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。
- 评价是完成共同任务的次数比例 (%)。
- 差 3 就是 100 次中差 3 次，± 是重新测量时会变动的幅度。
- 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)。
第 1 名的误差幅度
| 排名 | 模型 | 开发方 | 成功率 (%) | 评测日期 | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1〜4 | GPT-6 Astra | OpenAI | 评价 76.2 ±16.4 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | ||||
| 1〜5 | Claude Opus 5.5 | Anthropic | 评价 71.4 ±13.8 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | ||||
| 1〜6 | Gemini 4 Argon | 评价 64.8 ±9.6 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | |||||
| 1〜8 | Claude Fable 5.1 | Anthropic | 评价 57.1 ±11.8 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | ||||
| 2〜9 | GPT-6.1 Sol | OpenAI | 评价 54.3 ±11.3 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 3〜9 | GPT-6 Sol | OpenAI | 评价 53.3 ±9.0 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 4〜10 | Claude Opus 5 | Anthropic | 评价 45.7 ±7.0 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | ||||
| 4〜10 | GPT-5.6 Sol | OpenAI | 评价 44.8 ±8.1 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | ||||
| 5〜10 | Claude Haiku 5.5 | Anthropic | 评价 43.8 ±3.5 | $0.1 | $0.5 | 1M | Anthropic 发布 2026-10 价格 $0.1 / $0.5 长度 1M | ||||
| 7〜12 | Claude Fable 5 | Anthropic | 评价 39.5 ±3.9 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | ||||
| 10〜13 | GPT-5.5 | OpenAI | 评价 34.3 ±3.9 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | ||||
| 10〜15 | Muse Wonder | Meta | 评价 31.4 ±8.1 | $4 | $20 | 1.05M | Meta 发布 2026-10 价格 $4 / $20 长度 1.05M | ||||
| 11〜14 | Grok 4.6 | xAI | 评价 30.5 ±3.2 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | ||||
| 12〜14 | Claude Opus 4.8 | Anthropic | 评价 28.6 ±2.8 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | ||||
| 14〜15 | GPT-5.4 | OpenAI | 评价 25.4 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | ||||
| 16 | GPT-5.2 | OpenAI | 评价 23.0 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | ||||
| 17 | Claude Opus 4.7 | Anthropic | 评价 19.0 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | ||||
| 18〜19 | Claude Opus 4.5 | Anthropic | 评价 14.3 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | ||||
| 18〜19 | Gemini 3.1 Pro (preview) | 评价 14.3 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | |||||
| 20〜21 | Claude Opus 4.6 | Anthropic | 评价 12.7 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | ||||
| 20〜21 | GPT-5 | OpenAI | 评价 12.7 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | ||||
| 22〜23 | GLM-5.2 | Z.ai | 评价 9.5 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-06 价格 $1.4 / $4.4 长度 1M | ||||
| 22〜23 | Qwen3.7 Max | Alibaba | 评价 9.5 | $2.5 | $7.5 | 1M | Alibaba 发布 2026-05 价格 $2.5 / $7.5 长度 1M | ||||
| 24 | Claude Opus 4.1 | Anthropic | 评价 7.9 | — | — | 200K | Anthropic 发布 2025-08 价格 — 长度 200K | ||||
| 25 | Gemini 3.5 Flash | 评价 4.8 | $1.5 | $9 | 1.05M | Google 发布 2026-05 价格 $1.5 / $9 长度 1.05M | |||||
| 26〜27 | Claude Sonnet 4.5 | Anthropic | 评价 2.4 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | ||||
| 26〜27 | Kimi K2.6 | Moonshot | 评价 2.4 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K |
最高成功率的变化
2025-08-05发布日期2026-10-12
如何阅读本页
- 使用练习局之后的计分局中较好的一局的结果，数值为达成目标所占的比例。
- 成功率是成功次数的比例。差 1 个百分点相当于 100 次中的 1 次。
- 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