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 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1〜2 | GPT-6 Astra | OpenAI | 评价 82.4 ±8.0 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | ||||
| 1〜3 | GPT-6.1 Sol | OpenAI | 评价 78.0 ±8.7 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 2〜8 | Claude Opus 5.5 | Anthropic | 评价 68.1 ±9.8 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | ||||
| 3〜11 | Claude Sonnet 5.5 | Anthropic | 评价 61.4 ±10.4 | $2 | $10 | 1M | Anthropic 发布 2026-09 价格 $2 / $10 长度 1M | ||||
| 3〜12 | Gemini 4 Argon | 评价 60.3 ±10.4 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | |||||
| 3〜14 | Claude Opus 5 | Anthropic | 评价 54.8 ±10.7 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | ||||
| 3〜14 | Claude Fable 5.1 | Anthropic | 评价 53.7 ±10.7 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | ||||
| 3〜14 | GPT-5.6 Sol | OpenAI | 评价 53.7 ±10.7 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | ||||
| 4〜16 | GPT-5.5 | OpenAI | 评价 51.5 ±10.8 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | ||||
| 4〜16 | GPT-6 Sol | OpenAI | 评价 51.5 ±10.8 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 4〜16 | Claude Fable 5 | Anthropic | 评价 47.1 ±10.8 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | ||||
| 5〜17 | Muse Wonder | Meta | 评价 46.0 ±10.8 | $4 | $20 | 1.05M | Meta 发布 2026-10 价格 $4 / $20 长度 1.05M | ||||
| 6〜20 | DeepSeek-V4.1 Flash (2026-10) | DeepSeek | 评价 43.8 ±10.8 | $0.15 | $0.6 | 1M | DeepSeek 发布 2026-10 价格 $0.15 / $0.6 长度 1M | ||||
| 6〜25 | Gemini 3.8 Flash | 评价 41.6 ±10.8 | $0.75 | $3.75 | 1.05M | Google 发布 2026-09 价格 $0.75 / $3.75 长度 1.05M | |||||
| 9〜30 | DeepSeek-V4.1 Flash | DeepSeek | 评价 37.2 ±10.7 | — | — | 1M | DeepSeek 发布 2026-09 价格 — 长度 1M | ||||
| 9〜30 | DeepSeek-V4 Pro (2026-08) | DeepSeek | 评价 37.2 ±10.7 | $0.66 | $1.98 | 1M | DeepSeek 发布 2026-08 价格 $0.66 / $1.98 长度 1M | ||||
| 12〜35 | Qwen3.8 Max | Alibaba | 评价 31.7 ±10.5 | $2 | $6 | 1M | Alibaba 发布 2026-08 价格 $2 / $6 长度 1M | ||||
| 13〜37 | Gemini 3.7 Flash | 评价 30.6 ±10.5 | $0.75 | $3.75 | 1.05M | Google 发布 2026-08 价格 $0.75 / $3.75 长度 1.05M | |||||
| 13〜37 | GPT-5.4 | OpenAI | 评价 30.6 ±10.5 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | ||||
| 13〜37 | Claude Opus 4.8 | Anthropic | 评价 29.5 ±10.4 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | ||||
| 14〜39 | Claude Sonnet 5 | Anthropic | 评价 28.4 ±10.4 | $2 | $10 | 1M | Anthropic 发布 2026-06 价格 $2 / $10 长度 1M | ||||
| 14〜39 | GPT-5.6 Terra | OpenAI | 评价 28.4 ±10.4 | $2 | $12 | 1.05M | OpenAI 发布 2026-07 价格 $2 / $12 长度 1.05M | ||||
| 14〜41 | DeepSeek-V4 Flash (2026-07) | DeepSeek | 评价 27.3 ±10.3 | — | — | 1M | DeepSeek 发布 2026-07 价格 — 长度 1M | ||||
| 14〜41 | Gemini 3.1 Pro (preview) | 评价 27.3 ±10.3 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | |||||
| 14〜41 | Grok 4.6 | xAI | 评价 27.3 ±10.3 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | ||||
| 15〜43 | GLM-5.3 | Z.ai | 评价 26.2 ±10.2 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-08 价格 $1.4 / $4.4 长度 1M | ||||
| 15〜45 | Gemini 3.5 Flash | 评价 25.1 ±10.1 | $1.5 | $9 | 1.05M | Google 发布 2026-05 价格 $1.5 / $9 长度 1.05M | |||||
