- 评价最高
- △Gemini 4 Argon $4
- 想省钱的话
- GLM-5.3 Flash Z.ai 开放权重 $0.24
- 评价差 28
- 在误差范围内，几乎相同
与更便宜的 GLM-5.3 Flash ($0.24) 的评价差在误差范围内 (几乎相同)，所以用 GLM-5.3 Flash 就够了。
评价与价格
越靠左上，模型越便宜且评价越高。
OpenAIGoogleZ.aiXiaomiStepFunAlibabaAnthropicMistralCohereMetaMiniMaxxAIDeepSeekMoonshotNVIDIAMicrosoft其他
每个价格下评价最高的模型
第 1 行：模型 / 人类评价，第 2 行：价格参考
| 模型 | 开发方 | 人类评价 | 价格 |
|---|---|---|---|
| △Gemini 4 Argon | $4 (输入 $2 / 输出 $10) | ||
| △Gemini 3.8 Flash | $1.5 (输入 $0.75 / 输出 $3.75) | ||
| GLM-5.3 Flash | Z.ai | $0.24 (输入 $0.15 / 输出 $0.5) | |
| MiMo-V2.6 Flash | Xiaomi | $0.18 (输入 $0.14 / 输出 $0.28) | |
| Step 3.5 Flash | StepFun | $0.16 (输入 $0.1046 / 输出 $0.3138) | |
| GPT-5 nano | OpenAI | $0.14 (输入 $0.05 / 输出 $0.4) |
全部模型 (按人类评价从高到低)
第 2 行：价格 (输入 / 输出) / 一次能读的长度 / 发布 / 支持 工具 图片 JSON □ 比较
| 推荐 | 比较 | 模型 | 开发方 | 人类评价 | 高等 数学 (%) | AIME 模拟 (%) | 证明题 (%) | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Gemini 4 Argon | 90.5 | 100.0 | 99.0 | $2 | $10 | 1.05M | $2 / $10 1.05M 2026-09 | |||||||
| Claude Fable 5.1 | Anthropic | 94.9 | 100.0 | 100.0 | $10 | $50 | 1M | $10 / $50 1M 2026-09 | ||||||
| Gemini 3.8 Flash | 72.0 | 98.9 | 48.0 | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-09 | |||||||
| Claude Fable 5 | Anthropic | 91.6 | 100.0 | 95.0 | $10 | $50 | 1M | $10 / $50 1M 2026-06 | ||||||
| Claude Opus 5 | Anthropic | 90.1 | 98.9 | 99.0 | $5 | $25 | 1M | $5 / $25 1M 2026-07 | ||||||
| Claude Opus 4.6 | Anthropic | 69.4 | 94.4 | 50.0 | $5 | $25 | 1M | $5 / $25 1M 2026-02 | ||||||
| GPT-6.1 Sol | OpenAI | 98.6 | 100.0 | 99.0 | $2 | $10 | 1.05M | $2 / $10 1.05M 2026-09 | ||||||
| Claude Opus 5.5 | Anthropic | 96.0 | 100.0 | 100.0 | $4 | $20 | 1M | $4 / $20 1M 2026-09 | ||||||
| Muse Spark 1.3 | Meta | 78.3 | 99.2 | 58.0 | $1.25 | $4.25 | 1.05M | $1.25 / $4.25 1.05M 2026-09 | ||||||
| Gemini 3.7 Flash | 75.3 | 97.2 | 58.0 | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-08 | |||||||
| Gemini 3.6 Flash | 62.0 | 94.2 | 36.0 | $0.75 | $3.75 | 1.05M | $0.75 / $3.75 1.05M 2026-07 | |||||||
| Claude Opus 4.7 | Anthropic | 73.9 | 97.8 | 54.0 | $5 | $25 | 1M | $5 / $25 1M 2026-04 | ||||||
| GLM-5.3 Flash | Z.ai | 58.7 | 93.9 | 21.0 | $0.15 | $0.5 | 1M | $0.15 / $0.5 1M 2026-08 | ||||||
| Claude Sonnet 5.5 | Anthropic | 93.4 | 100.0 | 100.0 | $2 | $10 | 1M | $2 / $10 1M 2026-09 | ||||||
| GPT-5.5 | OpenAI | 89.8 | 100.0 | 50.0 | $5 | $30 | 1.05M | $5 / $30 1.05M 2026-04 | ||||||
| GLM-5.3 | Z.ai | 72.4 | 91.1 | 49.0 | $1.4 | $4.4 | 1M | $1.4 / $4.4 1M 2026-08 | ||||||
| Kimi K3 | Moonshot | 76.0 | 97.2 | 87.0 | $3 | $15 | 1.05M | $3 / $15 1.05M 2026-07 | ||||||
| Qwen3.8 Max | Alibaba | 78.7 | 99.4 | 58.0 | $2 | $6 | 1M | $2 / $6 1M 2026-08 | ||||||
| Gemini 3.5 Flash | 66.1 | 95.6 | 31.0 | $1.5 | $9 | 1.05M | $1.5 / $9 1.05M 2026-05 | |||||||
| GPT-5.6 Sol | OpenAI | 93.8 | 100.0 | 83.0 | $4 | $20 | 1.05M | $4 / $20 1.05M 2026-07 | ||||||
