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 | 成功率 (%) | 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 | Claude Opus 5 | Anthropic | 评价 31.4 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | |||
| 2 | GPT-5.6 Sol | OpenAI | 评价 27.3 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | |||
| 3 | Claude Opus 4.8 | Anthropic | 评价 20.6 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | |||
| 4 | Claude Opus 4.7 | Anthropic | 评价 18.2 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | |||
| 5 | GPT-5.5 | OpenAI | 评价 13.0 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 6 | Claude Sonnet 4.6 | Anthropic | 评价 9.3 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 7〜8 | Kimi K2.6 | Moonshot | 评价 4.6 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K | |||
| 7〜8 | MiniMax-M3 | MiniMax | 评价 4.6 | $0.3 | $1.2 | 1.05M | MiniMax 发布 2026-06 价格 $0.3 / $1.2 长度 1.05M | |||
| 9 | Qwen3.7 Plus | Alibaba | 评价 2.8 | $0.4 | $1.6 | 1M | Alibaba 发布 2026-06 价格 $0.4 / $1.6 长度 1M |
最高成功率的变化
2026-02-17发布日期2026-07-24
如何阅读本页
- 数值为把工作做到最后的比例。这是收集了任务制作机构等公布的值。
- 成功率是成功次数的比例。差 1 个百分点相当于 100 次中的 1 次。
- 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