Comparație a capabilităților modelelor AI
Programare agentică
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 2.1Benchmark terminal 2.1
— means no published score for this candidate in this source, not zero.8/11 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 | 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 |
Benchmarkuri Vals.ai
Sursă: Vals.ai ↗ · Actualizat 2026-10-19
Terminal-Bench 2.1 · Actualizat 2026-09-28
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 finalizarea sarcinilor practice într-un mediu de terminal, cum ar fi programarea și operațiunile de sistem. Versiunile folosesc seturi diferite de sarcini și ar trebui comparate separat. 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.