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 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1〜5 | Claude Fable 5.1 | Anthropic | 评价 100.0 | $10 | $50 | 1M | Anthropic 发布 2026-09 价格 $10 / $50 长度 1M | |||
| 1〜5 | Claude Opus 5.5 | Anthropic | 评价 100.0 | $4 | $20 | 1M | Anthropic 发布 2026-09 价格 $4 / $20 长度 1M | |||
| 1〜5 | Claude Sonnet 5.5 | Anthropic | 评价 100.0 | $2 | $10 | 1M | Anthropic 发布 2026-09 价格 $2 / $10 长度 1M | |||
| 1〜9 | Claude Opus 5 | Anthropic | 评价 99.0 ±8.2 | $5 | $25 | 1M | Anthropic 发布 2026-07 价格 $5 / $25 长度 1M | |||
| 4〜8 | Gemini 4 Argon | 评价 99.0 | $2 | $10 | 1.05M | Google 发布 2026-09 价格 $2 / $10 长度 1.05M | ||||
| 4〜8 | GPT-6.1 Sol | OpenAI | 评价 99.0 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 4〜8 | GPT-6 Astra | OpenAI | 评价 99.0 | $10 | $50 | 1.05M | OpenAI 发布 2026-09 价格 $10 / $50 长度 1.05M | |||
| 1〜10 | Claude Fable 5 | Anthropic | 评价 95.0 ±8.3 | $10 | $50 | 1M | Anthropic 发布 2026-06 价格 $10 / $50 长度 1M | |||
| 8〜11 | Claude Haiku 5.5 | Anthropic | 评价 89.0 | $0.1 | $0.5 | 1M | Anthropic 发布 2026-10 价格 $0.1 / $0.5 长度 1M | |||
| 7〜14 | Kimi K3 | Moonshot | 评价 87.0 ±9.0 | $3 | $15 | 1.05M | Moonshot 发布 2026-07 价格 $3 / $15 长度 1.05M | |||
| 10〜13 | Muse Wonder | Meta | 评价 84.0 | $4 | $20 | 1.05M | Meta 发布 2026-10 价格 $4 / $20 长度 1.05M | |||
| 9〜16 | GPT-5.6 Sol | OpenAI | 评价 83.0 ±8.2 | $4 | $20 | 1.05M | OpenAI 发布 2026-07 价格 $4 / $20 长度 1.05M | |||
| 11〜14 | GPT-6 Sol | OpenAI | 评价 83.0 | $2 | $10 | 1.05M | OpenAI 发布 2026-09 价格 $2 / $10 长度 1.05M | |||
| 10〜18 | Claude Sonnet 5 | Anthropic | 评价 77.0 ±9.3 | $2 | $10 | 1M | Anthropic 发布 2026-06 价格 $2 / $10 长度 1M | |||
| 13〜17 | Tencent HY4 (preview) | Tencent | 评价 75.0 | — | — | — | Tencent 发布 2026-08 价格 — 长度 — | |||
| 13〜18 | GPT-5.6 Terra | OpenAI | 评价 74.0 ±8.9 | $2 | $12 | 1.05M | OpenAI 发布 2026-07 价格 $2 / $12 长度 1.05M | |||
| 15〜18 | MiMo-V2.6 Pro | Xiaomi | 评价 70.0 | $0.435 | $0.87 | 1.05M | Xiaomi 发布 2026-09 价格 $0.435 / $0.87 长度 1.05M | |||
| 14〜22 | Claude Opus 4.8 | Anthropic | 评价 69.0 ±9.1 | $5 | $25 | 1M | Anthropic 发布 2026-05 价格 $5 / $25 长度 1M | |||
| 18〜21 | GPT-6 Luna | OpenAI | 评价 64.0 | $0.1 | $0.5 | 1.05M | OpenAI 发布 2026-09 价格 $0.1 / $0.5 长度 1.05M | |||
| 19〜23 | MiMo-V2.6 Flash | Xiaomi | 评价 63.0 | $0.14 | $0.28 | 1.05M | Xiaomi 发布 2026-09 价格 $0.14 / $0.28 长度 1.05M | |||
