Vergleich der Fähigkeiten von KI-Modellen
Multimodal
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.
SWE-bench MultimodalMultimodaler Software-Engineering-Benchmark
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| Nr. | Modell | Cost / TestKosten pro Test | Input costEingabepreis pro Million Token | Output costAusgabepreis pro Million Token | DurationGemeldete Testdauer | Input / Output TokensGemeldete Eingabe-/Ausgabe-Token-Nutzung | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
Vals.ai-Benchmarks
Quelle: Vals.ai ↗ · Aktualisiert 2026-10-19
SWE-bench Multimodal · Aktualisiert 2026-10-16
PandaNpc Aktualisiert 21. Okt. 2026, 06:01 UTC
Quelle: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Spaltenleitfaden
- Nr.
- Nur Anzeigereihenfolge. Sortierung ändert diese Nummer; sie ist kein veröffentlichter Fähigkeitsrang.
- Modell
- Der Name des bewerteten Modells und sein Anbietersymbol. Ein Bindestrich in einer Wertspalte bedeutet, dass hier kein veröffentlichter Wert verfügbar ist, nicht eine Null.
- Punktzahl
- Testet Software-Engineering-Aufgaben, die sowohl visuelle Informationen als auch Code erfordern, wie das Interpretieren von Screenshots einer Benutzeroberfläche. Evaluierungsmethodik ↗
- Cost / Test
- Kosten pro Test · USD
- Input cost
- Eingabepreis pro Million Token · USD / 1M tokens
- Output cost
- Ausgabepreis pro Million Token · USD / 1M tokens
- Duration
- Gemeldete Testdauer · s / min
- Input / Output Tokens
- Gemeldete Eingabe-/Ausgabe-Token-Nutzung · tokens
- Vals.ai
- Kosten und Zeiten werden für diesen Benchmark von Vals gemeldet, nicht als allgemeine Modellpreise oder Latenz. Die geschätzten API-Kosten für CUA-bench decken die Evaluierungsnutzung ab und sind eine untere Abschätzung, nicht die Kosten pro Aufgabe; die Zeit pro Aktion ist ein Durchschnitt, kein Median. Ein Sternchen kennzeichnet das Prompt-Cache-Verhalten am Launch-Tag, das die Cache-Schreibkosten erhöht hat. Fehlende Werte sind unveröffentlicht, nicht null.