如何看这张表
- 越靠上评价越高，像“第 1〜2 名”这样以范围显示的模型之间的差在误差范围内。
- 评价是任务制作机构等公布的值。
- 测量条件可能因模型而异，细微的差异不必在意。
- 价格是每 100 万 token 的参考，依次为让它读的部分、让它写的部分。
- 长度是一次能让它读的文本量 (token)。
| 排名 | 模型 | 开发方 | 正确率 (%) | 输入 $ /100 万 | 输出 $ /100 万 | 一次能读的 长度 | 支持 | 权重 | 发布日期 | 价格与规格 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | GPT-6 Astra | OpenAI | 评价 95.0 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | |||
| 2 | GPT-6.1 Sol | OpenAI | 评价 94.2 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 3 | Claude Opus 5.5 | Anthropic | 评价 93.3 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | |||
| 4 | GPT-5.6 Sol | OpenAI | 评价 92.5 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | |||
| 5 | Gemini 4 Argon | 评价 91.3 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 6 | Claude Opus 5 | Anthropic | 评价 90.4 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | |||
| 7 | Claude Fable 5.1 | Anthropic | 评价 90.0 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | |||
| 8 | GPT-6 Sol | OpenAI | 评价 89.6 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 9〜10 | Claude Fable 5 | Anthropic | 评价 89.2 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | |||
| 9〜10 | Gemini 3.8 Flash | 评价 89.2 | $0.75 | $3.75 | 1.05M | Google 发布 2026-09 价格 $0.75 / $3.75 长度 1.05M | ||||
| 11 | GPT-5.5 | OpenAI | 评价 85.0 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 12 | Gemini 3.7 Flash | 评价 84.6 | $0.75 | $3.75 | 1.05M | Google 发布 2026-08 价格 $0.75 / $3.75 长度 1.05M | ||||
| 13〜14 | Gemini 3 Deep Think | 评价 84.6 | — | — | — | Google 发布 2026-02 价格 — 长度 — | ||||
| 13〜14 | GPT-5.5 Pro | OpenAI | 评价 84.6 | $30 | $180 | 1.05M | OpenAI 发布 2026-04 价格 $30 / $180 长度 1.05M | |||
| 15 | GPT-5.6 Terra | OpenAI | 评价 83.9 | $2 | $12 | 1.05M | OpenAI 发布 2026-07 价格 $2 / $12 长度 1.05M | |||
| 16 | GPT-5.4 Pro | OpenAI | 评价 83.3 | $30 | $180 | 1.05M | OpenAI 发布 2026-03 价格 $30 / $180 长度 1.05M | |||
| 17 | Gemini 3.1 Pro (preview) | 评价 77.1 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | ||||
| 18 | Claude Opus 4.7 | Anthropic | 评价 75.8 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | |||
| 19 | GPT-5.4 | OpenAI | 评价 74.0 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | |||
| 20 | DeepSeek-V4.1 Flash | DeepSeek | 评价 72.9 | — | — | 1M | DeepSeek 发布 2026-09 价格 — 长度 1M | |||
| 21〜22 | Claude Opus 4.8 | Anthropic | 评价 72.1 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | |||
| 21〜22 | Gemini 3.5 Flash | 评价 72.1 | $1.5 | $9 | 1.05M | Google 发布 2026-05 价格 $1.5 / $9 长度 1.05M | ||||
