Porównanie możliwości modeli AI
Multimodalny
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 MultimodalMultimodalny benchmark inżynierii oprogramowania
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| Nr | Model | Cost / TestKoszt na test | Input costCena za milion tokenów wejściowych | Output costCena za milion tokenów wyjściowych | DurationZgłoszony czas testu | Input / Output TokensZgłoszone użycie tokenów wejściowych / wyjściowych | |
|---|---|---|---|---|---|---|---|
| 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 |
Benchmarki Vals.ai
Źródło: Vals.ai ↗ · Aktualizacja 2026-10-19
SWE-bench Multimodal · Aktualizacja 2026-10-16
PandaNpc Aktualizacja 21 paź 2026, 06:01 UTC
Źródło: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Przewodnik po kolumnach
- Nr
- Tylko kolejność wyświetlania. Sortowanie zmienia ten numer; nie jest to opublikowana pozycja w rankingu możliwości.
- Model
- Nazwa ocenianego modelu i ikona jego dostawcy. Myślnik w kolumnie z wynikiem oznacza brak opublikowanego wyniku w tym miejscu, a nie zero.
- Wynik
- Testuje zadania inżynierii oprogramowania, które wymagają informacji wizualnych oraz kodu, takie jak interpretowanie zrzutów ekranu interfejsu. Metodologia oceny ↗
- Cost / Test
- Koszt na test · USD
- Input cost
- Cena za milion tokenów wejściowych · USD / 1M tokens
- Output cost
- Cena za milion tokenów wyjściowych · USD / 1M tokens
- Duration
- Zgłoszony czas testu · s / min
- Input / Output Tokens
- Zgłoszone użycie tokenów wejściowych / wyjściowych · tokens
- Vals.ai
- Koszty i czasy są podawane przez Vals dla tego benchmarku, a nie są uniwersalnymi cenami modeli ani opóźnieniem. Szacowany koszt API CUA-bench obejmuje użycie w ewaluacji i jest szacunkiem dolnym, a nie kosztem na zadanie; czas na akcję to średnia, a nie mediana. Gwiazdka oznacza zachowanie pamięci podręcznej promptów w dniu premiery, które zwiększyło koszty zapisu do pamięci podręcznej. Brakujące wartości są niepublikowane, a nie zerowe.