Sammenligning av AI-modellers kapabiliteter
Multimodal
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 MultimodalMultimodal programvareutviklingsbenchmark
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| Nr. | Modell | Cost / TestKostnad per test | Input costInndatapris per million tokens | Output costPris for utdata per million tokens | DurationRapportert testvarighet | Input / Output TokensRapportert bruk av inndata-/utdatatoken | |
|---|---|---|---|---|---|---|---|
| 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 |
Vals.ai-benchmarker
Kilde: Vals.ai ↗ · Oppdatert 2026-10-19
SWE-bench Multimodal · Oppdatert 2026-10-16
PandaNpc Oppdatert 21. okt. 2026, 06:01 UTC
Kilde: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolonneveiledning
- Nr.
- Kun visningsrekkefølge. Sortering endrer dette tallet; det er ikke en publisert kapabilitetsrangering.
- Modell
- Navnet på den evaluerte modellen og ikonet til leverandøren. En strek i en poengkolonne betyr at ingen publisert poengsum er tilgjengelig her, ikke null.
- Poeng
- Tester oppgaver innen programvareutvikling som krever både visuell informasjon og kode, for eksempel å tolke skjermbilder av et grensesnitt. Evalueringsmetodikk ↗
- Cost / Test
- Kostnad per test · USD
- Input cost
- Inndatapris per million tokens · USD / 1M tokens
- Output cost
- Pris for utdata per million tokens · USD / 1M tokens
- Duration
- Rapportert testvarighet · s / min
- Input / Output Tokens
- Rapportert bruk av inndata-/utdatatoken · tokens
- Vals.ai
- Kostnader og tider rapporteres av Vals for denne benchmarken, ikke universelle modellpriser eller latens. Estimert API-kostnad for CUA-bench dekker evalueringsbruk og er et nedre anslag, ikke kostnad per oppgave; tid per handling er et gjennomsnitt, ikke en median. En asterisk markerer prompt-cache-atferd på lanseringsdagen som økte kostnader for cache-skriving. Manglende verdier er upubliserte, ikke null.