AI-mallien kyvykkyysvertailu
Agenttikoodaus
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-koodausbenchmark
— 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 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 |
Vals.ai-vertailutestit
Lähde: Vals.ai ↗ · Päivitetty 2026-10-19
Vibe Code Bench · Päivitetty 2026-10-19
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 verkkosovellusten rakentamista luonnollisen kielen pyynnöistä, arvioiden syntyvää sovellusta yksittäisten koodivastausten sijaan. 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.