| 23 | Claude Opus 4.6 | Anthropic | 评价 69.2 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | |||
| 24 | Grok 4.6 | xAI | 评价 67.1 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | |||
| 25 | GLM-5.3 Flash | Z.ai | 评价 65.8 | $0.15 | $0.5 | 1M | Z.ai 发布 2026-08 价格 $0.15 / $0.5 长度 1M | |||
| 26 | Grok 4.20 | xAI | 评价 65.1 | — | — | 2M | xAI 发布 2026-02 价格 — 长度 2M | |||
| 27〜28 | DeepSeek-V4 Flash (2026-07) | DeepSeek | 评价 61.4 | — | — | 1M | DeepSeek 发布 2026-07 价格 — 长度 1M | |||
| 27〜28 | Grok 4.7 | xAI | 评价 61.4 | $2 | $6 | 500K | xAI 发布 2026-09 价格 $2 / $6 长度 500K | |||
| 29〜30 | Claude Haiku 5.5 | Anthropic | 评价 61.3 | $0.1 | $0.5 | 1M | Anthropic 发布 2026-10 价格 $0.1 / $0.5 长度 1M | |||
| 29〜30 | DeepSeek-V4 Pro (2026-08) | DeepSeek | 评价 61.3 | $0.66 | $1.98 | 1M | DeepSeek 发布 2026-08 价格 $0.66 / $1.98 长度 1M | |||
| 31 | Claude Sonnet 4.6 | Anthropic | 评价 60.4 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 32〜33 | Gemini 3.6 Flash | 评价 60.4 | $0.75 | $3.75 | 1.05M | Google 发布 2026-07 价格 $0.75 / $3.75 长度 1.05M | ||||
| 32〜33 | Kimi K3 | Moonshot | 评价 60.4 | $3 | $15 | 1.05M | Moonshot 发布 2026-07 价格 $3 / $15 长度 1.05M | |||
| 34 | GPT-5.6 Luna | OpenAI | 评价 59.5 | $0.2 | $1.2 | 1.05M | OpenAI 发布 2026-07 价格 $0.2 / $1.2 长度 1.05M | |||
| 35 | GPT-6 Luna | OpenAI | 评价 59.3 | $0.1 | $0.5 | 1.05M | OpenAI 发布 2026-09 价格 $0.1 / $0.5 长度 1.05M | |||
| 36 | GPT-5.2 Pro | OpenAI | 评价 54.2 | $21 | $168 | 400K | OpenAI 发布 2025-12 价格 $21 / $168 长度 400K | |||
| 37 | GPT-5.2 | OpenAI | 评价 52.9 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | |||
| 38 | Grok 4.5 | xAI | 评价 52.6 | $2 | $6 | 500K | xAI 发布 2026-07 价格 $2 / $6 长度 500K | |||
| 39 | Qwen3.8 27B | Alibaba | 评价 42.4 | — | — | 262.1K | Alibaba 发布 2026-08 价格 — 长度 262.1K | |||
| 40 | Inkling Small | Thinking Machines | 评价 40.1 | $0.58 | $1.44 | 524.3K | Thinking Machines 发布 2026-07 价格 $0.58 / $1.44 长度 524.3K | |||
| 41 | Claude Opus 4.5 | Anthropic | 评价 37.6 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | |||
| 42 | Inkling | Thinking Machines | 评价 36.5 | $1.87 | $4.68 | 262.1K | Thinking Machines 发布 2026-07 价格 $1.87 / $4.68 长度 262.1K | |||
| 43 | Gemini 3 Flash (preview) | 评价 33.6 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | ||||
| 44 | Gemini 3 Pro (preview) | 评价 31.1 | — | — | 1M | Google 发布 2025-11 价格 — 长度 1M | ||||
| 45 | GLM-5.2 | Z.ai | 评价 22.8 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-06 价格 $1.4 / $4.4 长度 1M | |||
