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)。
第 1 名的误差幅度
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1〜5 | GPT-5.5 | OpenAI | 评价 84.7 ±4.1 | $5 | $30 | 1.05M | OpenAI 发布 2026-04 价格 $5 / $30 长度 1.05M | |||
| 1〜6 | GPT-5.4 | OpenAI | 评价 81.8 ±3.9 | $2.5 | $15 | 1.05M | OpenAI 发布 2026-03 价格 $2.5 / $15 长度 1.05M | |||
| 1〜6 | Claude Opus 4.7 | Anthropic | 评价 80.2 ±4.1 | $5 | $25 | 1M | Anthropic 发布 2026-04 价格 $5 / $25 长度 1M | |||
| 1〜6 | Gemini 3.1 Pro (preview) | 评价 80.2 ±5.1 | $2 | $12 | 1.05M | Google 发布 2026-02 价格 $2 / $12 长度 1.05M | ||||
| 1〜6 | Claude Opus 4.6 | Anthropic | 评价 79.8 ±3.1 | $5 | $25 | 1M | Anthropic 发布 2026-02 价格 $5 / $25 长度 1M | |||
| 2〜6 | GPT-5.3 Codex | OpenAI | 评价 78.4 ±4.3 | $1.75 | $14 | 400K | OpenAI 发布 2026-02 价格 $1.75 / $14 长度 400K | |||
| 7〜11 | Gemini 3 Pro (preview) | 评价 69.4 ±4.1 | — | — | 1M | Google 发布 2025-11 价格 — 长度 1M | ||||
| 7〜13 | GPT-5.2 Codex | OpenAI | 评价 66.5 ±6.0 | — | — | 400K | OpenAI 发布 2025-12 价格 — 长度 400K | |||
| 7〜13 | GPT-5.2 | OpenAI | 评价 64.9 ±5.4 | $1.75 | $14 | 400K | OpenAI 发布 2025-12 价格 $1.75 / $14 长度 400K | |||
| 7〜13 | Gemini 3 Flash (preview) | 评价 64.3 ±5.5 | $0.5 | $3 | 1M | Google 发布 2025-12 价格 $0.5 / $3 长度 1M | ||||
| 7〜13 | Claude Opus 4.5 | Anthropic | 评价 63.1 ±5.3 | $5 | $25 | 200K | Anthropic 发布 2025-11 价格 $5 / $25 长度 200K | |||
| 8〜13 | GPT-5.1 Codex Mini | OpenAI | 评价 61.6 ±3.7 | — | — | 400K | OpenAI 发布 2025-11 价格 — 长度 400K | |||
| 8〜15 | GPT-5.1 Codex | OpenAI | 评价 60.4 ±5.2 | — | — | 400K | OpenAI 发布 2025-11 价格 — 长度 400K | |||
| 13〜16 | Grok 4.20 | xAI | 评价 57.3 | — | — | 2M | xAI 发布 2026-02 价格 — 长度 2M | |||
| 13〜19 | Claude Sonnet 4.6 | Anthropic | 评价 53.4 ±5.5 | $3 | $15 | 1M | Anthropic 发布 2026-02 价格 $3 / $15 长度 1M | |||
| 14〜19 | GLM-5 | Z.ai | 评价 52.4 ±5.1 | $1 | $3.2 | 204.8K | Z.ai 发布 2026-02 价格 $1 / $3.2 长度 204.8K | |||
| 15〜23 | GPT-5 | OpenAI | 评价 49.6 ±5.7 | $1.25 | $10 | 400K | OpenAI 发布 2025-08 价格 $1.25 / $10 长度 400K | |||
| 15〜23 | GPT-5.1 | OpenAI | 评价 47.6 ±5.5 | $1.25 | $10 | 400K | OpenAI 发布 2025-11 价格 $1.25 / $10 长度 400K | |||
| 15〜24 | Claude Sonnet 4.5 | Anthropic | 评价 46.5 ±4.6 | $3 | $15 | 200K | Anthropic 发布 2025-09 价格 $3 / $15 长度 200K | |||
| 17〜23 | MiniMax-M2.7 | MiniMax | 评价 45.1 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2026-03 价格 $0.3 / $1.2 长度 204.8K | |||
| 17〜26 | GPT-5 Codex | OpenAI | 评价 44.3 ±5.3 | — | — | 400K | OpenAI 发布 2025-09 价格 — 长度 400K | |||
| 17〜28 | Kimi K2.5 | Moonshot | 评价 43.2 ±5.6 | — | — | 262.1K | Moonshot 发布 2026-01 价格 — 长度 262.1K | |||
