การเปรียบเทียบความสามารถของโมเดล AI
วิศวกรรม 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.
MysteryMechanismการอนุมานกลไกที่ซ่อนอยู่
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| ลำดับ | โมเดล | Cost / Testค่าใช้จ่ายต่อการทดสอบ | Input costราคาอินพุตต่อล้านโทเคน | Output costราคาเอาต์พุตต่อล้าน token | Durationระยะเวลาทดสอบที่รายงาน | |
|---|---|---|---|---|---|---|
| 1 |  GPT-6 AstraGPT-6 Astra | 53.15 | $1.56 | $10 | $50 | 8.15 min |
| 2 |  Claude Opus 5.5Claude Opus 5.5 | 49.55 | $4.62 | $4 | $20 | 19.63 min |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 49.1 | $3.45 | $2 | $10 | 23.5 min |
| 4 | Claude Fable 5.1Claude Fable 5.1 | 47.75 | $5.63 | $10 | $50 | 17.68 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 46.4 | $0.28 | $2 | $10 | 7.28 min |
| 6 |  Gemini 4 ArgonGemini 4 Argon | 45.49 | $4.59 | $4 | $20 | 24.92 min |
| 7 | Claude Opus 5Claude Opus 5 | 37.39 | $3.28 | $5 | $25 | 16.88 min |
| 8 | Claude Haiku 5.5Claude Haiku 5.5 | 35.13 | $0.54 | $0.1 | $0.5 | 13.42 min |
| 9 | GPT-6 SolGPT-6 Sol | 30.18 | $0.46 | $2 | $10 | 6.22 min |
| 10 | GPT-6 LunaGPT-6 Luna | 19.37 | $0.03 | $0.1 | $0.5 | 6.02 min |
PandaNpc อัปเดต 21 ต.ค. 2569 06:01 UTC
แหล่งที่มา: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
คำแนะนำคอลัมน์
- ลำดับ
- เป็นเพียงลำดับการแสดงผลเท่านั้น การจัดเรียงจะเปลี่ยนตัวเลขนี้ ไม่ใช่การจัดอันดับความสามารถที่เผยแพร่
- โมเดล
- ชื่อโมเดลที่ถูกประเมินและไอคอนผู้ให้บริการ เครื่องหมายขีดในคอลัมน์คะแนนหมายความว่าไม่มีคะแนนที่เผยแพร่ที่นี่ ไม่ใช่ศูนย์
- คะแนน
- ทดสอบการค้นพบกลไกทางคณิตศาสตร์ที่ซ่อนอยู่ผ่านการทดลองโดยมีข้อมูลตอบกลับจำกัด ระเบียบวิธีประเมิน ↗
- Cost / Test
- ค่าใช้จ่ายต่อการทดสอบ · USD
- Input cost
- ราคาอินพุตต่อล้านโทเคน · USD / 1M tokens
- Output cost
- ราคาเอาต์พุตต่อล้าน token · USD / 1M tokens
- Duration
- ระยะเวลาทดสอบที่รายงาน · s / min
- Vals.ai
- ค่าใช้จ่ายและเวลาถูกรายงานโดย Vals สำหรับเบนช์มาร์กนี้ ไม่ใช่ราคาหรือความหน่วงของโมเดลโดยทั่วไป ค่า API โดยประมาณของ CUA-bench ครอบคลุมการใช้งานในการประเมิน และเป็นค่าประมาณขอบเขตล่าง ไม่ใช่ค่าใช้จ่ายต่องาน เวลาต่อการกระทำเป็นค่าเฉลี่ย ไม่ใช่ค่ามัธยฐาน เครื่องหมายดอกจันระบุพฤติกรรม prompt-cache ในวันเปิดตัวที่ทำให้ค่าใช้จ่ายในการเขียนแคชเพิ่มขึ้น ค่าที่หายไปคือไม่ได้เผยแพร่ ไม่ใช่ศูนย์