Yapay Zeka Modeli Yetenek Karşılaştırması
Çok modlu
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.
SWE-bench MultimodalÇok modlu yazılım mühendisliği kıyaslaması
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| No. | Model | Cost / TestTest başına maliyet | Input costMilyon token başına giriş fiyatı | Output costMilyon token başına çıktı fiyatı | DurationBildirilen test süresi | Input / Output TokensBildirilen giriş / çıkış token kullanımı | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Opus 5.5Claude Opus 5.5 | 70.21 | $4.92 | $4 | $20 | 18.53 min | 3.18B / 38.08M |
| 2 | Claude Fable 5.1Claude Fable 5.1 | 61.25 | $5.46 | $10 | $50 | 15.2 min | 2.21B / 27.94M |
| 3 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.33 | $4.53 | $2 | $10 | 24.22 min | 6.21B / 67.48M |
| 4 |  Gemini 4 ArgonGemini 4 Argon | 56.04 | $11.4 | $4 | $20 | 33.63 min | 6.54B / 56.31M |
| 5 | Claude Haiku 5.5Claude Haiku 5.5 | 43.96 | $0.7 | $0.1 | $0.5 | 16.27 min | 4.64B / 62.24M |
| 6 |  GPT-6.1 SolGPT-6.1 Sol | 43.54 | $0.35 | $2 | $10 | 6.93 min | 242.14M / 8.75M |
| 7 | GPT-6 AstraGPT-6 Astra | 43.33 | $1.81 | $10 | $50 | 7.05 min | 222.91M / 7.78M |
| 8 | GPT-6 LunaGPT-6 Luna | 37.5 | $0.03 | $0.1 | $0.5 | 5.27 min | 524.11M / 13.09M |
Vals.ai kıyaslamaları
Kaynak: Vals.ai ↗ · Güncellendi 2026-10-19
SWE-bench Multimodal · Güncellendi 2026-10-16
PandaNpc Güncellendi 21 Eki 2026 06:01 UTC
Kaynak: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Sütun kılavuzu
- No.
- Yalnızca görüntüleme sırası. Sıralama bu sayıyı değiştirir; yayımlanmış bir yetenek sıralaması değildir.
- Model
- Değerlendirilen model adı ve sağlayıcı simgesi. Bir puan sütunundaki tire, burada yayımlanmış bir puanın bulunmadığı anlamına gelir; sıfır değildir.
- Puan
- Kodun yanı sıra görsel bilgi de gerektiren yazılım mühendisliği görevlerini test eder; örneğin bir arayüzün ekran görüntülerini yorumlamak gibi. Değerlendirme metodolojisi ↗
- Cost / Test
- Test başına maliyet · USD
- Input cost
- Milyon token başına giriş fiyatı · USD / 1M tokens
- Output cost
- Milyon token başına çıktı fiyatı · USD / 1M tokens
- Duration
- Bildirilen test süresi · s / min
- Input / Output Tokens
- Bildirilen giriş / çıkış token kullanımı · tokens
- Vals.ai
- Maliyetler ve süreler bu benchmark için Vals tarafından raporlanır; evrensel model fiyatları veya gecikme değildir. CUA-bench tahmini API maliyeti değerlendirme kullanımını kapsar ve bir alt sınır tahminidir, görev başına maliyet değildir; eylem başına süre bir ortalamadır, medyan değildir. Yıldız işareti, lansman günü önbellek yazma maliyetlerini artıran prompt-cache davranışını işaretler. Eksik değerler yayımlanmamıştır, sıfır değildir.