.
Model dari perusahaan lain juga masuk dalam daftar. Muse Spark 1.3 dari Meta berada di peringkat keenam dengan skor 81,6 poin, sedangkan DeepSeek V4.1 Flash dari DeepSeek menempati posisi ketujuh dengan nilai 81,1 poin.
Selain itu, terdapat sejumlah model AI dari berbagai pengembang, termasuk Kimi K3 dari Moonshot, Gemini 3.7 dari Google, Qwen 3.8 dari Alibaba, dan Grok 4.6 dari xAI.
Daftar 15 Model AI dengan Skor Tertinggi Versi LiveBench
Berikut daftar 15 model AI dengan skor keseluruhan tertinggi berdasarkan pengujian LiveBench yang tercantum dalam sumber.
Claude Fable 5.1 dari Anthropic: 83,4 poin
Claude Opus 5.5 dari Anthropic: 83,2 poin
Claude Fable 5 dari Anthropic: 83 poin
GPT-6 Astra dari OpenAI: 82,2 poin
GPT-6.1 Sol dari OpenAI: 81,6 poin
Muse Spark 1.3 dari Meta: 81,6 poin
DeepSeek V4.1 Flash dari DeepSeek: 81,1 poin
GPT-5.6 Sol dari OpenAI: 81,0 poin
GPT-5.5 Thinking dari OpenAI: 80,2 poin
Claude Opus 5 dari Anthropic: 80,1 poin
GPT-6 Sol: 79,3 poin
Kimi K3 dari Moonshot: 79,2 poin
Gemini 3.7 dari Google: 78,8 poin
Qwen 3.8 dari Alibaba: 78,5 poin
Grok 4.6 dari xAI: 78 poin
Dari daftar tersebut, Anthropic menempatkan empat model AI, termasuk Claude Opus 5, dalam 15 besar. OpenAI juga memiliki beberapa model yang bersaing di jajaran atas, sementara perusahaan lain hadir melalui model dengan karakteristik dan kemampuan yang beragam.
Namun, skor keseluruhan bukan satu-satunya aspek yang perlu diperhatikan. Pengguna yang membutuhkan AI untuk pemrograman, misalnya, dapat memperoleh gambaran lebih relevan dengan melihat hasil pengujian khusus coding.
Perbandingan Kemampuan AI Berdasarkan Kategori
LiveBench tidak hanya menyajikan peringkat umum. Platform tersebut juga mengelompokkan hasil pengujian berdasarkan tujuh kategori untuk memperlihatkan bidang yang menjadi keunggulan masing-masing model.
Hasilnya memperlihatkan bahwa tidak semua model AI terbaik secara keseluruhan menjadi pemimpin pada setiap kategori.
1. Reasoning atau Penalaran
Dalam pengujian penalaran, GPT-6 Astra dari OpenAI menempati posisi pertama dengan skor 92,7 poin. GPT-6.1 Sol berada di posisi kedua dengan 92,6 poin.
Claude Opus 5.5 menempati posisi ketiga dengan skor 92,2 poin, diikuti Claude Fable 5.1 dan GPT-5.6 Sol yang sama-sama memperoleh 91,7 poin.
Berikut lima model teratas dalam kategori penalaran:
GPT-6 Astra: 92,7 poin
GPT-6.1 Sol: 92,6 poin
Claude Opus 5.5: 92,2 poin
Claude Fable 5.1: 91,7 poin
GPT-5.6 Sol: 91,7 poin
Hasil ini menunjukkan bahwa model OpenAI memiliki keunggulan pada kategori penalaran dalam pengujian tersebut, meskipun model Claude juga mencatatkan skor tinggi.
2. Coding atau Pemrograman
Claude Opus 5.5 memimpin kategori coding dengan skor 89,3 poin. Posisi kedua ditempati Claude Sonnet 5.5 yang memperoleh 88,9 poin.
Anthropic kembali menunjukkan dominasinya melalui Claude Fable 5.1 dan Claude Fable 5 yang masing-masing meraih 86,4 poin dan 86 poin.
GPT-5.6 Sol dari OpenAI melengkapi lima besar dengan skor 83,9 poin.
Berikut peringkat lima teratas kategori coding:
Claude Opus 5.5: 89,3 poin
Claude Sonnet 5.5: 88,9 poin
Claude Fable 5.1: 86,4 poin
Claude Fable 5: 86 poin
GPT-5.6 Sol: 83,9 poin
Bagi pengguna yang memanfaatkan AI untuk membantu menulis kode, memahami struktur program, atau menyelesaikan persoalan pemrograman, kategori ini dapat menjadi salah satu acuan dalam memilih model.
