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 | GPT-5 | OpenAI | 评价 86.0 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 2 | Kimi K2 (instruct) | Moonshot | 评价 85.6 | — | — | 131.1K | Moonshot 发布 2025-07 价格 — 长度 131.1K | |||
| 3 | Claude Opus 4.1 | Anthropic | 评价 84.7 | — | — | 200K | Anthropic 发布 2025-08 价格 — 长度 200K | |||
| 4 | o3-pro | OpenAI | 评价 84.4 | — | — | 200K | OpenAI 发布 2025-06 价格 — 长度 200K | |||
| 5 | o3 | OpenAI | 评价 83.9 | $2 | $8 | 200K | OpenAI 发布 2025-04 价格 $2 / $8 长度 200K | |||
| 6 | Gemini 2.5 Pro | 评价 83.8 | $1.25 | $10 | 1M | Google 发布 2025-06 价格 $1.25 / $10 长度 1M | ||||
| 7 | Claude Opus 4 | Anthropic | 评价 83.6 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 8 | GPT-5 mini | OpenAI | 评价 83.1 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | |||
| 9〜10 | DeepSeek-R1 | DeepSeek | 评价 83.0 | — | — | 128K | DeepSeek 发布 2025-01 价格 — 长度 128K | |||
| 9〜10 | Qwen3 235B A22B | Alibaba | 评价 83.0 | $0.7 | $2.8 | 128K | Alibaba 发布 2025-04 价格 $0.7 / $2.8 长度 128K | |||
| 11 | Qwen3 235B A22B (thinking) | Alibaba | 评价 82.4 | — | — | 262.1K | Alibaba 发布 2025-07 价格 — 长度 262.1K | |||
| 12 | DeepSeek-R1 (2025-05) | DeepSeek | 评价 81.9 | — | — | 131.1K | DeepSeek 发布 2025-05 价格 — 长度 131.1K | |||
| 13 | GPT-4o (2024-11) | OpenAI | 评价 81.8 | $2.5 | $10 | 128K | OpenAI 发布 2024-11 价格 $2.5 / $10 长度 128K | |||
| 14 | Claude Sonnet 4 | Anthropic | 评价 81.4 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 15 | Claude 3.7 Sonnet | Anthropic | 评价 81.1 | — | — | 200K | Anthropic 发布 2025-02 价格 — 长度 200K | |||
| 16 | Gemini 2.5 Pro (preview, 2025-05) | 评价 80.9 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 17 | Gemini 2.5 Pro (exp) | 评价 80.5 | — | — | 1.05M | Google 发布 2025-03 价格 — 长度 1.05M | ||||
| 18 | Claude 3.5 Sonnet (2024-10) | Anthropic | 评价 80.3 | — | — | 200K | Anthropic 发布 2024-10 价格 — 长度 200K | |||
| 19 | QwQ 32B | Alibaba | 评价 80.2 | — | — | 32.8K | Alibaba 发布 2025-03 价格 — 长度 32.8K | |||
| 20 | Gemma 3 27B | 评价 79.9 | — | — | 128K | Google 发布 2025-03 价格 — 长度 128K | ||||
| 21 | Mistral Medium 3 | Mistral | 评价 77.3 | $0.4 | $2 | 128K | Mistral 发布 2025-05 价格 $0.4 / $2 长度 128K | |||
| 22 | GPT-OSS 120B | OpenAI | 评价 77.1 | — | — | 128K | OpenAI 发布 2025-08 价格 — 长度 128K | |||
| 23 | DeepSeek-V3 (2025-03) | DeepSeek | 评价 77.0 | — | — | 163.8K | DeepSeek 发布 2025-03 价格 — 长度 163.8K | |||
| 24 | Grok 4 | xAI | 评价 76.9 | — | — | 256K | xAI 发布 2025-07 价格 — 长度 256K | |||
| 25 | Gemini 2.5 Flash (preview, 2025-04) | 评价 76.5 | — | — | 1.05M | Google 发布 2025-04 价格 — 长度 1.05M | ||||
| 26 | Grok 3 (beta) | xAI | 评价 76.4 | — | — | — | xAI 发布 2025-04 价格 — 长度 — | |||
| 27 | GPT-4.5 (preview) | OpenAI | 评价 75.6 | — | — | — | OpenAI 发布 2025-02 价格 — 长度 — | |||
| 28 | Qwen3 30B A3B | Alibaba | 评价 75.3 | — | — | 128K | Alibaba 发布 2025-04 价格 — 长度 128K | |||
| 29 | o4-mini | OpenAI | 评价 75.0 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-04 价格 $1.1 / $4.4 长度 200K | |||
| 30 | Gemini 2.0 Flash (thinking, exp) | 评价 73.8 | — | — | — | Google 发布 2024-12 价格 — 长度 — | ||||
| 31〜32 | Claude 3.5 Haiku | Anthropic | 评价 73.5 | — | — | 200K | Anthropic 发布 2024-10 价格 — 长度 200K | |||
| 31〜32 | Grok 3 Mini (beta) | xAI | 评价 73.5 | — | — | — | xAI 发布 2025-04 价格 — 长度 — | |||
| 33 | GLM-4.5 | Z.ai | 评价 73.4 | $0.6 | $2.2 | 131.1K | Z.ai 发布 2025-08 价格 $0.6 / $2.2 长度 131.1K | |||
| 34 | Qwen2.5 Max | Alibaba | 评价 72.9 | — | — | — | Alibaba 发布 2025-01 价格 — 长度 — | |||
| 35 | o1 | OpenAI | 评价 70.2 | $15 | $60 | 128K | OpenAI 发布 2024-12 价格 $15 / $60 长度 128K | |||
| 36 | Mistral Large 2 | Mistral | 评价 69.0 | — | — | 131.1K | Mistral 发布 2024-07 价格 — 长度 131.1K | |||
| 37 | GPT-4o mini | OpenAI | 评价 67.2 | — | — | 128K | OpenAI 发布 2024-07 价格 — 长度 128K | |||
| 38 | o1-mini | OpenAI | 评价 64.9 | — | — | 128K | OpenAI 发布 2024-09 价格 — 长度 128K | |||
| 39 | Grok 2 (2024-12) | xAI | 评价 63.6 | — | — | — | xAI 发布 2024-12 价格 — 长度 — | |||
| 40 | Phi-4 | Microsoft | 评价 62.6 | — | — | 128K | Microsoft 发布 2024-12 价格 — 长度 128K | |||
| 41 | Llama 4 Maverick | Meta | 评价 62.0 | — | — | 524.3K | Meta 发布 2025-04 价格 — 长度 524.3K | |||
| 42 | o3-mini | OpenAI | 评价 61.7 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-01 价格 $1.1 / $4.4 长度 200K | |||
| 43 | Amazon Nova Pro 1.0 | Amazon | 评价 60.5 | — | — | 300K | Amazon 发布 2024-12 价格 — 长度 300K |
最高分的变化
2024-07-18发布日期2025-08-07
如何阅读本页
- 数值是把满分 10 分的平均分换算成满分 100 的分数。这是收集了任务制作机构等公布的值。
- 这是把评分的平均换算成 100 分制的分数，多数在 60〜90 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