AI-mallien kyvykkyysvertailu
Koneoppimistekniikka
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.
ProgramBenchOhjelmointibenchmark
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| Nro. | Malli | Cost / TestKustannus per testi | Input costSyötteen hinta miljoonaa tokenia kohti | Output costTuotoksen hinta miljoonaa tokenia kohden | DurationIlmoitettu testin kesto | |
|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 18.5 | $68.05 | $4 | $20 | 144 min |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 7 | $58.52 | $10 | $50 | 147 min |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 6.5 | $35.86 | $2 | $10 | 127 min |
| 4 |  GPT-6 AstraGPT-6 Astra | 5.5 | $11.57 | $10 | $50 | 27.03 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 3 | $2.87 | $2 | $10 | 70 min |
| 6 | Claude Opus 5Claude Opus 5 | 3 | $60.29 | $5 | $25 | 175 min |
| 7 |  Gemini 4 ArgonGemini 4 Argon | 2.5 | $17.66 | $4 | $20 | 71 min |
| 8 | Claude Haiku 5.5Claude Haiku 5.5 | 2.5 | $6.83 | $0.1 | $0.5 | 73 min |
| 9 | GPT-6 SolGPT-6 Sol | 2 | $11.67 | $2 | $10 | 46.18 min |
| 10 | GPT-6 LunaGPT-6 Luna | 0.5 | $0.18 | $0.1 | $0.5 | 28.92 min |
PandaNpc Päivitetty 21.10.2026 klo 06.01 UTC
Lähde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sarakkeiden opas
- Nro.
- Vain näyttöjärjestys. Lajittelu muuttaa tätä numeroa; se ei ole julkaistu kyvykkyyssijoitus.
- Malli
- Arvioidun mallin nimi ja sen tarjoajan kuvake. Viiva pistesarakkeessa tarkoittaa, ettei julkaistua pistettä ole saatavilla tässä, ei nollaa.
- Pisteet
- Testaa ohjelmien rekonstruoimista tyhjästä vastaamaan vaadittua toimintaa. Arviointimenetelmä ↗
- Cost / Test
- Kustannus per testi · USD
- Input cost
- Syötteen hinta miljoonaa tokenia kohti · USD / 1M tokens
- Output cost
- Tuotoksen hinta miljoonaa tokenia kohden · USD / 1M tokens
- Duration
- Ilmoitettu testin kesto · s / min
- Vals.ai
- Vals ilmoittaa tämän benchmarkin kustannukset ja ajat, eivät yleisiä mallihintoja tai latenssia. CUA-benchin arvioitu API-kustannus kattaa arviointikäytön ja on alarajan arvio, ei kustannus tehtävää kohti; aika toimintoa kohti on keskiarvo, ei mediaani. Tähti merkitsee julkaisupäivän prompt-cache-käyttäytymistä, joka nosti cache-kirjoituskustannuksia. Puuttuvat arvot ovat julkaisemattomia, eivät nollia.