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 | 分数 | 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 | Claude Opus 4.6 | Anthropic | 评价 55.3 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | |||
| 2 | Claude Sonnet 4.6 | Anthropic | 评价 54.9 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 3 | Claude Opus 4.5 | Anthropic | 评价 54.8 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | |||
| 4 | GPT-5.5 | OpenAI | 评价 54.0 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 5 | Claude Sonnet 4.5 | Anthropic | 评价 52.6 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | |||
| 6 | Claude Opus 4.8 | Anthropic | 评价 50.2 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | |||
| 7 | Gemini 3 Flash (preview) | 评价 49.8 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | ||||
| 8 | GPT-5 | OpenAI | 评价 49.6 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 9 | Claude Opus 4.1 | Anthropic | 评价 48.3 | — | — | 200K | Anthropic 发布 2025-08 价格 — 长度 200K | |||
| 10 | Gemini 3.1 Pro (preview) | 评价 47.8 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | ||||
| 11 | Grok 4 | xAI | 评价 47.3 | — | — | 256K | xAI 发布 2025-07 价格 — 长度 256K | |||
| 12 | Claude Opus 4 | Anthropic | 评价 46.8 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 13 | Claude Sonnet 4 | Anthropic | 评价 46.6 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 14 | Gemini 3 Pro (preview) | 评价 46.3 | — | — | 1M | Google 发布 2025-11 价格 — 长度 1M | ||||
| 15 | Claude Haiku 4.5 | Anthropic | 评价 45.5 | $1 | $5 | 200K | Anthropic 发布 2025-10 价格 $1 / $5 长度 200K | |||
| 16 | o3 | OpenAI | 评价 45.2 | $2 | $8 | 200K | OpenAI 发布 2025-04 价格 $2 / $8 长度 200K | |||
| 17 | Claude 3.7 Sonnet | Anthropic | 评价 43.6 | — | — | 200K | Anthropic 发布 2025-02 价格 — 长度 200K | |||
| 18〜19 | Gemini 2.5 Pro (preview, 2025-05) | 评价 42.8 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 18〜19 | GPT-5.1 | OpenAI | 评价 42.8 | $1.25 | $10 | 400K | OpenAI 发布 2025-11 价格 $1.25 / $10 长度 400K | |||
| 20 | Gemini 2.5 Pro | 评价 41.5 | $1.25 | $10 | 1M | Google 发布 2025-06 价格 $1.25 / $10 长度 1M | ||||
| 21 | GPT-5.2 | OpenAI | 评价 41.1 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | |||
| 22 | Gemini 3.1 Flash-Lite | 评价 37.3 | $0.25 | $1.5 | 1.05M | Google 发布 2026-03 价格 $0.25 / $1.5 长度 1.05M | ||||
| 23 | GPT-5.4 mini | OpenAI | 评价 36.3 | $0.75 | $4.5 | 400K | OpenAI 发布 2026-03 价格 $0.75 / $4.5 长度 400K | |||
| 24〜25 | GPT-5.4 | OpenAI | 评价 35.1 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | |||
| 24〜25 | DeepSeek-R1 (2025-05) | DeepSeek | 评价 35.1 | — | — | 131.1K | DeepSeek 发布 2025-05 价格 — 长度 131.1K |
最高分的变化
2025-02-24发布日期2026-05-28
如何阅读本页
- 逐个任务为答案的正确性评分，数值为其平均分。这是收集了任务制作机构等公布的值。
- 这是各任务正确性评分的平均 (满分 100)，多数在 35〜55 分。由于没有公布误差，1〜2 分的差距并不是明确的差距。
- 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