| 46 | GPT-5.4 mini | OpenAI | 评价 18.9 | $0.75 | $4.5 | 400K | OpenAI 发布 2026-03 价格 $0.75 / $4.5 长度 400K | |||
| 47 | GPT-5 Pro | OpenAI | 评价 18.3 | $15 | $120 | 400K | OpenAI 发布 2025-10 价格 $15 / $120 长度 400K | |||
| 48 | GPT-5.1 | OpenAI | 评价 17.6 | $1.25 | $10 | 400K | OpenAI 发布 2025-11 价格 $1.25 / $10 长度 400K | |||
| 49 | Grok 4 | xAI | 评价 16.0 | — | — | 256K | xAI 发布 2025-07 价格 — 长度 256K | |||
| 50 | Claude Sonnet 4.5 | Anthropic | 评价 13.6 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | |||
| 51 | Kimi K2.5 | Moonshot | 评价 11.8 | — | — | 262.1K | Moonshot 发布 2026-01 价格 — 长度 262.1K | |||
| 52 | Gemini 3.5 Flash-Lite | 评价 10.3 | $0.3 | $2.5 | 1.05M | Google 发布 2026-07 价格 $0.3 / $2.5 长度 1.05M | ||||
| 53 | GPT-5 | OpenAI | 评价 9.9 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 54 | Claude Opus 4 | Anthropic | 评价 8.6 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 55 | o3 | OpenAI | 评价 6.5 | $2 | $8 | 200K | OpenAI 发布 2025-04 价格 $2 / $8 长度 200K | |||
| 56 | Tiny Recursion Model | Samsung SAIL | 评价 6.3 | — | — | — | — | Samsung SAIL 发布 2025-10 价格 — 长度 — | ||
| 57 | o4-mini | OpenAI | 评价 6.1 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-04 价格 $1.1 / $4.4 长度 200K | |||
| 58 | Claude Sonnet 4 | Anthropic | 评价 5.9 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 59 | GPT-5.4 nano | OpenAI | 评价 5.7 | $0.2 | $1.25 | 400K | OpenAI 发布 2026-03 价格 $0.2 / $1.25 长度 400K | |||
| 60 | Grok 4 Fast | xAI | 评价 5.3 | — | — | 2M | xAI 发布 2025-09 价格 — 长度 2M | |||
| 61〜64 | Gemini 2.5 Pro | 评价 4.9 | $1.25 | $10 | 1M | Google 发布 2025-06 价格 $1.25 / $10 长度 1M | ||||
| 61〜64 | GLM-5 | Z.ai | 评价 4.9 | $1 | $3.2 | 204.8K | Z.ai 发布 2026-02 价格 $1 / $3.2 长度 204.8K | |||
| 61〜64 | MiniMax-M2.5 | MiniMax | 评价 4.9 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2026-02 价格 $0.3 / $1.2 长度 204.8K | |||
| 61〜64 | o3-pro | OpenAI | 评价 4.9 | — | — | 200K | OpenAI 发布 2025-06 价格 — 长度 200K | |||
| 65 | GPT-5 mini | OpenAI | 评价 4.4 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | |||
| 66〜67 | Claude Haiku 4.5 | Anthropic | 评价 4.0 | $1 | $5 | 200K | Anthropic 发布 2025-10 价格 $1 / $5 长度 200K | |||
| 66〜67 | DeepSeek-V3.2 | DeepSeek | 评价 4.0 | — | — | 128K | DeepSeek 发布 2025-12 价格 — 长度 128K | |||
| 68 | o3-mini | OpenAI | 评价 3.0 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-01 价格 $1.1 / $4.4 长度 200K | |||
| 69 | GPT-5 nano | OpenAI | 评价 2.6 | $0.05 | $0.4 | 400K | OpenAI 发布 2025-08 价格 $0.05 / $0.4 长度 400K | |||