| 18〜31 | GPT-5.6 Luna | OpenAI | 评价 60.0 ±9.8 | $0.2 | $1.2 | 1.05M | OpenAI 发布 2026-07 价格 $0.2 / $1.2 长度 1.05M | |||
| 21〜28 | Gemini 3.7 Flash | 评价 58.0 | $0.75 | $3.75 | 1.05M | Google 发布 2026-08 价格 $0.75 / $3.75 长度 1.05M | ||||
| 21〜28 | Muse Spark 1.3 | Meta | 评价 58.0 | $1.25 | $4.25 | 1.05M | Meta 发布 2026-09 价格 $1.25 / $4.25 长度 1.05M | |||
| 21〜28 | Qwen3.8 Max | Alibaba | 评价 58.0 | $2 | $6 | 1M | Alibaba 发布 2026-08 价格 $2 / $6 长度 1M | |||
| 24〜29 | DeepSeek-V4 Flash (2026-07) | DeepSeek | 评价 56.0 | — | — | 1M | DeepSeek 发布 2026-07 价格 — 长度 1M | |||
| 18〜35 | GPT-5.4 | OpenAI | 评价 56.0 ±9.7 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | |||
| 20〜35 | Claude Opus 4.7 | Anthropic | 评价 54.0 ±9.8 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | |||
| 25〜31 | DeepSeek-V4.1 Flash | DeepSeek | 评价 54.0 | — | — | 1M | DeepSeek 发布 2026-09 价格 — 长度 1M | |||
| 26〜32 | Grok 4.6 | xAI | 评价 51.0 | $2 | $6 | 500K | xAI 发布 2026-08 价格 $2 / $6 长度 500K | |||
| 21〜38 | Claude Opus 4.6 | Anthropic | 评价 50.0 ±9.8 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | |||
| 28〜33 | DeepSeek-V4 Pro (2026-08) | DeepSeek | 评价 50.0 | $0.66 | $1.98 | 1M | DeepSeek 发布 2026-08 价格 $0.66 / $1.98 长度 1M | |||
| 21〜38 | GPT-5.5 | OpenAI | 评价 50.0 ±9.8 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 29〜34 | GLM-5.3 | Z.ai | 评价 49.0 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-08 价格 $1.4 / $4.4 长度 1M | |||
| 30〜36 | Gemini 3.8 Flash | 评价 48.0 | $0.75 | $3.75 | 1.05M | Google 发布 2026-09 价格 $0.75 / $3.75 长度 1.05M | ||||
| 26〜41 | Claude Sonnet 4.6 | Anthropic | 评价 45.0 ±9.8 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 33〜40 | Muse Spark 1.2 | Meta | 评价 43.0 | $1.25 | $4.25 | 1.05M | Meta 发布 2026-08 价格 $1.25 / $4.25 长度 1.05M | |||
| 34〜41 | Step 5 (preview) | StepFun | 评价 42.0 | $1.0461 | $2.989 | 1M | StepFun 发布 2026-09 价格 $1.0461 / $2.989 长度 1M | |||
| 32〜43 | Muse Spark 1.1 | Meta | 评价 39.0 ±9.6 | $1.25 | $4.25 | 1M | Meta 发布 2026-07 价格 $1.25 / $4.25 长度 1M | |||
| 35〜45 | Claude Opus 4.5 | Anthropic | 评价 36.0 ±9.4 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | |||
| 35〜45 | Gemini 3.6 Flash | 评价 36.0 ±9.5 | $0.75 | $3.75 | 1.05M | Google 发布 2026-07 价格 $0.75 / $3.75 长度 1.05M | ||||
| 35〜46 | GLM-5.2 | Z.ai | 评价 35.0 ±9.4 | $1.4 | $4.4 | 1M | Z.ai 发布 2026-06 价格 $1.4 / $4.4 长度 1M | |||
