Vergelijking van AI-modelcapaciteiten
Multimodaal
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 MultimodalMultimodale software-engineeringbenchmark
— 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 | Input / Output TokensGerapporteerd tokengebruik voor invoer/uitvoer | |
|---|---|---|---|---|---|---|---|
| 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-benchmarks
Bron: Vals.ai ↗ · Bijgewerkt 2026-10-19
SWE-bench Multimodal · Bijgewerkt 2026-10-16
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 software-engineeringtaken die zowel visuele informatie als code vereisen, zoals het interpreteren van screenshots van een interface. 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
- Input / Output Tokens
- Gerapporteerd tokengebruik voor invoer/uitvoer · tokens
- 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.