| 70 | Gemini 2.5 Flash (preview, 2025-05) | 评价 2.5 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 71〜72 | DeepSeek-R1 | DeepSeek | 评价 1.3 | — | — | 128K | DeepSeek 发布 2025-01 价格 — 长度 128K | |||
| 71〜72 | Gemini 2.0 Flash | 评价 1.3 | — | — | — | Google 发布 2025-02 价格 — 长度 — | ||||
| 73 | Codex Mini | OpenAI | 评价 1.3 | — | — | — | — | OpenAI 发布 2025-05 价格 — 长度 — | ||
| 74 | Qwen3 235B A22B (instruct) | Alibaba | 评价 1.3 | — | — | 128K | Alibaba 发布 2025-07 价格 — 长度 128K | |||
| 75 | DeepSeek-R1 (2025-05) | DeepSeek | 评价 1.1 | — | — | 131.1K | DeepSeek 发布 2025-05 价格 — 长度 131.1K | |||
| 76 | Claude 3.7 Sonnet | Anthropic | 评价 0.9 | — | — | 200K | Anthropic 发布 2025-02 价格 — 长度 200K | |||
| 77 | o1-mini | OpenAI | 评价 0.8 | — | — | 128K | OpenAI 发布 2024-09 价格 — 长度 128K | |||
| 78〜79 | Gemini 1.5 Pro 002 | 评价 0.8 | — | — | — | Google 发布 2024-09 价格 — 长度 — | ||||
| 78〜79 | GPT-4.5 (preview) | OpenAI | 评价 0.8 | — | — | — | OpenAI 发布 2025-02 价格 — 长度 — | |||
| 80〜81 | GPT-4.1 | OpenAI | 评价 0.4 | $2 | $8 | 1.05M | OpenAI 发布 2025-04 价格 $2 / $8 长度 1.05M | |||
| 80〜81 | Grok 3 Mini | xAI | 评价 0.4 | — | — | 131.1K | xAI 发布 2025-06 价格 — 长度 131.1K | |||
| 82〜91 | Gemini 2.5 Pro (preview, 2025-05) | 评价 0.0 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 82〜91 | GPT-4.1 mini | OpenAI | 评价 0.0 | — | — | 1.05M | OpenAI 发布 2025-04 价格 — 长度 1.05M | |||
| 82〜91 | GPT-4.1 nano | OpenAI | 评价 0.0 | $0.1 | $0.4 | 1.05M | OpenAI 发布 2025-04 价格 $0.1 / $0.4 长度 1.05M | |||
| 82〜91 | GPT-4o (2024-11) | OpenAI | 评价 0.0 | $2.5 | $10 | 128K | OpenAI 发布 2024-11 价格 $2.5 / $10 长度 128K | |||
| 82〜91 | GPT-4o mini | OpenAI | 评价 0.0 | — | — | 128K | OpenAI 发布 2024-07 价格 — 长度 128K | |||
| 82〜91 | Grok 3 | xAI | 评价 0.0 | — | — | 131.1K | xAI 发布 2025-04 价格 — 长度 131.1K | |||
| 82〜91 | Llama 4 Maverick | Meta | 评价 0.0 | — | — | 524.3K | Meta 发布 2025-04 价格 — 长度 524.3K | |||
| 82〜91 | Llama 4 Scout | Meta | 评价 0.0 | — | — | 128K | Meta 发布 2025-04 价格 — 长度 128K | |||
| 82〜91 | Magistral Medium | Mistral | 评价 0.0 | — | — | — | Mistral 发布 2025-06 价格 — 长度 — | |||
| 82〜91 | Magistral Small | Mistral | 评价 0.0 | — | — | 128K | Mistral 发布 2025-06 价格 — 长度 128K |
最高正确率的变化
2024-07-18发布日期2026-10-07
如何阅读本页
- 这些谜题设计为人类能解开、但仅靠记住的知识解不开。这是收集了任务制作机构等公布的值。数值为正确率。
- 正确率是答对题目的比例。差 1 个百分点相当于 100 题中的 1 题。
- 支持一栏的图标从左起依次为：能使用工具 / 能读图片 / 能以固定格式 (JSON) 回答 (浅色标记为不支持或不明)。
- 开放权重是指模型的内容 (权重) 已经公开、在自己的电脑或服务器上也能运行的模型。没有开放权重标记的模型，一般通过开发方的服务 (应用或 API) 使用 (也有没有权重信息的模型)。
- 模型名称旁的 ChatGPT 等，是该开发方面向大众提供的服务名称。该模型能否在那个服务中选用，请在服务一方确认。
数据：Arena / Epoch AI / Swallow LLM team (CC BY 4.0) / Models.dev (MIT)，更新于 2026-10-24，数据来源