AI-modellers kapacitetsjämförelse
ML-ingenjörskonst
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.
ProgramBenchProgrammeringsbenchmark
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| Nr. | Modell | Cost / TestKostnad per test | Input costIndatapris per miljon token | Output costPris för utdata per miljon tokens | DurationRapporterad testvaraktighet | |
|---|---|---|---|---|---|---|
| 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 Uppdaterad 21 okt. 2026 06:01 UTC
Källa: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Kolumnvägledning
- Nr.
- Endast visningsordning. Sortering ändrar detta nummer; det är inte en publicerad kapacitetsrankning.
- Modell
- Det utvärderade modellnamnet och dess leverantörsikon. Ett streck i en poängkolumn betyder att ingen publicerad poäng finns här, inte en nolla.
- Poäng
- Testar att rekonstruera program från grunden för att matcha krävt beteende. Utvärderingsmetodik ↗
- Cost / Test
- Kostnad per test · USD
- Input cost
- Indatapris per miljon token · USD / 1M tokens
- Output cost
- Pris för utdata per miljon tokens · USD / 1M tokens
- Duration
- Rapporterad testvaraktighet · s / min
- Vals.ai
- Kostnader och tider rapporteras av Vals för detta benchmark, inte universella modellpriser eller latens. Den uppskattade API-kostnaden för CUA-bench täcker utvärderingsanvändning och är en uppskattning av nedre gränsen, inte kostnad per uppgift; tid per åtgärd är ett genomsnitt, inte en median. En asterisk markerar prompt-cache-beteende på lanseringsdagen som ökade kostnaderna för cache-skrivningar. Saknade värden är opublicerade, inte noll.