AI-modellers kapacitetssammenligning
Agentisk kodning
Only models released within the past year are shown. Only benchmarks covering at least 3 of these models are shown. Unknown release dates are excluded; historical data is retained.
Vibe Code BenchVibe coding-benchmark
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| Nr. | Model | Cost / TestPris pr. test | Input costInputpris pr. million tokens | Output costOutputpris pr. million tokens | DurationRapporteret testvarighed | |
|---|---|---|---|---|---|---|
| 1 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 92.39 | $31.25 | $2 | $10 | 61 min |
| 2 |  Gemini 4 ArgonGemini 4 Argon | 91.91 | $8.11 | $4 | $20 | 37.47 min |
| 3 | Claude Haiku 5.5Claude Haiku 5.5 | 90.44 | $6.07 | $0.1 | $0.5 | 34.6 min |
| 4 | Claude Opus 5.5Claude Opus 5.5 | 90.29 | $57.92 | $4 | $20 | 96 min |
| 5 | Claude Fable 5.1Claude Fable 5.1 | 90.26 | $33.37 | $10 | $50 | 57.67 min |
| 6 |  GPT-6 AstraGPT-6 Astra | 89.59 | $38.51 | $10 | $50 | 39.07 min |
| 7 | GPT-6.1 SolGPT-6.1 Sol | 88.93 | $6.23 | $2 | $10 | 75 min |
| 8 | Claude Opus 5Claude Opus 5 | 88.4 | $33.88 | $5 | $25 | 88 min |
| 9 | GPT-6 SolGPT-6 Sol | 87.82 | $26.36 | $2 | $10 | 38.93 min |
| 10 | GPT-6 LunaGPT-6 Luna | 81.65 | $1.35 | $0.1 | $0.5 | 37 min |
PandaNpc Opdateret 21. okt. 2026, 06.01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneguide
- Nr.
- Kun visningsrækkefølge. Sortering ændrer dette tal; det er ikke en offentliggjort kapacitetsrangering.
- Model
- Navnet på den evaluerede model og dens udbyderikon. En bindestreg i en scorekolonne betyder, at der ikke er en offentliggjort score tilgængelig her, ikke et nul.
- Score
- Tester opbygning af webapplikationer ud fra anmodninger i naturligt sprog, og evaluerer den resulterende applikation frem for isolerede kodesvar. Evalueringsmetodik ↗
- Cost / Test
- Pris pr. test · USD
- Input cost
- Inputpris pr. million tokens · USD / 1M tokens
- Output cost
- Outputpris pr. million tokens · USD / 1M tokens
- Duration
- Rapporteret testvarighed · s / min
- Vals.ai
- Omkostninger og tider rapporteres af Vals for dette benchmark, ikke universelle modelpriser eller latenstid. Den estimerede API-omkostning for CUA-bench dækker evalueringsbrug og er et nedre grænseestimat, ikke omkostning pr. opgave; tid pr. handling er et gennemsnit, ikke en median. En stjerne markerer prompt-cache-adfærd på udgivelsesdagen, som øgede omkostninger til cache-skrivning. Manglende værdier er ikke offentliggjorte, ikke nul.