AI-modellers kapacitetsjämförelse
Agentisk kodning
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 2.1Terminalbenchmark 2.1
— means no published score for this candidate in this source, not zero.8/11 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 | 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 |
Vals.ai-benchmarkar
Källa: Vals.ai ↗ · Uppdaterad 2026-10-19
Terminal-Bench 2.1 · Uppdaterad 2026-09-28
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 slutföra praktiska uppgifter i en terminalmiljö, såsom kodning och systemoperationer. Versioner använder olika uppsättningar uppgifter och bör jämföras separat. 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.