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-6.1 Sol | OpenAI | 评价 35.0 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 2 | GPT-6 Astra | OpenAI | 评价 34.2 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | |||
| 3 | Claude Sonnet 5.5 | Anthropic | 评价 31.4 | $2 | $10 | 1M | Anthropic 发布 2026-09 价格 $2 / $10 长度 1M | |||
| 4 | Muse Wonder | Meta | 评价 30.8 | $4 | $20 | 1.05M | Meta 发布 2026-10 价格 $4 / $20 长度 1.05M | |||
| 5 | GPT-5.6 Sol | OpenAI | 评价 30.7 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | |||
| 6 | Claude Opus 5.5 | Anthropic | 评价 30.6 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | |||
| 7 | Claude Fable 5 | Anthropic | 评价 30.0 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | |||
| 8 | Claude Fable 5.1 | Anthropic | 评价 29.6 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | |||
| 9 | Gemini 4 Argon | 评价 28.4 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 10 | Muse Spark 1.3 | Meta | 评价 27.6 | $1.25 | $4.25 | 1.05M | Meta 发布 2026-09 价格 $1.25 / $4.25 长度 1.05M | |||
| 11 | GPT-6 Sol | OpenAI | 评价 26.4 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 12 | GPT-5.5 | OpenAI | 评价 26.0 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 13 | GPT-5.6 Terra | OpenAI | 评价 24.7 | $2 | $12 | 1.05M | OpenAI 发布 2026-07 价格 $2 / $12 长度 1.05M | |||
| 14〜15 | Claude Opus 4.8 | Anthropic | 评价 24.0 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | |||
| 14〜15 | Claude Opus 5 | Anthropic | 评价 24.0 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | |||
| 16 | Gemini 3.7 Flash | 评价 23.8 | $0.75 | $3.75 | 1.05M | Google 发布 2026-08 价格 $0.75 / $3.75 长度 1.05M | ||||
| 17 | Gemini 3.8 Flash | 评价 23.4 | $0.75 | $3.75 | 1.05M | Google 发布 2026-09 价格 $0.75 / $3.75 长度 1.05M | ||||
| 18 | Qwen3.8 Max | Alibaba | 评价 23.2 | $2 | $6 | 1M | Alibaba 发布 2026-08 价格 $2 / $6 长度 1M | |||
| 19 | GPT-6 Luna | OpenAI | 评价 23.0 | $0.1 | $0.5 | 1.05M | OpenAI 发布 2026-09 价格 $0.1 / $0.5 长度 1.05M | |||
| 20 | Grok 4.7 | xAI | 评价 22.8 | $2 | $6 | 500K | xAI 发布 2026-09 价格 $2 / $6 长度 500K | |||
| 21 | GPT-5.6 Luna | OpenAI | 评价 22.7 | $0.2 | $1.2 | 1.05M | OpenAI 发布 2026-07 价格 $0.2 / $1.2 长度 1.05M | |||
| 22 | Claude Opus 4.7 | Anthropic | 评价 21.0 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | |||
| 23 | DeepSeek-V4.1 Flash | DeepSeek | 评价 19.8 | — | — | 1M | DeepSeek 发布 2026-09 价格 — 长度 1M | |||
| 24 | Kimi K3 | Moonshot | 评价 19.0 | $3 | $15 | 1.05M | Moonshot 发布 2026-07 价格 $3 / $15 长度 1.05M | |||
| 25 | Claude Sonnet 4.6 | Anthropic | 评价 18.0 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 26 | Grok 4.6 | xAI | 评价 17.2 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | |||
| 27 | Gemini 3.1 Pro (preview) | 评价 17.0 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | ||||
| 28 | Qwen3.8 Flash | Alibaba | 评价 16.6 | $0.15 | $0.47 | 1M | Alibaba 发布 2026-08 价格 $0.15 / $0.47 长度 1M | |||
| 29 | Muse Spark 1.2 | Meta | 评价 16.0 | $1.25 | $4.25 | 1.05M | Meta 发布 2026-08 价格 $1.25 / $4.25 长度 1.05M | |||
| 30 | Muse Spark 1.1 | Meta | 评价 15.0 | $1.25 | $4.25 | 1M | Meta 发布 2026-07 价格 $1.25 / $4.25 长度 1M | |||
| 31〜34 | Gemini 3.5 Flash | 评价 14.0 | $1.5 | $9 | 1.05M | Google 发布 2026-05 价格 $1.5 / $9 长度 1.05M | ||||
| 31〜34 | Gemini 3.6 Flash | 评价 14.0 | $0.75 | $3.75 | 1.05M | Google 发布 2026-07 价格 $0.75 / $3.75 长度 1.05M | ||||
| 31〜34 | GLM-5.3 Flash | Z.ai | 评价 14.0 | $0.15 | $0.5 | 1M | Z.ai 发布 2026-08 价格 $0.15 / $0.5 长度 1M | |||
| 31〜34 | Grok 4.5 | xAI | 评价 14.0 | $2 | $6 | 500K | xAI 发布 2026-07 价格 $2 / $6 长度 500K | |||
| 35 | Kimi K2.6 | Moonshot | 评价 12.0 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K | |||
| 36〜37 | Gemini 3.5 Flash-Lite | 评价 10.0 | $0.3 | $2.5 | 1.05M | Google 发布 2026-07 价格 $0.3 / $2.5 长度 1.05M | ||||
| 36〜37 | Gemini 3 Flash (preview) | 评价 10.0 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | ||||
| 38 | Grok 4.3 | xAI | 评价 8.0 | $1.25 | $2.5 | 1M | xAI 发布 2026-04 价格 $1.25 / $2.5 长度 1M | |||
| 39 | Amazon Nova 2 Pro (preview) | Amazon | 评价 2.0 | — | — | — | Amazon 发布 2025-12 价格 — 长度 — |
最高正确率的变化
2025-12-02发布日期2026-10-12
如何阅读本页
- 数值为回答正确的比例。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