人工智能模型能力比較
代理式編程
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.
Terminal-Bench 2.1終端機基準 2.1
— means no published score for this candidate in this source, not zero.8/11 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 |  Claude Opus 5.5Claude Opus 5.5 | 87.64 | $0.5 | $4 | $20 | 6.38 min |
| 2 |  GPT-6 AstraGPT-6 Astra | 87.27 | $1.34 | $10 | $50 | 4.57 min |
| 3 | Claude Fable 5.1Claude Fable 5.1 | 85.02 | $3.07 | $10 | $50 | 8.33 min |
| 4 | Claude Opus 5Claude Opus 5 | 84.64 | $0.89 | $5 | $25 | 12.55 min |
| 5 | Claude Sonnet 5.5Claude Sonnet 5.5 | 83.15 | $0.63 | $2 | $10 | 7.77 min |
| 6 | GPT-6 SolGPT-6 Sol | 83.15 | $0.37 | $2 | $10 | 4.98 min |
| 7 | GPT-6 LunaGPT-6 Luna | 73.03 | $0.03 | $0.1 | $0.5 | 7.08 min |
| 8 |  Gemini 4 ArgonGemini 4 Argon | 57.68 | — | $4 | $20 | 14.03 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。
- 評分
- 測試在終端機環境中完成實用任務，例如編程與系統操作。不同版本使用不同任務集，應分開比較。 評估方法 ↗
- 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。