- 评价最高
- o3 ChatGPT 输入 $2
- 想省钱的话
- 同上
正确率与价格
越靠左上，模型越便宜且评价越高。
OpenAIAlibabaGooglexAIAnthropicDeepSeekMetaMoonshotMiniMax
每个价格下评价最高的模型
第 1 行：模型 / 正确率 (%)，第 2 行：价格参考
| 模型 | 开发方 | 正确率 (%) | 价格 |
|---|---|---|---|
| o3 | OpenAI | 输入 $2 (输出 $8) | |
| GPT-5 | OpenAI | 输入 $1.25 (输出 $10) | |
| GPT-5 mini | OpenAI | 输入 $0.25 (输出 $2) | |
| GPT-5 nano | OpenAI | 输入 $0.05 (输出 $0.4) |
全部模型 (按正确率从高到低)
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 | 正确率 (%) | 长问题 (人类评价) | 遵循 指令 (人类评价) | 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| o3 | OpenAI | 1411 | 1403 | $2 | $8 | 200K | $2 / $8 200K 2025-04 | ||||||
| GPT-5 | OpenAI | 1413 | 1410 | $1.25 | $10 | 400K | $1.25 / $10 400K 2025-08 | ||||||
| Grok 4 | xAI | 1416 | 1396 | — | — | 256K | 256K 2025-07 | ||||||
| Gemini 2.5 Pro (exp) | — | — | — | — | 1.05M | 1.05M 2025-03 | |||||||
| o3-pro | OpenAI | — | — | — | — | 200K | 200K 2025-06 | ||||||
| Gemini 2.5 Pro (preview, 2025-05) | — | — | — | — | 1.05M | 1.05M 2025-05 | |||||||
| Kimi K2.5 | Moonshot | 1458 | 1439 | — | — | 262.1K | 262.1K 2026-01 | ||||||
| Grok 4 Fast | xAI | 1418 | 1395 | — | — | 2M | 2M 2025-09 | ||||||
| Gemini 2.5 Pro (preview, 2025-03) | — | — | — | — | 1.05M | 1.05M 2025-03 | |||||||
| Gemini 2.5 Flash (preview, 2025-05) | — | — | — | — | 1.05M | 1.05M 2025-05 | |||||||
| Qwen3 235B A22B (thinking) | Alibaba | 1402 | 1385 | — | — | 262.1K | 262.1K 2025-07 | ||||||
| GPT-4.1 | OpenAI | 1426 | 1403 | $2 | $8 | 1.05M | $2 / $8 1.05M 2025-04 | ||||||
| GPT-5 mini | OpenAI | 1370 | 1373 | $0.25 | $2 | 400K | $0.25 / $2 400K 2025-08 | ||||||
| o4-mini | OpenAI | 1370 | 1368 | $1.1 | $4.4 | 200K | $1.1 / $4.4 200K 2025-04 | ||||||
| Qwen3 Next 80B A3B (instruct) | Alibaba | 1389 | 1376 | $0.5 | $2 | 129K | $0.5 / $2 129K 2025-09 | ||||||
| MiniMax-M1-80k | MiniMax | — | — | — | — | 1M | 1M 2025-06 | ||||||
| Claude 3.7 Sonnet | Anthropic | 1429 | 1411 | — | — | 200K | 200K 2025-02 | ||||||
| DeepSeek-V3.1 | DeepSeek | 1446 | 1417 | — | — | 128K | 128K 2025-08 | ||||||
| Gemini 2.5 Flash (preview, 2025-04) | — | — | — | — | 1.05M | 1.05M 2025-04 | |||||||
| o1 | OpenAI | 1412 | 1407 | $15 | $60 | 128K | $15 / $60 128K 2024-12 | ||||||
| GPT-4.1 mini | OpenAI | 1390 | 1373 | — | — | 1.05M | 1.05M 2025-04 | ||||||
| Qwen3 235B A22B (instruct) | Alibaba | 1433 | 1414 | — | — | 128K | 128K 2025-07 | ||||||
| o3-mini | OpenAI | 1373 | 1366 | $1.1 | $4.4 | 200K | $1.1 / $4.4 200K 2025-01 | ||||||
| Kimi K2 (instruct, 2025-09) | Moonshot | 1406 | 1391 | — | — | 262.1K | 262.1K 2025-09 | ||||||
| Claude Opus 4 | Anthropic | 1466 | 1444 | — | — | 200K | 200K 2025-05 | ||||||
| Gemini 2.0 Pro (exp) | — | — | — | — | 2.1M | 2.1M 2025-02 | |||||||
| Claude Sonnet 4 | Anthropic | 1442 | 1416 | — | — | 200K | 200K 2025-05 | ||||||
| Llama 4 Maverick | Meta | 1335 | 1314 | — | — | 524.3K | 524.3K 2025-04 | ||||||
| DeepSeek-R1 | DeepSeek | 1399 | 1397 | — | — | 128K | 128K 2025-01 | ||||||
| Llama 4 Scout | Meta | 1325 | 1299 | — | — | 128K | 128K 2025-04 | ||||||
| Gemini 2.5 Flash-Lite (preview, 2025-06) | 1379 | 1369 | — | — | 1.05M | 1.05M 2025-06 | |||||||
| GPT-5 nano | OpenAI | 1333 | 1327 | $0.05 | $0.4 | 400K | $0.05 / $0.4 400K 2025-08 | ||||||
| GPT-4.1 nano | OpenAI | 1325 | 1300 | $0.1 | $0.4 | 1.05M | $0.1 / $0.4 1.05M 2025-04 |
如何阅读本页
- 表中也列出较长的问题 / 遵循指令能力的人类评价 (不用于排序)。价格按输入单价比较。只收录用这项评测测过的 39 个模型 (符合当前条件的有 33 个，最新的于 2026-01 发布)。
- 条形按 0〜100 % 的范围绘制。
- 人类评价是由人比较 2 个回答并作出选择的结果得出的分数 (越高越好)。
- 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。
- 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。在付得起的价格内的行中，最上面的一行就是该价格下正确率最高的模型。
- “想省钱的话”是输入每 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)。
- 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。这里是让它读的量 (输入) 的价格。例如$2的模型，日常提问 1 次 (问题和回答合计约 1,000 token) 需要about 0.2 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。
- 纵轴是正确率，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