So sánh năng lực mô hình AI
Đa phương thức
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 MultimodalBenchmark kỹ thuật phần mềm đa phương thức
— means no published score for this candidate in this source, not zero.8/11 recent-year models have scores
| STT | Mô hình | Cost / TestChi phí mỗi test | Input costGiá đầu vào mỗi triệu token | Output costGiá đầu ra mỗi triệu token | DurationThời lượng kiểm tra được báo cáo | Input / Output TokensMức sử dụng token đầu vào / đầu ra được báo cáo | |
|---|---|---|---|---|---|---|---|
| 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 |
Các benchmark Vals.ai
Nguồn: Vals.ai ↗ · Đã cập nhật 2026-10-19
SWE-bench Multimodal · Đã cập nhật 2026-10-16
PandaNpc Đã cập nhật 06:01 UTC 21 thg 10, 2026
Nguồn: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
Hướng dẫn cột
- STT
- Chỉ là thứ tự hiển thị. Việc sắp xếp làm thay đổi số này; đây không phải là xếp hạng năng lực được công bố.
- Mô hình
- Tên mô hình được đánh giá và biểu tượng nhà cung cấp của mô hình đó. Dấu gạch ngang trong một cột điểm nghĩa là không có điểm nào được công bố ở đây, chứ không phải là số 0.
- Điểm
- Kiểm tra các tác vụ kỹ thuật phần mềm yêu cầu thông tin trực quan cũng như mã nguồn, chẳng hạn như diễn giải ảnh chụp màn hình của một giao diện. Phương pháp đánh giá ↗
- Cost / Test
- Chi phí mỗi test · USD
- Input cost
- Giá đầu vào mỗi triệu token · USD / 1M tokens
- Output cost
- Giá đầu ra mỗi triệu token · USD / 1M tokens
- Duration
- Thời lượng kiểm tra được báo cáo · s / min
- Input / Output Tokens
- Mức sử dụng token đầu vào / đầu ra được báo cáo · tokens
- Vals.ai
- Chi phí và thời gian được Vals báo cáo cho benchmark này, không phải giá hoặc độ trễ chung của model. Chi phí API ước tính của CUA-bench bao gồm mức sử dụng khi đánh giá và là ước tính cận dưới, không phải chi phí cho mỗi tác vụ; thời gian mỗi hành động là mức trung bình, không phải trung vị. Dấu hoa thị đánh dấu hành vi bộ nhớ đệm prompt trong ngày ra mắt làm tăng chi phí ghi bộ nhớ đệm. Các giá trị bị thiếu là chưa được công bố, không phải bằng không.