Порівняння можливостей ШІ-моделей
Інтелектуальна робота
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.
Vals Finance Agent v2Фінансовий агент Vals v2
— means no published score for this candidate in this source, not zero.10/11 recent-year models have scores
| № | Модель | Cost / TestВартість за тест | Input costЦіна вхідних даних за мільйон token | Output costЦіна виводу за мільйон token | DurationЗаявлена тривалість тесту | |
|---|---|---|---|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 65.4 | $4.38 | $4 | $20 | 16.35 min |
| 2 |  Claude Fable 5.1Claude Fable 5.1 | 58.88 | $8.35 | $10 | $50 | 18.23 min |
| 3 | Claude Opus 5Claude Opus 5 | 58.63 | $5.12 | $5 | $25 | 9.97 min |
| 4 | Claude Opus 5.5Claude Opus 5.5 | 58.59 | $9.22 | $4 | $20 | 33.13 min |
| 5 | Claude Sonnet 5.5Claude Sonnet 5.5 | 58.1 | $6.55 | $2 | $10 | 31.72 min |
| 6 | Claude Haiku 5.5Claude Haiku 5.5 | 54.14 | $1.64 | $0.1 | $0.5 | 30.82 min |
| 7 |  GPT-6 AstraGPT-6 Astra | 53.54 | $6.82 | $10 | $50 | 11.55 min |
| 8 | GPT-6.1 SolGPT-6.1 Sol | 52.03 | $1.62 | $2 | $10 | 15.42 min |
| 9 | GPT-6 LunaGPT-6 Luna | 49.87 | $0.12 | $0.1 | $0.5 | 14.97 min |
| 10 | GPT-6 SolGPT-6 Sol | 49.05 | $2.12 | $2 | $10 | 9 min |
Бенчмарки Vals.ai
Джерело: Vals.ai ↗ · Оновлено 2026-10-19
Vals Finance Agent v2 · Оновлено 2026-10-18
PandaNpc Оновлено 21 жовт. 2026 р., 06:01 UTC
Джерело: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Довідка зі стовпців
- №
- Лише порядок відображення. Сортування змінює це число; це не опублікований рейтинг спроможностей.
- Модель
- Назва оцінюваної моделі та значок її постачальника. Прочерк у стовпці оцінки означає, що тут немає опублікованої оцінки, а не нуль.
- Cost / Test
- Вартість за тест · USD
- Input cost
- Ціна вхідних даних за мільйон token · USD / 1M tokens
- Output cost
- Ціна виводу за мільйон token · USD / 1M tokens
- Duration
- Заявлена тривалість тесту · s / min
- Vals.ai
- Витрати й час для цього бенчмарку наводить Vals, а не універсальні ціни чи затримка моделей. Оцінена вартість API для CUA-bench охоплює використання під час оцінювання та є оцінкою знизу, а не вартістю за завдання; час на дію — це середнє, а не медіана. Зірочка позначає поведінку промпт-кешу в день запуску, яка збільшила витрати на запис у кеш. Пропущені значення не опубліковані, а не нуль.
- Vals Finance Agent v2Фінансовий агент Vals v2
- Перевіряє фінансовий аналіз із пошуком, фінансовими звітами та інструментами обчислень, зокрема перевірку даних між документами, порівняння ефективності компаній та оцінювання. Основний показник — Partial Credit, усереднений за трьома запусками: перевірки відповідей отримують ваги залежно від серйозності, а критична помилка dealbreaker обнуляє бал за це питання. Вище — краще. Це відрізняється від окремого показника All-Pass і не є відсотком проходження цілого питання. Методологія оцінювання ↗
- Harvey's Legal Agent BenchmarkБенчмарк юридичного агента Harvey
- Перевіряє агентів, які читають і редагують файли, щоб створювати багатокрокові юридичні робочі продукти. Завдання вважається пройденим лише тоді, коли виконано кожну вимогу оцінювання. Бал — це середній відсоток проходження завдань за двома суддями; вище — краще. Це не відсоток окремо пройдених критеріїв, і він оцінює робочі процеси юридичних агентів, а не питання юридичного міркування з LegalBench. Методологія оцінювання ↗
- Vals IndexЗведений індекс Vals
- Зведений індекс професійних завдань у таких сферах, як фінанси, програмування та право. Його відсотковий бал поєднує результати бенчмарків із використанням методу зважування для цієї опублікованої версії; вище означає кращу загальну продуктивність, а не точність окремого завдання. Включені домени та ваги змінюються між версіями, тому новішу методологію не можна застосовувати ретроспективно до старіших знімків балів. Методологія оцінювання ↗
- LegalBenchБенчмарк юридичного міркування
- Перевіряє розуміння та міркування над юридичним текстом, зокрема визначення юридичних питань, пригадування й застосування правил та оцінювання юридичних висновків. Бал — це точність відповідей на питання юридичного міркування; вище — краще. На відміну від Harvey's Legal Agent Benchmark, він не оцінює агента, який створює багатокрокові юридичні робочі продукти шляхом редагування файлів. Методологія оцінювання ↗