| 38〜50 | Gemini 3.5 Flash | 评价 31.0 ±8.9 | $1.5 | $9 | 1.05M | Google 发布 2026-05 价格 $1.5 / $9 长度 1.05M | ||||
| 38〜50 | Grok 4.5 | xAI | 评价 31.0 ±9.0 | $2 | $6 | 500K | xAI 发布 2026-07 价格 $2 / $6 长度 500K | |||
| 39〜60 | Gemini 3.1 Pro (preview) | 评价 26.0 ±8.6 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | ||||
| 41〜51 | Grok 4.7 | xAI | 评价 26.0 | $2 | $6 | 500K | xAI 发布 2026-09 价格 $2 / $6 长度 500K | |||
| 39〜60 | Qwen3.7 Max | Alibaba | 评价 26.0 ±8.6 | $2.5 | $7.5 | 1M | Alibaba 发布 2026-05 价格 $2.5 / $7.5 长度 1M | |||
| 42〜64 | GLM-5.1 | Z.ai | 评价 22.2 ±8.2 | $1.4 | $4.4 | 200K | Z.ai 发布 2026-04 价格 $1.4 / $4.4 长度 200K | |||
| 42〜64 | MiMo-V2.5 Pro | Xiaomi | 评价 22.0 ±8.4 | $0.435 | $0.87 | 1.05M | Xiaomi 发布 2026-04 价格 $0.435 / $0.87 长度 1.05M | |||
| 45〜60 | GLM-5.3 Flash | Z.ai | 评价 21.0 | $0.15 | $0.5 | 1M | Z.ai 发布 2026-08 价格 $0.15 / $0.5 长度 1M | |||
| 42〜65 | GPT-5.4 mini | OpenAI | 评价 21.0 ±8.0 | $0.75 | $4.5 | 400K | OpenAI 发布 2026-03 价格 $0.75 / $4.5 长度 400K | |||
| 42〜65 | Gemini 3 Pro (preview) | 评价 20.0 ±7.8 | — | — | 1M | Google 发布 2025-11 价格 — 长度 1M | ||||
| 44〜65 | Claude Sonnet 4.5 | Anthropic | 评价 19.0 ±7.7 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | |||
| 45〜68 | GPT-5 | OpenAI | 评价 18.0 ±7.5 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 45〜68 | MiniMax-M3 | MiniMax | 评价 18.0 ±7.7 | $0.3 | $1.2 | 1.05M | MiniMax 发布 2026-06 价格 $0.3 / $1.2 长度 1.05M | |||
| 45〜70 | Muse Spark | Meta | 评价 17.0 ±7.4 | — | — | — | Meta 发布 2026-04 价格 — 长度 — | |||
| 45〜68 | DeepSeek-V4 Pro | DeepSeek | 评价 16.0 ±5.9 | $0.66 | $1.98 | 1M | DeepSeek 发布 2026-04 价格 $0.66 / $1.98 长度 1M | |||
| 45〜70 | Kimi K2.6 | Moonshot | 评价 16.0 ±7.2 | $0.95 | $4 | 262.1K | Moonshot 发布 2026-04 价格 $0.95 / $4 长度 262.1K | |||
| 45〜70 | MiMo-V2.5 | Xiaomi | 评价 16.0 ±7.2 | $0.14 | $0.28 | 1.05M | Xiaomi 发布 2026-04 价格 $0.14 / $0.28 长度 1.05M | |||
| 48〜65 | Qwen3.8 27B | Alibaba | 评价 16.0 | — | — | 262.1K | Alibaba 发布 2026-08 价格 — 长度 262.1K | |||
| 45〜70 | Gemini 3 Flash (preview) | 评价 15.0 ±7.0 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | ||||
| 45〜70 | GPT-5.2 | OpenAI | 评价 15.0 ±7.0 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | |||
| 48〜72 | Grok 4.20 Reasoning | xAI | 评价 14.0 ±6.8 | $1.25 | $2.5 | 2M | xAI 发布 2026-02 价格 $1.25 / $2.5 长度 2M | |||
