Vergelijking van AI-modelcapaciteiten
Agentisch coderen
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.
Terminal-Bench 2.1Terminalbenchmark 2.1
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| Nr. | Model | Cost / TestKosten per test | Input costInvoerprijs per miljoen tokens | Output costUitvoerprijs per miljoen tokens | DurationGerapporteerde testduur | |
|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 87.64 | $0.5 | $4 | $20 | 6.38 min |
| 2 |  GPT-6 AstraGPT-6 Astra | 87.27 | $1.34 | $10 | $50 | 4.57 min |
| 3 | Claude Fable 5.1Claude Fable 5.1 | 85.02 | $3.07 | $10 | $50 | 8.33 min |
| 4 | Claude Opus 5Claude Opus 5 | 84.64 | $0.89 | $5 | $25 | 12.55 min |
| 5 | Claude Sonnet 5.5Claude Sonnet 5.5 | 83.15 | $0.63 | $2 | $10 | 7.77 min |
| 6 | GPT-6 SolGPT-6 Sol | 83.15 | $0.37 | $2 | $10 | 4.98 min |
| 7 | GPT-6 LunaGPT-6 Luna | 73.03 | $0.03 | $0.1 | $0.5 | 7.08 min |
| 8 |  Gemini 4 ArgonGemini 4 Argon | 57.68 | — | $4 | $20 | 14.03 min |
PandaNpc Bijgewerkt 21 okt 2026, 06:01 UTC
Bron: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolomgids
- Nr.
- Alleen weergavevolgorde. Sorteren verandert dit nummer; het is geen gepubliceerde capaciteitsrang.
- Model
- De naam van het geëvalueerde model en het pictogram van de provider. Een streepje in een scorekolom betekent dat hier geen gepubliceerde score beschikbaar is, niet een nul.
- Score
- Test het voltooien van praktische taken in een terminalomgeving, zoals coderen en systeembeheer. Versies gebruiken verschillende takenverzamelingen en moeten afzonderlijk worden vergeleken. Evaluatiemethodologie ↗
- Cost / Test
- Kosten per test · USD
- Input cost
- Invoerprijs per miljoen tokens · USD / 1M tokens
- Output cost
- Uitvoerprijs per miljoen tokens · USD / 1M tokens
- Duration
- Gerapporteerde testduur · s / min
- Vals.ai
- Kosten en tijden worden voor deze benchmark gerapporteerd door Vals, niet als universele modelprijzen of latentie. De geschatte API-kosten van CUA-bench dekken evaluatiegebruik en zijn een ondergrens, niet de kosten per taak; tijd per actie is een gemiddelde, niet een mediaan. Een asterisk markeert prompt-cachegedrag op de lanceerdag dat de cache-schrijfkosten verhoogde. Ontbrekende waarden zijn niet gepubliceerd, niet nul.