3. Agentic Coding
Agentic coding menguji kemampuan model AI untuk mengerjakan tugas pemrograman secara mandiri dan bertahap. Kategori ini memiliki tingkat kesulitan berbeda karena model tidak hanya dituntut menghasilkan jawaban, tetapi juga menyelesaikan rangkaian pekerjaan.
DeepSeek V4.1 Flash menempati peringkat pertama dengan skor 77,3 poin. Claude Opus 5.5 berada di posisi kedua dengan 71,7 poin.
Hasil lengkap lima besar kategori agentic coding adalah sebagai berikut:
DeepSeek V4.1 Flash: 77,3 poin
Claude Opus 5.5: 71,7 poin
Claude Fable 5.1: 66,1 poin
Claude Opus 5: 65,2 poin
DeepSeek V4 Flash Vision Exp: 65,1 poin
DeepSeek V4.1 Flash menjadi model dengan nilai tertinggi pada kategori ini. Hasil tersebut memperlihatkan bahwa model yang berada di peringkat umum lebih rendah masih dapat unggul dalam tugas tertentu.
4. Matematika
Claude Opus 5.5 kembali menempati posisi teratas pada kategori matematika dengan skor 97,1 poin. Claude Fable 5.1 berada tepat di bawahnya dengan nilai 97 poin.
GPT-6 Astra dan GPT-6.1 Sol sama-sama mencatatkan skor 96,8 poin. Sementara itu, Claude Sonnet 5.5 melengkapi lima besar dengan nilai 96,7 poin.
Berikut lima model AI teratas dalam pengujian matematika:
Claude Opus 5.5: 97,1 poin
Claude Fable 5.1: 97 poin
GPT-6 Astra: 96,8 poin
GPT-6.1 Sol: 96,8 poin
Claude Sonnet 5.5: 96,7 poin
Skor tersebut menempatkan sejumlah model Claude dan GPT dalam persaingan yang sangat ketat. Perbedaan nilainya relatif kecil, sehingga hasil ini sebaiknya dipahami sebagai gambaran performa pada rangkaian soal yang digunakan LiveBench.
5. Analisis Data
Pada kategori analisis data, GPT-6 Astra memimpin dengan skor 83 poin. GPT-6.1 Sol berada di posisi kedua dengan 82,7 poin.
GPT-5.5 Thinking menempati peringkat ketiga dengan nilai 81,6 poin. Dua posisi berikutnya ditempati GPT-6 Sol dan Claude Fable 5.
Berikut daftar lima model terbaik untuk analisis data:
GPT-6 Astra: 83 poin
GPT-6.1 Sol: 82,7 poin
GPT-5.5 Thinking: 81,6 poin
GPT-6 Sol: 81,2 poin
Claude Fable 5: 80,5 poin
Dalam kategori ini, model OpenAI mendominasi empat posisi teratas. Claude Fable 5 menjadi satu-satunya model Anthropic yang masuk lima besar berdasarkan hasil yang dicantumkan.
6. Bahasa
Claude Fable 5 menempati peringkat pertama dalam kategori bahasa dengan skor 90,7 poin. GPT-6.1 Sol menyusul dengan nilai 90,1 poin.
Claude Fable 5.1 berada di posisi ketiga dengan skor 89,5 poin, sedangkan GPT-6 Astra meraih 89,4 poin. Claude Opus 5 melengkapi lima besar dengan skor 88,7 poin.
Berikut lima model teratas kategori bahasa:
Claude Fable 5: 90,7 poin
GPT-6.1 Sol: 90,1 poin
Claude Fable 5.1: 89,5 poin
GPT-6 Astra: 89,4 poin
Claude Opus 5: 88,7 poin
Dominasi Claude dalam kategori ini memperkuat posisi Anthropic pada pengujian bahasa. Meski begitu, model OpenAI tetap menunjukkan persaingan ketat dengan selisih skor yang relatif tipis.
7. Instruction Following atau Mengikuti Instruksi
Berbeda dari beberapa kategori sebelumnya, Gemini dari Google memimpin pengujian instruction following. Gemini 3.8 Flash menempati posisi pertama dengan skor 81,4 poin.
