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.
Vals IndexVals 綜合指數
— 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 | Input / Output Tokens回報的輸入 / 輸出 token 用量 | |
|---|---|---|---|---|---|---|---|
| 1 |  Claude Sonnet 5.5Claude Sonnet 5.5 | 70.85 | $18.7 | $2 | $10 | 86 min | 45.09B / 654.94M |
| 2 | Claude Opus 5.5Claude Opus 5.5 | 70.18 | $28.12 | $4 | $20 | 85 min | 31.96B / 499.75M |
| 3 |  Gemini 4 ArgonGemini 4 Argon | 69.24 | $13.37 | $4 | $20 | 44.97 min | 13.36B / 146.17M |
| 4 |  GPT-6 AstraGPT-6 Astra | 65.02 | $21.28 | $10 | $50 | 33.65 min | 4.92B / 96.77M |
| 5 | GPT-6.1 SolGPT-6.1 Sol | 63.94 | $3.61 | $2 | $10 | 44.4 min | 5.49B / 103.20M |
| 6 | Claude Haiku 5.5Claude Haiku 5.5 | 58.71 | $3.17 | $0.1 | $0.5 | 49.8 min | 23.07B / 765.85M |
| 7 | GPT-6 LunaGPT-6 Luna | 52.32 | $0.45 | $0.1 | $0.5 | 32.38 min | 10.05B / 202.17M |
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
- Input / Output Tokens
- 回報的輸入 / 輸出 token 用量 · tokens
- 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 ↗