AI-modellers kapacitetssammenligning
ML-ingeniørarbejde
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.
MysteryMechanismSkjult mekanisme-inferens
— 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 |  GPT-6 AstraGPT-6 Astra | 53.15 | $1.56 | $10 | $50 | 8.15 min |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 49.55 | $4.62 | $4 | $20 | 19.63 min |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 49.1 | $3.45 | $2 | $10 | 23.5 min |
| 4 | Claude Fable 5.1Claude Fable 5.1 | 47.75 | $5.63 | $10 | $50 | 17.68 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 46.4 | $0.28 | $2 | $10 | 7.28 min |
| 6 |  Gemini 4 ArgonGemini 4 Argon | 45.49 | $4.59 | $4 | $20 | 24.92 min |
| 7 | Claude Opus 5Claude Opus 5 | 37.39 | $3.28 | $5 | $25 | 16.88 min |
| 8 | Claude Haiku 5.5Claude Haiku 5.5 | 35.13 | $0.54 | $0.1 | $0.5 | 13.42 min |
| 9 | GPT-6 SolGPT-6 Sol | 30.18 | $0.46 | $2 | $10 | 6.22 min |
| 10 | GPT-6 LunaGPT-6 Luna | 19.37 | $0.03 | $0.1 | $0.5 | 6.02 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 evnen til at opdage skjulte matematiske mekanismer gennem eksperimenter med begrænset feedback. 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.