Gemini 3.7 Flash berada di posisi kedua dengan nilai 79,9 poin, disusul Gemini 3.1 Pro dengan skor 79,1 poin.
Muse Spark 1.3 dari Meta menempati posisi keempat, sedangkan Qwen 3.8 Flash Next dari Alibaba melengkapi lima besar.
Berikut daftar lima model AI teratas kategori mengikuti instruksi:
Gemini 3.8 Flash: 81,4 poin
Gemini 3.7 Flash: 79,9 poin
Gemini 3.1 Pro: 79,1 poin
Muse Spark 1.3: 78 poin
Qwen 3.8 Flash Next: 77,1 poin
Hasil ini menunjukkan bahwa kemampuan mengikuti instruksi memiliki pola persaingan tersendiri. Model yang unggul dalam coding atau matematika belum tentu menjadi pemimpin ketika diuji berdasarkan kemampuannya memahami dan menjalankan instruksi.
Bagaimana LiveBench Menguji Kemampuan Model AI?
LiveBench menggunakan serangkaian soal yang diperbarui secara berkala untuk mengukur kemampuan model AI. Pengujian tersebut dirancang agar hasilnya tidak hanya mencerminkan kemampuan model mengingat jawaban dari soal yang pernah ditemukan selama proses pelatihan.
Salah satu pendekatan yang digunakan adalah mengambil pertanyaan dari sumber relatif baru, seperti makalah ilmiah di arXiv, berita, dan kompetisi matematika.
Jawaban model kemudian dicocokkan dengan kunci jawaban objektif. Dengan pendekatan tersebut, penilaian tidak bergantung pada evaluasi subjektif manusia atau model AI lain.
LiveBench juga mengganti seluruh set soal sekitar setiap enam bulan. Rilis terbaru yang disebutkan dalam sumber bertanggal 25 Juni 2026.
Dalam pengujian tersebut, setiap model harus mengerjakan 23 tugas yang terbagi ke dalam tujuh kategori. Skor dari setiap kategori kemudian digunakan untuk menyusun peringkat keseluruhan.
Metode ini membantu memberikan gambaran yang lebih luas tentang kemampuan model AI. Namun, hasilnya tetap bergantung pada jenis soal, metode penilaian, dan kategori yang digunakan dalam pengujian.
Mengapa Skor dari Rilis LiveBench Tidak Bisa Dibandingkan Langsung?
Pembaruan soal secara berkala menjadi salah satu hal penting dalam membaca hasil LiveBench. Karena kumpulan soal diganti, skor dari dua rilis berbeda tidak dapat dibandingkan secara langsung.
Sebagai contoh, model yang memperoleh nilai lebih tinggi dalam rilis terbaru belum tentu mengalami peningkatan kemampuan dengan besaran yang sama jika dibandingkan dengan model lain pada rilis sebelumnya. Perubahan nilai bisa dipengaruhi oleh perbedaan soal yang digunakan.
Pembaruan ini juga bertujuan mengurangi risiko kontaminasi data, yakni kondisi ketika soal pengujian sudah masuk ke data pelatihan model. Jika model pernah mempelajari soal beserta jawabannya, skor tinggi belum tentu sepenuhnya mencerminkan kemampuan menyelesaikan persoalan baru.
Selain itu, keterangan seperti Max atau xHigh pada nama model menunjukkan tingkat usaha penalaran yang digunakan selama pengujian. Informasi tersebut perlu diperhatikan ketika membaca dan membandingkan hasil antarmodel.
Kesimpulan
Daftar LiveBench 2026 menempatkan Claude Fable 5.1, Claude Opus 5.5, dan Claude Fable 5 sebagai tiga model AI dengan skor keseluruhan tertinggi. Anthropic menunjukkan keunggulan dalam sejumlah kategori, termasuk coding, matematika, dan bahasa.
Namun, persaingan tidak hanya didominasi satu perusahaan. OpenAI memimpin kategori penalaran dan analisis data, DeepSeek unggul dalam agentic coding, sedangkan Gemini menempati posisi teratas pada pengujian mengikuti instruksi.
Bagi pengguna, hasil benchmark ini dapat menjadi salah satu referensi untuk memilih model AI sesuai kebutuhan. Meski demikian, peringkat keseluruhan sebaiknya tidak menjadi satu-satunya pertimbangan. Kemampuan pada tugas tertentu, konsistensi jawaban, serta kecocokan dengan kebutuhan penggunaan sehari-hari juga perlu diperhatikan.