| 15〜45 | Qwen3.7 Max | Alibaba | 评价 25.1 ±10.1 | $2.5 | $7.5 | 1M | Alibaba 发布 2026-05 价格 $2.5 / $7.5 长度 1M | ||||
| 15〜49 | Claude Haiku 5.5 | Anthropic | 评价 22.9 ±9.9 | $0.1 | $0.5 | 1M | Anthropic 发布 2026-10 价格 $0.1 / $0.5 长度 1M | ||||
| 15〜49 | Gemini 3.6 Flash | 评价 22.9 ±9.9 | $0.75 | $3.75 | 1.05M | Google 发布 2026-07 价格 $0.75 / $3.75 长度 1.05M | |||||
| 17〜52 | Grok 4.7 | xAI | 评价 21.8 ±9.8 | $2 | $6 | 500K | xAI 发布 2026-09 价格 $2 / $6 长度 500K | ||||
| 17〜52 | o3 | OpenAI | 评价 21.8 ±9.8 | $2 | $8 | 200K | OpenAI 发布 2025-04 价格 $2 / $8 长度 200K | ||||
| 17〜58 | Claude Opus 4.7 | Anthropic | 评价 20.7 ±9.7 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | ||||
| 17〜60 | Gemini 3 Flash (preview) | 评价 18.5 ±9.5 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | |||||
| 17〜60 | Kimi K3 | Moonshot | 评价 18.5 ±9.5 | $3 | $15 | 1.05M | Moonshot 发布 2026-07 价格 $3 / $15 长度 1.05M | ||||
| 18〜60 | Claude Opus 4.6 | Anthropic | 评价 17.4 ±9.4 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | ||||
| 18〜60 | Muse Spark 1.3 | Meta | 评价 17.4 ±9.6 | $1.25 | $4.25 | 1.05M | Meta 发布 2026-09 价格 $1.25 / $4.25 长度 1.05M | ||||
| 21〜60 | GPT-5.2 | OpenAI | 评价 15.2 ±9.1 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | ||||
| 21〜60 | GPT-5 | OpenAI | 评价 15.2 ±9.1 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | ||||
| 23〜63 | Claude Opus 4.5 | Anthropic | 评价 14.1 ±9.0 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | ||||
| 23〜63 | Qwen3.6 35B A3B | Alibaba | 评价 14.1 ±9.0 | $0.375 | $2.25 | 262.1K | Alibaba 发布 2026-04 价格 $0.375 / $2.25 长度 262.1K | ||||
| 26〜64 | Claude Opus 4.1 | Anthropic | 评价 13.0 ±8.8 | — | — | 200K | Anthropic 发布 2025-08 价格 — 长度 200K | ||||
| 26〜64 | GPT-5.6 Luna | OpenAI | 评价 13.0 ±8.8 | $0.2 | $1.2 | 1.05M | OpenAI 发布 2026-07 价格 $0.2 / $1.2 长度 1.05M | ||||
| 27〜64 | NVIDIA Nemotron 3 Ultra | NVIDIA | 评价 11.9 ±8.7 | — | — | 131.1K | NVIDIA 发布 2026-06 价格 — 长度 131.1K | ||||
| 27〜64 | Qwen3.5 Flash | Alibaba | 评价 11.9 ±8.7 | $0.1 | $0.4 | 1M | Alibaba 发布 2026-02 价格 $0.1 / $0.4 长度 1M | ||||
| 29〜65 | Gemini 3.5 Flash-Lite | 评价 10.8 ±8.5 | $0.3 | $2.5 | 1.05M | Google 发布 2026-07 价格 $0.3 / $2.5 长度 1.05M | |||||
| 29〜65 | GLM-5.2 | Z.ai | 评价 10.8 ±8.5 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-06 价格 $1.4 / $4.4 长度 1M | ||||
| 29〜65 | GPT-5.1 | OpenAI | 评价 10.8 ±8.5 | $1.25 | $10 | 400K | OpenAI 发布 2025-11 价格 $1.25 / $10 长度 400K | ||||
| 29〜65 | Qwen3.6 Max (preview) | Alibaba | 评价 10.8 ±8.5 | $1.3 | $7.8 | 240K | Alibaba 发布 2026-04 价格 $1.3 / $7.8 长度 240K | ||||
| 31〜68 | Kimi K2.6 | Moonshot | 评价 9.7 ±8.3 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K | ||||
| 31〜68 | Qwen3.5 397B A17B | Alibaba | 评价 9.7 ±8.3 | $0.6 | $3.6 | 262.1K | Alibaba 发布 2026-02 价格 $0.6 / $3.6 长度 262.1K | ||||
| 31〜68 | Qwen3.6 Flash | Alibaba | 评价 9.7 ±8.3 | $0.25 | $1.5 | 1M | Alibaba 发布 2026-04 价格 $0.25 / $1.5 长度 1M | ||||
| 33〜70 | Claude Sonnet 4.5 | Anthropic | 评价 8.6 ±8.2 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | ||||
