如何看这张表
- 越靠上，模型的评价越高。
- 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 | DeepSeek-V3.2 (exp) | DeepSeek | 评价 42.9 | — | — | 163.8K | DeepSeek 发布 2025-09 价格 — 长度 163.8K | |||
| 2 | Gemini 2.5 Flash (preview, 2025-09) | 评价 41.1 | — | — | 1M | Google 发布 2025-09 价格 — 长度 1M | ||||
| 3 | Claude Sonnet 4 | Anthropic | 评价 33.1 | — | — | 200K | Anthropic 发布 2025-05 价格 — 长度 200K | |||
| 4 | Claude 3.7 Sonnet | Anthropic | 评价 30.9 | — | — | 200K | Anthropic 发布 2025-02 价格 — 长度 200K | |||
| 5 | Gemini 2.5 Pro (preview, 2025-05) | 评价 30.3 | — | — | 1.05M | Google 发布 2025-05 价格 — 长度 1.05M | ||||
| 6 | Claude 3.5 Sonnet (2024-10) | Anthropic | 评价 24.0 | — | — | 200K | Anthropic 发布 2024-10 价格 — 长度 200K | |||
| 7 | Gemini 2.0 Flash | 评价 11.4 | — | — | — | Google 发布 2025-02 价格 — 长度 — | ||||
| 8 | GPT-4o (2024-11) | OpenAI | 评价 8.6 | $2.5 | $10 | 128K | OpenAI 发布 2024-11 价格 $2.5 / $10 长度 128K | |||
| 9 | Llama 3.1 405B (instruct) | Meta | 评价 7.4 | — | — | — | Meta 发布 2024-07 价格 — 长度 — | |||
| 10 | Llama 3.1 70B (instruct) | Meta | 评价 6.9 | — | — | 128K | Meta 发布 2024-07 价格 — 长度 128K | |||
| 11 | Qwen2.5 72B (instruct) | Alibaba | 评价 5.7 | — | — | 128K | Alibaba 发布 2024-09 价格 — 长度 128K | |||
| 12 | Gemini 1.5 Pro 002 | 评价 3.4 | — | — | — | Google 发布 2024-09 价格 — 长度 — | ||||
| 13 | Amazon Nova Pro 1.0 | Amazon | 评价 1.7 | — | — | 300K | Amazon 发布 2024-12 价格 — 长度 300K | |||
| 14 | Qwen2 72B (instruct) | Alibaba | 评价 1.1 | — | — | — | Alibaba 发布 2024-06 价格 — 长度 — |
最高成功率的变化
2024-06-07发布日期2025-09-29
如何阅读本页
- 数值为做到最后的任务所占的比例。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