Comparație a capabilităților modelelor AI
Inginerie ML
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.
ProgramBenchBenchmark de programare
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| Nr. | Model | Cost / TestCost pe test | Input costPreț de intrare per milion de token | Output costPreț de ieșire per milion de token | DurationDurata raportată a testului | |
|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 18.5 | $68.05 | $4 | $20 | 144 min |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 7 | $58.52 | $10 | $50 | 147 min |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 6.5 | $35.86 | $2 | $10 | 127 min |
| 4 |  GPT-6 AstraGPT-6 Astra | 5.5 | $11.57 | $10 | $50 | 27.03 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 3 | $2.87 | $2 | $10 | 70 min |
| 6 | Claude Opus 5Claude Opus 5 | 3 | $60.29 | $5 | $25 | 175 min |
| 7 |  Gemini 4 ArgonGemini 4 Argon | 2.5 | $17.66 | $4 | $20 | 71 min |
| 8 | Claude Haiku 5.5Claude Haiku 5.5 | 2.5 | $6.83 | $0.1 | $0.5 | 73 min |
| 9 | GPT-6 SolGPT-6 Sol | 2 | $11.67 | $2 | $10 | 46.18 min |
| 10 | GPT-6 LunaGPT-6 Luna | 0.5 | $0.18 | $0.1 | $0.5 | 28.92 min |
PandaNpc Actualizat 21 oct. 2026, 06:01 UTC
Sursă: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Ghid pentru coloane
- Nr.
- Numai ordinea de afișare. Sortarea modifică acest număr; nu este un rang publicat de capacitate.
- Model
- Numele modelului evaluat și pictograma furnizorului său. O liniuță într-o coloană de scor înseamnă că nu există un scor publicat disponibil aici, nu un zero.
- Scor
- Testează reconstruirea programelor de la zero pentru a corespunde comportamentului cerut. Metodologie de evaluare ↗
- Cost / Test
- Cost pe test · USD
- Input cost
- Preț de intrare per milion de token · USD / 1M tokens
- Output cost
- Preț de ieșire per milion de token · USD / 1M tokens
- Duration
- Durata raportată a testului · s / min
- Vals.ai
- Costurile și timpii sunt raportate de Vals pentru acest benchmark, nu sunt prețuri sau latențe universale ale modelului. Costul API estimat pentru CUA-bench acoperă utilizarea în evaluare și este o estimare inferioară, nu costul per sarcină; timpul per acțiune este o medie, nu o mediană. Un asterisc marchează comportamentul prompt-cache din ziua lansării care a crescut costurile de scriere în cache. Valorile lipsă sunt nepublicate, nu zero.