| 48〜72 | Gemini 3.5 Flash-Lite | 评价 13.0 ±6.6 | $0.3 | $2.5 | 1.05M | Google 发布 2026-07 价格 $0.3 / $2.5 长度 1.05M | ||||
| 48〜73 | GPT-5 nano | OpenAI | 评价 12.0 ±6.4 | $0.05 | $0.4 | 400K | OpenAI 发布 2025-08 价格 $0.05 / $0.4 长度 400K | |||
| 50〜75 | Grok 4.3 | xAI | 评价 11.0 ±6.1 | $1.25 | $2.5 | 1M | xAI 发布 2026-04 价格 $1.25 / $2.5 长度 1M | |||
| 57〜72 | Mistral Large 4 | Mistral | 评价 10.0 | $1.36 | $4.18 | 524.3K | Mistral 发布 2026-10 价格 $1.36 / $4.18 长度 524.3K | |||
| 54〜76 | GPT-5.1 Codex | OpenAI | 评价 9.0 ±5.6 | — | — | 400K | OpenAI 发布 2025-11 价格 — 长度 400K | |||
| 54〜76 | GPT-5 mini | OpenAI | 评价 9.0 ±5.6 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | |||
| 54〜76 | Mistral Medium 3.5 | Mistral | 评价 9.0 ±5.9 | $1.5 | $7.5 | 262.1K | Mistral 发布 2026-04 价格 $1.5 / $7.5 长度 262.1K | |||
| 57〜77 | DeepSeek-V3.2 | DeepSeek | 评价 8.0 ±5.3 | — | — | 128K | DeepSeek 发布 2025-12 价格 — 长度 128K | |||
| 62〜78 | GLM-4.7 | Z.ai | 评价 6.0 ±4.7 | $0.6 | $2.2 | 204.8K | Z.ai 发布 2025-12 价格 $0.6 / $2.2 长度 204.8K | |||
| 62〜78 | Inkling Small | Thinking Machines | 评价 6.0 ±4.3 | $0.58 | $1.44 | 524.3K | Thinking Machines 发布 2026-07 价格 $0.58 / $1.44 长度 524.3K | |||
| 65〜79 | GPT-5.4 nano | OpenAI | 评价 5.0 ±4.3 | $0.2 | $1.25 | 400K | OpenAI 发布 2026-03 价格 $0.2 / $1.25 长度 400K | |||
| 66〜79 | Grok 4.1 Fast Reasoning | xAI | 评价 4.0 ±3.8 | — | — | 2M | xAI 发布 2025-11 价格 — 长度 2M | |||
| 66〜79 | MiniMax-M2.5 | MiniMax | 评价 4.0 ±3.8 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2026-02 价格 $0.3 / $1.2 长度 204.8K | |||
| 70〜78 | Mercury 2.5 | Inception | 评价 3.0 | — | — | — | Inception 发布 2026-09 价格 — 长度 — | |||
| 67〜81 | MiniMax-M2.7 | MiniMax | 评价 3.0 ±3.3 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2026-03 价格 $0.3 / $1.2 长度 204.8K | |||
| 71〜81 | NVIDIA Nemotron 3 Ultra | NVIDIA | 评价 2.0 ±2.8 | — | — | 131.1K | NVIDIA 发布 2026-06 价格 — 长度 131.1K | |||
| 74〜81 | Inkling | Thinking Machines | 评价 0.0 ±2.8 | $1.87 | $4.68 | 262.1K | Thinking Machines 发布 2026-07 价格 $1.87 / $4.68 长度 262.1K | |||
| 77〜81 | Laguna M.1 | Poolside | 评价 0.0 ±0.0 | — | — | 262.1K | Poolside 发布 2026-04 价格 — 长度 262.1K | |||
| 77〜81 | Laguna XS.2 | Poolside | 评价 0.0 ±0.0 | — | — | 32.8K | Poolside 发布 2026-04 价格 — 长度 32.8K |
最高正确率的变化
2025-08-07发布日期2026-10-12
如何阅读本页
- 数值为被判定为正确证明的比例。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