| Muse Wonder | Meta | 86.4 | 99.4 | 84.0 | $4 | $20 | 1.05M | $4 / $20 1.05M 2026-10 | ||||||
| DeepSeek-V4.1 Flash | DeepSeek | 70.9 | 98.3 | 54.0 | — | — | 1M | 1M 2026-09 | ||||||
| Claude Opus 4.8 | Anthropic | 84.2 | 98.3 | 69.0 | $5 | $25 | 1M | $5 / $25 1M 2026-05 | ||||||
| Muse Spark 1.1 | Meta | — | — | 39.0 | $1.25 | $4.25 | 1M | $1.25 / $4.25 1M 2026-07 | ||||||
| GPT-5.4 | OpenAI | 82.7 | 97.8 | 56.0 | $2.5 | $15 | 1.05M | $2.5 / $15 1.05M 2026-03 | ||||||
| Muse Spark 1.2 | Meta | — | — | 43.0 | $1.25 | $4.25 | 1.05M | $1.25 / $4.25 1.05M 2026-08 | ||||||
| Gemini 3.1 Pro (preview) | 62.8 | 95.6 | 26.0 | $2 | $12 | 1.05M | $2 / $12 1.05M 2026-02 | |||||||
| MiMo-V2.6 Pro | Xiaomi | — | — | 70.0 | $0.435 | $0.87 | 1.05M | $0.435 / $0.87 1.05M 2026-09 | ||||||
| GLM-5.2 | Z.ai | 62.3 | 86.4 | 35.0 | $1.4 | $4.4 | 1M | $1.4 / $4.4 1M 2026-06 | ||||||
| GPT-6 Astra | OpenAI | 98.6 | 100.0 | 99.0 | $10 | $50 | 1.05M | $10 / $50 1.05M 2026-09 | ||||||
| Qwen3.7 Max (preview) | Alibaba | — | — | — | — | — | — | — | ||||||
| Tencent HY3 | Tencent | — | — | — | — | — | 256K | 256K 2026-07 | ||||||
| GPT-5.6 Terra | OpenAI | 90.5 | 99.7 | 74.0 | $2 | $12 | 1.05M | $2 / $12 1.05M 2026-07 | ||||||
| Inkling | Thinking Machines | 35.1 | 88.9 | 0.0 | $1.87 | $4.68 | 262.1K | $1.87 / $4.68 262.1K 2026-07 | ||||||
| MiMo-V2.5 Pro | Xiaomi | — | — | 22.0 | $0.435 | $0.87 | 1.05M | $0.435 / $0.87 1.05M 2026-04 | ||||||
| Kimi K2.6 | Moonshot | 60.2 | 96.1 | 16.0 | $0.95 | $4 | 262.1K | $0.95 / $4 262.1K 2026-04 | ||||||
| GPT-5.6 Luna | OpenAI | 86.4 | 98.3 | 60.0 | $0.2 | $1.2 | 1.05M | $0.2 / $1.2 1.05M 2026-07 | ||||||
| ERNIE 5.1 | Baidu | — | — | — | — | — | 119K | — | 119K | |||||
| Gemini 3 Pro | — | — | — | — | — | 1.05M | 1.05M 2025-11 | |||||||
| GLM-5.1 | Z.ai | 38.8 | 93.3 | 22.2 | $1.4 | $4.4 | 200K | $1.4 / $4.4 200K 2026-04 |
如何阅读本页
- 表中也列出从本科高年级到研究入门的数学题 / 模仿 AIME 的数学竞赛题 / 数学证明题的正确率 (不用于排序)。有评测的模型共 379 个。
- 条形按 800〜1600 的范围绘制。
- 人类评价是由人向 2 个模型提出同一个问题、选出更好的回答所得出的分数。差 50 时上面的模型被选中的概率约为 57 %，差 100 时为 64 %，差 200 时为 76 % (差 0 为各半)。± 的幅度重叠的差在误差范围内，几乎相同。
- 只有部分模型有高等数学、AIME 模拟、证明题的值。
- 只列出比所有更便宜的模型评价都高的模型，按评价从高到低排列。评价差不多时，选这张表里最便宜的一行即可。在付得起的价格内、没有 △ 的行中，最上面的一行就是推荐。△ 的行比下面没有 △ 的行价格更高，但评价几乎相同 (差在误差范围内)。
- “想省钱的话”是每 100 万 token $2 以下评价最高的模型 (把价格上限设得更低时，按该上限)。
- 评价差在误差范围内 (几乎相同) 的行标 △。没有 △ 的行，评价比下面最近的没有 △ 的行高出误差范围以上。
- 按价格推荐
- 价格是开发者通过程序 (API) 使用时所付费用的参考，与应用的月费不同。单位为每 100 万 token。token 是把文本细分后的单位，中文大约 1 个字为 1〜1.5 个 token，100 万 token 约相当于 7〜10 本书的文字量。让它读的量 (输入) 和让它写的量 (输出) 价格不同，这里按读 3 : 写 1 混合计算。例如$4的模型，日常提问 1 次 (问题和回答合计约 1,000 token) 需要about 0.4 cents。不收录价格不明的模型。
- 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。
- 纵轴是人类评价，横轴是价格 (横轴越往右刻度越稀疏)。用阶梯线连起来的点，是每个价格下评价最高的模型。点按或指向点时会显示模型名称。
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