Perbandingan Kemampuan Model AI
Rekayasa pembelajaran mesin
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.
MysteryMechanismInferensi mekanisme tersembunyi
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| No. | Model | Cost / TestBiaya per tes | Input costHarga input per juta token | Output costHarga output per juta token | DurationDurasi tes dilaporkan | |
|---|---|---|---|---|---|---|
| 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 Diperbarui 21 Okt 2026, 06.01 UTC
Sumber: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Panduan kolom
- No.
- Hanya urutan tampilan. Pengurutan mengubah nomor ini; ini bukan peringkat kemampuan yang dipublikasikan.
- Model
- Nama model yang dievaluasi dan ikon penyedianya. Tanda hubung pada kolom skor berarti tidak ada skor yang dipublikasikan yang tersedia di sini, bukan nol.
- Skor
- Menguji penemuan mekanisme matematika tersembunyi melalui eksperimen dengan umpan balik terbatas. Metodologi evaluasi ↗
- Cost / Test
- Biaya per tes · USD
- Input cost
- Harga input per juta token · USD / 1M tokens
- Output cost
- Harga output per juta token · USD / 1M tokens
- Duration
- Durasi tes dilaporkan · s / min
- Vals.ai
- Biaya dan waktu dilaporkan oleh Vals untuk benchmark ini, bukan harga atau latensi model secara universal. Estimasi biaya API CUA-bench mencakup penggunaan evaluasi dan merupakan estimasi batas bawah, bukan biaya per tugas; waktu per aksi adalah rata-rata, bukan median. Tanda bintang menandai perilaku prompt-cache pada hari peluncuran yang meningkatkan biaya penulisan cache. Nilai yang hilang berarti belum dipublikasikan, bukan nol.