| 33〜70 | DeepSeek-V4 Pro | DeepSeek | 评价 8.6 ±8.2 | $0.66 | $1.98 | 1M | DeepSeek 发布 2026-04 价格 $0.66 / $1.98 长度 1M | ||||
| 33〜70 | Mistral Large 4 | Mistral | 评价 8.6 ±8.2 | $1.36 | $4.18 | 524.3K | Mistral 发布 2026-10 价格 $1.36 / $4.18 长度 524.3K | ||||
| 33〜70 | Qwen3.5 122B A10B | Alibaba | 评价 8.6 ±8.2 | $0.4 | $3.2 | 262.1K | Alibaba 发布 2026-02 价格 $0.4 / $3.2 长度 262.1K | ||||
| 33〜70 | Qwen3.5 Plus | Alibaba | 评价 8.6 ±8.2 | $0.4 | $2.4 | 1M | Alibaba 发布 2026-02 价格 $0.4 / $2.4 长度 1M | ||||
| 33〜70 | Qwen3.7 Plus | Alibaba | 评价 8.6 ±8.2 | $0.4 | $1.6 | 1M | Alibaba 发布 2026-06 价格 $0.4 / $1.6 长度 1M | ||||
| 34〜70 | Claude Sonnet 4.6 | Anthropic | 评价 7.5 ±8.0 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | ||||
| 34〜74 | Qwen3.7 Flash | Alibaba | 评价 6.4 ±7.7 | $0.03 | $0.13 | 991K | Alibaba 发布 2026-07 价格 $0.03 / $0.13 长度 991K | ||||
| 40〜77 | GPT-4 (2023-06) | OpenAI | 评价 3.1 ±7.1 | — | — | — | OpenAI 发布 2023-06 价格 — 长度 — | ||||
| 40〜77 | GPT-4o mini | OpenAI | 评价 3.1 ±7.1 | — | — | 128K | OpenAI 发布 2024-07 价格 — 长度 128K | ||||
| 40〜77 | Qwen3.6 Plus | Alibaba | 评价 3.1 ±7.1 | $0.5 | $3 | 1M | Alibaba 发布 2026-03 价格 $0.5 / $3 长度 1M | ||||
| 42〜77 | GPT-5.4 mini | OpenAI | 评价 2.0 ±6.8 | $0.75 | $4.5 | 400K | OpenAI 发布 2026-03 价格 $0.75 / $4.5 长度 400K | ||||
| 46〜77 | GPT-5 mini | OpenAI | 评价 0.9 ±6.5 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | ||||
| 50〜78 | GPT-5.4 nano | OpenAI | 评价 0.0 ±6.2 | $0.2 | $1.25 | 400K | OpenAI 发布 2026-03 价格 $0.2 / $1.25 长度 400K | ||||
| 50〜78 | GPT-5 nano | OpenAI | 评价 0.0 ±6.2 | $0.05 | $0.4 | 400K | OpenAI 发布 2025-08 价格 $0.05 / $0.4 长度 400K | ||||
| 50〜78 | Qwen3 235B A22B (thinking) | Alibaba | 评价 0.0 ±6.2 | — | — | 262.1K | Alibaba 发布 2025-07 价格 — 长度 262.1K | ||||
| 53〜79 | GLM-5.3 Flash | Z.ai | 评价 0.0 ±5.9 | $0.15 | $0.5 | 1M | Z.ai 发布 2026-08 价格 $0.15 / $0.5 长度 1M | ||||
| 53〜79 | MiniMax-M3 | MiniMax | 评价 0.0 ±5.9 | $0.3 | $1.2 | 1.05M | MiniMax 发布 2026-06 价格 $0.3 / $1.2 长度 1.05M | ||||
| 60〜79 | GPT-4.1 mini | OpenAI | 评价 0.0 ±5.5 | — | — | 1.05M | OpenAI 发布 2025-04 价格 — 长度 1.05M | ||||
| 60〜79 | GPT-6 Luna | OpenAI | 评价 0.0 ±5.5 | $0.1 | $0.5 | 1.05M | OpenAI 发布 2026-09 价格 $0.1 / $0.5 长度 1.05M | ||||
| 60〜79 | o3-mini | OpenAI | 评价 0.0 ±5.5 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-01 价格 $1.1 / $4.4 长度 200K | ||||
| 60〜79 | Qwen3.6 27B | Alibaba | 评价 0.0 ±5.5 | $0.6 | $3.6 | 262.1K | Alibaba 发布 2026-04 价格 $0.6 / $3.6 长度 262.1K | ||||
| 61〜79 | Inkling Small | Thinking Machines | 评价 0.0 ±5.2 | $0.58 | $1.44 | 524.3K | Thinking Machines 发布 2026-07 价格 $0.58 / $1.44 长度 524.3K | ||||
| 61〜79 | o4-mini | OpenAI | 评价 0.0 ±4.7 | $1.1 | $4.4 | 200K | OpenAI 发布 2025-04 价格 $1.1 / $4.4 长度 200K | ||||
| 61〜79 | Qwen3 Max (instruct) | Alibaba | 评价 0.0 ±4.7 | — | — | 258K | Alibaba 发布 2025-09 价格 — 长度 258K | ||||
| 66〜79 | GPT-3.5 Turbo (2024-01) | OpenAI | 评价 0.0 ±3.7 | — | — | 16.4K | OpenAI 发布 2024-01 价格 — 长度 16.4K | ||||
| 69〜79 | GPT-OSS 120B | OpenAI | 评价 0.0 ±3.0 | — | — | 128K | OpenAI 发布 2025-08 价格 — 长度 128K |
最高正确率的变化
2023-06-13发布日期2026-10-17
如何阅读本页
- 为防止针对这款游戏的专门准备，游戏名称 / 题目文本 / 示例局面均未公开。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