| 17〜28 | MiniMax-M2.5 | MiniMax | 评价 42.7 ±5.5 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2026-02 价格 $0.3 / $1.2 长度 204.8K | |||
| 20〜31 | DeepSeek-V3.2 | DeepSeek | 评价 39.6 ±5.4 | — | — | 128K | DeepSeek 发布 2025-12 价格 — 长度 128K | |||
| 21〜31 | Claude Opus 4.1 | Anthropic | 评价 38.0 ±5.1 | — | — | 200K | Anthropic 发布 2025-08 价格 — 长度 200K | |||
| 21〜32 | MiniMax-M2.1 | MiniMax | 评价 36.6 ±5.7 | $0.3 | $1.2 | 204.8K | MiniMax 发布 2025-12 价格 $0.3 / $1.2 长度 204.8K | |||
| 22〜32 | Kimi K2 (thinking) | Moonshot | 评价 35.7 ±5.5 | — | — | 262.1K | Moonshot 发布 2025-11 价格 — 长度 262.1K | |||
| 22〜32 | Claude Haiku 4.5 | Anthropic | 评价 35.5 ±5.7 | $1 | $5 | 200K | Anthropic 发布 2025-10 价格 $1 / $5 长度 200K | |||
| 24〜34 | GPT-5 mini | OpenAI | 评价 34.8 ±5.3 | $0.25 | $2 | 400K | OpenAI 发布 2025-08 价格 $0.25 / $2 长度 400K | |||
| 24〜36 | GLM-4.7 | Z.ai | 评价 33.4 ±5.6 | $0.6 | $2.2 | 204.8K | Z.ai 发布 2025-12 价格 $0.6 / $2.2 长度 204.8K | |||
| 24〜37 | Gemini 2.5 Pro | 评价 32.6 ±5.9 | $1.25 | $10 | 1M | Google 发布 2025-06 价格 $1.25 / $10 长度 1M | ||||
| 26〜38 | MiniMax-M2 | MiniMax | 评价 30.0 ±5.4 | $0.3 | $1.2 | 1M | MiniMax 发布 2025-10 价格 $0.3 / $1.2 长度 1M | |||
| 29〜39 | Kimi K2 (instruct) | Moonshot | 评价 27.8 ±4.9 | — | — | 131.1K | Moonshot 发布 2025-07 价格 — 长度 131.1K | |||
| 29〜39 | Grok 4 | xAI | 评价 27.2 ±6.1 | — | — | 256K | xAI 发布 2025-07 价格 — 长度 256K | |||
| 30〜39 | Qwen3 Coder 480B A35B (instruct) | Alibaba | 评价 27.2 ±5.0 | $1.5 | $7.5 | 262.1K | Alibaba 发布 2025-07 价格 $1.5 / $7.5 长度 262.1K | |||
| 30〜40 | Grok Code Fast 1 | xAI | 评价 25.8 ±5.1 | — | — | 256K | — | xAI 发布 2025-08 价格 — 长度 256K | ||
| 31〜42 | Qwen3.6 35B A3B | Alibaba | 评价 24.6 ±6.3 | $0.375 | $2.25 | 262.1K | Alibaba 发布 2026-04 价格 $0.375 / $2.25 长度 262.1K | |||
| 32〜40 | GLM-4.6 | Z.ai | 评价 24.5 ±4.8 | $0.6 | $2.2 | 204.8K | Z.ai 发布 2025-09 价格 $0.6 / $2.2 长度 204.8K | |||
| 33〜42 | GPT-5 nano | OpenAI | 评价 21.8 ±5.5 | $0.05 | $0.4 | 400K | OpenAI 发布 2025-08 价格 $0.05 / $0.4 长度 400K | |||
| 36〜42 | GPT-OSS 120B | OpenAI | 评价 18.7 ±5.3 | — | — | 128K | OpenAI 发布 2025-08 价格 — 长度 128K | |||
| 38〜42 | Gemini 2.5 Flash (preview, 2025-09) | 评价 17.1 ±4.9 | — | — | 1M | Google 发布 2025-09 价格 — 长度 1M | ||||
| 38〜42 | Gemini 2.5 Flash | 评价 17.1 ±4.9 | $0.3 | $2.5 | 1M | Google 发布 2025-06 价格 $0.3 / $2.5 长度 1M | ||||
| 43 | Qwen3.5 9B | Alibaba | 评价 9.2 ±4.6 | — | — | 262K | Alibaba 发布 2026-02 价格 — 长度 262K | |||
| 44 | GPT-OSS 20B | OpenAI | 评价 3.4 ±2.7 | — | — | 131K | OpenAI 发布 2025-08 价格 — 长度 131K |
最高成功率的变化
2025-06-17发布日期2026-04-23
如何阅读本页
- 用测试检查完成工作后的状态，数值为完成的任务所占的比例。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