Confronto delle capacità dei modelli AI
Lavoro cognitivo
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.
Vals IndexIndice composito Vals
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| N. | Modello | Cost / TestCosto per test | Input costPrezzo di input per milione di token | Output costPrezzo dell'output per milione di token | DurationDurata del test segnalata | Input / Output TokensUtilizzo segnalato dei token di input / output | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 70.85 | $18.7 | $2 | $10 | 86 min | 45.09B / 654.94M |
| 2 | Claude Opus 5.5Claude Opus 5.5 | 70.18 | $28.12 | $4 | $20 | 85 min | 31.96B / 499.75M |
| 3 |  Gemini 4 ArgonGemini 4 Argon | 69.24 | $13.37 | $4 | $20 | 44.97 min | 13.36B / 146.17M |
| 4 |  GPT-6 AstraGPT-6 Astra | 65.02 | $21.28 | $10 | $50 | 33.65 min | 4.92B / 96.77M |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 63.94 | $3.61 | $2 | $10 | 44.4 min | 5.49B / 103.20M |
| 6 | Claude Haiku 5.5Claude Haiku 5.5 | 58.71 | $3.17 | $0.1 | $0.5 | 49.8 min | 23.07B / 765.85M |
| 7 | GPT-6 LunaGPT-6 Luna | 52.32 | $0.45 | $0.1 | $0.5 | 32.38 min | 10.05B / 202.17M |
PandaNpc Aggiornato 21 ott 2026, 06:01 UTC
Fonte: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Guida alle colonne
- N.
- Solo ordine di visualizzazione. L'ordinamento modifica questo numero; non è una classifica di capacità pubblicata.
- Modello
- Il nome del modello valutato e l'icona del suo fornitore. Un trattino in una colonna di punteggio indica che qui non è disponibile alcun punteggio pubblicato, non uno zero.
- Cost / Test
- Costo per test · USD
- Input cost
- Prezzo di input per milione di token · USD / 1M tokens
- Output cost
- Prezzo dell'output per milione di token · USD / 1M tokens
- Duration
- Durata del test segnalata · s / min
- Input / Output Tokens
- Utilizzo segnalato dei token di input / output · tokens
- Vals.ai
- I costi e i tempi sono riportati da Vals per questo benchmark, non sono prezzi o latenza universali dei modelli. Il costo API stimato di CUA-bench copre l'utilizzo per la valutazione ed è una stima per difetto, non il costo per attività; il tempo per azione è una media, non una mediana. Un asterisco indica il comportamento della prompt-cache del giorno di lancio che ha aumentato i costi di scrittura della cache. I valori mancanti non sono pubblicati, non sono zero.
- Vals Finance Agent v2Agente finanziario Vals v2
- Verifica l'analisi finanziaria con ricerca, report finanziari e strumenti di calcolo, inclusi controlli dei dati tra documenti, confronti delle prestazioni aziendali e valutazione. La metrica principale è Partial Credit, mediata su tre esecuzioni: i controlli delle risposte ricevono pesi basati sulla gravità e un errore critico da dealbreaker fa ottenere un punteggio zero a quella domanda. Un valore più alto è migliore. È distinta dalla metrica separata All-Pass e non è il tasso di superamento dell'intera domanda. Metodologia di valutazione ↗
- Harvey's Legal Agent BenchmarkBenchmark agente legale Harvey
- Verifica agenti che leggono e modificano file per produrre elaborati legali multi-step. Un'attività è superata solo quando ogni requisito di valutazione è soddisfatto. Il punteggio è la media del tasso di superamento delle attività da due giudici; un valore più alto è migliore. Non è la percentuale di criteri individuali superati e misura flussi di lavoro di agenti legali, non le domande di ragionamento giuridico di LegalBench. Metodologia di valutazione ↗
- Vals IndexIndice composito Vals
- Un indice composito di attività professionali in aree come finanza, coding e diritto. Il suo punteggio percentuale combina i risultati dei benchmark usando il metodo di ponderazione di quella versione pubblicata; un valore più alto indica una prestazione complessiva più forte, non l'accuratezza di una singola attività. I domini e i pesi inclusi cambiano tra le versioni, quindi la metodologia più recente non deve essere applicata retroattivamente a snapshot di punteggi precedenti. Metodologia di valutazione ↗
- LegalBenchBenchmark di ragionamento giuridico
- Verifica la comprensione e il ragionamento su testi legali, inclusi l'identificazione di questioni legali, il richiamo e l'applicazione di regole e la valutazione di conclusioni legali. Il punteggio è l'accuratezza su domande di ragionamento giuridico; un valore più alto è migliore. A differenza di Harvey's Legal Agent Benchmark, non misura un agente che produce elaborati legali multi-step modificando file. Metodologia di valutazione ↗