AI 模型能力对比
智能体编程
仅显示最近一年发布的模型；只展示覆盖其中至少 3 款模型的评测。发布日期未知的不显示，历史数据仍保留。
Terminal-Bench 2.1终端操作基准 2.1
— 表示此来源未公布该候选的成绩，不代表零分。近一年模型中 8/11 款有成绩
| 序号 | 模型 | Cost / Test每次测试费用 | Input cost每百万输入 token 价格 | Output cost每百万输出 token 价格 | Duration来源公布的测试耗时 | |
|---|---|---|---|---|---|---|
| 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 更新于 2026年10月21日 UTC 06:01
数据来源: Epoch AI, CC BY 4.0 · Vals.ai · Artificial Analysis (artificialanalysis.ai)
列说明
- 序号
- 仅表示当前显示顺序；排序会改变序号，它不是官方能力排名。
- 模型
- 显示被评测模型的名称及厂商图标；评分中的破折号表示此处暂无已发布成绩，不代表零分。
- 评分
- 测试在终端环境中完成编程、系统操作等实际任务的能力；不同版本的任务集不同，应分别比较。 评测方法说明 ↗
- Cost / Test
- 每次测试费用 · USD
- Input cost
- 每百万输入 token 价格 · USD / 1M tokens
- Output cost
- 每百万输出 token 价格 · USD / 1M tokens
- Duration
- 来源公布的测试耗时 · s / min
- Vals.ai
- 费用与耗时来自 Vals 对当前基准的记录，不代表模型通用价格或延迟。CUA-bench 的预估 API 费用为评测用量的下限估计，不是每任务费用；每次动作耗时为平均值，不是中位数。星号表示发布当天提示缓存复用不足，导致缓存写入费用增加。缺失值表示未公布，不是零。