人工智能模型能力比較
知識工作
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.
Harvey's Legal Agent BenchmarkHarvey 法律代理基準
— means no published score for this candidate in this source, not zero.7/11 recent-year models have scores
| 編號 | 模型 | Cost / Test每次測試成本 | Input cost每百萬個 token 的輸入價格 | Output cost每百萬 token 的輸出價格 | Duration報告測試時長 | |
|---|---|---|---|---|---|---|
| 1 |  Gemini 4 ArgonGemini 4 Argon | 27.08 | $10.55 | $4 | $20 | 29.25 min |
| 2 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 10.42 | $16.61 | $2 | $10 | 73 min |
| 3 | Claude Opus 5.5Claude Opus 5.5 | 9.17 | $21.38 | $4 | $20 | 58.45 min |
| 4 |  GPT-6 AstraGPT-6 Astra | 7.08 | $25.46 | $10 | $50 | 32.55 min |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 6.25 | $3.54 | $2 | $10 | 40.43 min |
| 6 | GPT-6 LunaGPT-6 Luna | 4.17 | $0.3 | $0.1 | $0.5 | 21.75 min |
| 7 | Claude Haiku 5.5Claude Haiku 5.5 | 4.17 | $4.26 | $0.1 | $0.5 | 43.68 min |
PandaNpc 更新 2026年10月21日 06:01 [UTC]
來源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
欄位說明
- 編號
- 僅供顯示排序。排序會改變此數字；此並非已發佈的能力排名。
- 模型
- 受評估的模型名稱及其供應商圖示。分數欄中的破折號表示此處沒有已發佈的分數，而非零分。
- Cost / Test
- 每次測試成本 · USD
- Input cost
- 每百萬個 token 的輸入價格 · USD / 1M tokens
- Output cost
- 每百萬 token 的輸出價格 · USD / 1M tokens
- Duration
- 報告測試時長 · s / min
- Vals.ai
- 成本與時間由 Vals 為此基準報告，並非通用模型價格或延遲。CUA-bench 估算的 API 成本涵蓋評估用量，屬下限估算，而非每項任務成本；每個動作的時間是平均值，而非中位數。星號標示推出首日的提示快取行為，該行為增加了快取寫入成本。缺失值為未公布，並非零。
- Vals Finance Agent v2Vals 金融代理 v2
- 測試使用搜尋、財務報告同計算工具進行財務分析，包括跨文件數據核對、公司表現比較同估值。主要指標係 Partial Credit，取三次運行嘅平均：答案檢查會按嚴重程度加權，而關鍵嘅 dealbreaker 錯誤會令該題得分為零。越高越好。呢個同獨立嘅 All-Pass 指標唔同，亦唔係整題通過率。 評估方法 ↗
- Harvey's Legal Agent BenchmarkHarvey 法律代理基準
- 測試 AI 代理讀取同編輯檔案，以產出多步驟法律工作成果。只有當所有評分要求都達成，任務先會通過。分數係兩位評判嘅平均任務通過率；越高越好。佢唔係個別準則通過嘅百分比，而且衡量嘅係法律 AI 代理工作流程，而唔係 LegalBench 嘅法律推理問題。 評估方法 ↗
- Vals IndexVals 綜合指數
- 一個綜合指數，涵蓋金融、編程同法律等領域嘅專業任務。佢嘅百分比分數會使用該已發佈版本嘅加權方法綜合基準測試結果；分數越高代表整體表現越強，而唔係單一任務嘅準確度。各版本所包含嘅領域同權重會有變動，因此唔應將較新方法追溯套用於較舊嘅分數快照。 評估方法 ↗
- LegalBench法律推理基準
- 測試對法律文本嘅理解同推理，包括識別法律問題、回想同應用規則，以及判斷法律結論。分數係法律推理問題嘅準確度；越高越好。同 Harvey's Legal Agent Benchmark 唔同，佢唔係衡量 AI 代理透過編輯檔案產出多步驟法律工作成果。 評估方法 ↗