人工智能模型能力比較
多模態
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 Multimodal多模態軟件工程基準
— 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 | Input / Output Tokens回報的輸入 / 輸出 token 用量 | |
|---|---|---|---|---|---|---|---|
| 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 |
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
- 測試需要視覺資訊及程式碼的軟件工程任務，例如解讀介面截圖。 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
- 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。