Confronto delle capacità dei modelli AI
Multimodale
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.
SWE-bench MultimodalBenchmark di ingegneria del software multimodale
— means no published score for this candidate in this source, not zero.8/11 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 Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
Benchmark di Vals.ai
Fonte: Vals.ai ↗ · Aggiornato 2026-10-19
SWE-bench Multimodal · Aggiornato 2026-10-16
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.
- Punteggio
- Verifica attività di ingegneria del software che richiedono informazioni visive oltre al codice, come interpretare screenshot di un'interfaccia. Metodologia di valutazione ↗
- 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.