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。
- 评价是共同题目中答对题目的比例 (%)。
- ± 是重新测量时会变动的幅度，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)。
第 1 名的误差幅度
| 排名 | 模型 | 开发方 | 正确率 (%) | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1〜6 | Claude Opus 5.5 | Anthropic | 评价 76.2 ±13.2 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | ||||
| 1〜6 | GPT-6.1 Sol | OpenAI | 评价 71.4 ±13.8 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 1〜6 | GPT-6 Astra | OpenAI | 评价 71.4 ±13.8 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | ||||
| 1〜7 | Claude Sonnet 5.5 | Anthropic | 评价 64.3 ±15.4 | $2 | $10 | 1M | Anthropic 发布 2026-09 价格 $2 / $10 长度 1M | ||||
| 1〜9 | Gemini 4 Argon | 评价 60.7 ±15.8 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | |||||
| 1〜11 | Claude Fable 5.1 | Anthropic | 评价 57.1 ±16.0 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | ||||
| 4〜14 | Claude Opus 5 | Anthropic | 评价 44.0 ±17.3 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | ||||
| 5〜16 | GPT-6 Sol | OpenAI | 评价 40.5 ±18.0 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 5〜17 | GPT-5.6 Sol | OpenAI | 评价 38.1 ±17.8 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | ||||
| 6〜19 | GPT-5.6 Terra | OpenAI | 评价 34.5 ±18.0 | $2 | $12 | 1.05M | OpenAI 发布 2026-07 价格 $2 / $12 长度 1.05M | ||||
| 6〜19 | Muse Wonder | Meta | 评价 34.5 ±18.0 | $4 | $20 | 1.05M | Meta 发布 2026-10 价格 $4 / $20 长度 1.05M | ||||
| 7〜24 | Claude Haiku 5.5 | Anthropic | 评价 25.0 ±18.1 | $0.1 | $0.5 | 1M | Anthropic 发布 2026-10 价格 $0.1 / $0.5 长度 1M | ||||
| 7〜26 | GPT-5.5 | OpenAI | 评价 20.2 ±17.9 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | ||||
| 7〜26 | GPT-6 Luna | OpenAI | 评价 20.2 ±17.9 | $0.1 | $0.5 | 1.05M | OpenAI 发布 2026-09 价格 $0.1 / $0.5 长度 1.05M | ||||
| 8〜28 | Claude Opus 4.8 | Anthropic | 评价 17.9 ±17.9 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | ||||
| 8〜28 | GPT-5.6 Luna | OpenAI | 评价 17.9 ±17.9 | $0.2 | $1.2 | 1.05M | OpenAI 发布 2026-07 价格 $0.2 / $1.2 长度 1.05M | ||||
| 9〜28 | Grok 4.6 | xAI | 评价 14.3 ±17.5 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | ||||
| 10〜30 | GPT-5.2 | OpenAI | 评价 11.9 ±17.7 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | ||||
| 10〜31 | GPT-5.4 | OpenAI | 评价 10.7 ±17.5 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | ||||
| 12〜34 | Claude Fable 5 | Anthropic | 评价 8.3 ±17.3 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | ||||
| 12〜34 | DeepSeek-V4.1 Flash | DeepSeek | 评价 6.0 ±16.8 | — | — | 1M | DeepSeek 发布 2026-09 价格 — 长度 1M | ||||
| 12〜34 | Kimi K3 | Moonshot | 评价 6.0 ±17.1 | $3 | $15 | 1.05M | Moonshot 发布 2026-07 价格 $3 / $15 长度 1.05M | ||||
| 12〜34 | Claude Opus 4.7 | Anthropic | 评价 4.8 ±17.2 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | ||||
| 12〜34 | Gemini 3.8 Flash | 评价 2.4 ±16.6 | $0.75 | $3.75 | 1.05M | Google 发布 2026-09 价格 $0.75 / $3.75 长度 1.05M | |||||
| 13〜34 | Claude Opus 4.5 | Anthropic | 评价 0.0 ±16.4 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | ||||
| 13〜34 | Claude Opus 4.6 | Anthropic | 评价 0.0 ±16.4 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | ||||
| 15〜34 | Gemini 3.1 Pro (preview) | 评价 0.0 ±15.8 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | |||||
| 15〜34 | Gemini 3.7 Flash | 评价 0.0 ±15.8 | $0.75 | $3.75 | 1.05M | Google 发布 2026-08 价格 $0.75 / $3.75 长度 1.05M | |||||
| 18〜34 | Gemini 3.6 Flash | 评价 0.0 ±15.1 | $0.75 | $3.75 | 1.05M | Google 发布 2026-07 价格 $0.75 / $3.75 长度 1.05M | |||||
| 18〜34 | Grok 4.5 | xAI | 评价 0.0 ±15.0 | $2 | $6 | 500K | xAI 发布 2026-07 价格 $2 / $6 长度 500K | ||||
| 19〜34 | Kimi K2.6 | Moonshot | 评价 0.0 ±14.6 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K | ||||
| 20〜34 | Grok 4.7 | xAI | 评价 0.0 ±14.6 | $2 | $6 | 500K | xAI 发布 2026-09 价格 $2 / $6 长度 500K | ||||
| 20〜34 | Mistral Large 4 | Mistral | 评价 0.0 ±14.6 | $1.36 | $4.18 | 524.3K | Mistral 发布 2026-10 价格 $1.36 / $4.18 长度 524.3K | ||||
| 20〜34 | Qwen3.8 Max (2026-09) | Alibaba | 评价 0.0 ±14.6 | — | — | 1M | Alibaba 发布 2026-09 价格 — 长度 1M |
最高正确率的变化
2025-11-24发布日期2026-10-12
如何阅读本页
- 考查把说明书的图与实物对应起来的空间推理。数值为正确率。
- 正确率是答对题目的比例，已去掉靠随机猜测能得到的部分。
- 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