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 | o3 | OpenAI | 评价 100.0 | $2 | $8 | 200K | OpenAI 发布 2025-04 价格 $2 / $8 长度 200K | |||
| 2〜3 | GPT-5 | OpenAI | 评价 96.9 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 2〜3 | Grok 4 | xAI | 评价 96.9 | — | — | 256K | xAI 发布 2025-07 价格 — 长度 256K | |||
| 4 | Gemini 2.5 Pro (exp) | 评价 90.6 | — | — | 1.05M | Google 发布 2025-03 价格 — 长度 1.05M | ||||
| 5 | o3-pro | OpenAI | 评价 88.9 | — | — | 200K | OpenAI 发布 2025-06 价格 — 长度 200K | |||
| 6 | Gemini 2.5 Pro (preview, 2025-05) | 评价 87.5 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 7 | Kimi K2.5 | Moonshot | 评价 78.1 | — | — | 262.1K | Moonshot 发布 2026-01 价格 — 长度 262.1K | |||
| 8 | Grok 4 Fast | xAI | 评价 75.0 | — | — | 2M | xAI 发布 2025-09 价格 — 长度 2M | |||
| 9 | Gemini 2.5 Pro (preview, 2025-03) | 评价 71.9 | — | — | 1.05M | Google 发布 2025-03 价格 — 长度 1.05M | ||||
| 10〜11 | Qwen3 235B A22B (thinking) | Alibaba | 评价 68.8 | — | — | 262.1K | Alibaba 发布 2025-07 价格 — 长度 262.1K | |||
| 10〜11 | Gemini 2.5 Flash (preview, 2025-05) | 评价 68.8 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 12〜13 | ChatGPT-4o (2025-01) | OpenAI | 评价 65.6 | — | — | — | OpenAI 发布 2025-01 价格 — 长度 — | |||
| 12〜13 | Grok 3 Mini (beta) | xAI | 评价 65.6 | — | — | — | xAI 发布 2025-04 价格 — 长度 — | |||
| 14 | GPT-4.5 (preview) | OpenAI | 评价 63.9 | — | — | — | OpenAI 发布 2025-02 价格 — 长度 — | |||
| 15〜19 | Qwen3 Next 80B A3B (instruct) | Alibaba | 评价 62.5 | $0.5 | $2 | 129K | Alibaba 发布 2025-09 价格 $0.5 / $2 长度 129K | |||
| 15〜19 | Gemini 2.0 Flash | 评价 62.5 | — | — | — | Google 发布 2025-02 价格 — 长度 — | ||||
| 15〜19 | GPT-4.1 | OpenAI | 评价 62.5 | $2 | $8 | 1.05M | OpenAI 发布 2025-04 价格 $2 / $8 长度 1.05M | |||
| 15〜19 | GPT-5 mini | OpenAI | 评价 62.5 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | |||
| 15〜19 | o4-mini | OpenAI | 评价 62.5 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-04 价格 $1.1 / $4.4 长度 200K | |||
| 20 | MiniMax-M1-80k | MiniMax | 评价 59.4 | — | — | 1M | MiniMax 发布 2025-06 价格 — 长度 1M | |||
| 21 | Grok 3 (beta) | xAI | 评价 58.3 | — | — | — | xAI 发布 2025-04 价格 — 长度 — | |||
| 22〜25 | Claude 3.7 Sonnet | Anthropic | 评价 53.1 | — | — | 200K | Anthropic 发布 2025-02 价格 — 长度 200K | |||
| 22〜25 | DeepSeek-V3.1 | DeepSeek | 评价 53.1 | — | — | 128K | DeepSeek 发布 2025-08 价格 — 长度 128K | |||
| 22〜25 | Gemini 2.5 Flash (preview, 2025-04) | 评价 53.1 | — | — | 1.05M | Google 发布 2025-04 价格 — 长度 1.05M | ||||
| 22〜25 | o1 | OpenAI | 评价 53.1 | $15 | $60 | 128K | OpenAI 发布 2024-12 价格 $15 / $60 长度 128K | |||
| 26 | GPT-4.1 mini | OpenAI | 评价 46.9 | — | — | 1.05M | OpenAI 发布 2025-04 价格 — 长度 1.05M | |||
| 27 | Qwen3 235B A22B (instruct) | Alibaba | 评价 44.4 | — | — | 128K | Alibaba 发布 2025-07 价格 — 长度 128K | |||
| 28 | o3-mini | OpenAI | 评价 43.8 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-01 价格 $1.1 / $4.4 长度 200K | |||
| 29 | Kimi K2 (instruct, 2025-09) | Moonshot | 评价 40.6 | — | — | 262.1K | Moonshot 发布 2025-09 价格 — 长度 262.1K | |||
| 30〜32 | Claude Opus 4 | Anthropic | 评价 37.5 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 30〜32 | Gemini 2.0 Flash (thinking, exp) | 评价 37.5 | — | — | — | Google 发布 2024-12 价格 — 长度 — | ||||
| 30〜32 | Gemini 2.0 Pro (exp) | 评价 37.5 | — | — | 2.1M | Google 发布 2025-02 价格 — 长度 2.1M | ||||
| 33〜34 | Llama 4 Maverick | Meta | 评价 36.4 | — | — | 524.3K | Meta 发布 2025-04 价格 — 长度 524.3K | |||
| 33〜34 | Claude Sonnet 4 | Anthropic | 评价 36.4 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 35 | DeepSeek-R1 | DeepSeek | 评价 33.3 | — | — | 128K | DeepSeek 发布 2025-01 价格 — 长度 128K | |||
| 36 | Llama 4 Scout | Meta | 评价 27.3 | — | — | 128K | Meta 发布 2025-04 价格 — 长度 128K | |||
| 37〜38 | Gemini 2.5 Flash-Lite (preview, 2025-06) | 评价 21.9 | — | — | 1.05M | Google 发布 2025-06 价格 — 长度 1.05M | ||||
| 37〜38 | GPT-5 nano | OpenAI | 评价 21.9 | $0.05 | $0.4 | 400K | OpenAI 发布 2025-08 价格 $0.05 / $0.4 长度 400K | |||
| 39 | GPT-4.1 nano | OpenAI | 评价 18.8 | $0.1 | $0.4 | 1.05M | OpenAI 发布 2025-04 价格 $0.1 / $0.4 长度 1.05M |
最高正确率的变化
2024-12-17发布日期2026-01-27
如何阅读本页
- 本页的数值是在约 12 万 token 的长度下阅读时的正确率。这是收集了任务制作机构等公布的值。
- 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