Perbandingan Kemampuan Model AI
Pengodean agentik
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 BenchBenchmark pengodean vibe
— 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 |  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 |
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 pembuatan aplikasi web dari permintaan bahasa alami, mengevaluasi aplikasi yang dihasilkan alih-alih jawaban kode yang terisolasi. 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.