EVALUATIONS & RANKINGS

测评榜单

先看能力、价格与最新发布，再按编程、交互推理和语言表现挑选适合的模型。

能力榜首: Gemini 4 Carbon综合能力指数 59.43
性价比榜首: Claude Haiku 5.53:1文本用量 · $0.2/百万 Token
最近发布: Mistral Large 42026-10-29 · Mistral
可比配置: 86 个20家厂商 · 42个价格配置

先看这三张榜

跨厂商快速对照，展开榜单查看各型号与推理配置。

榜单资料 2026-10-30

能力排名

完整榜单

综合能力指数 · 每厂商最高分

性价比排名

完整榜单

能力指数 ≥30 · 3:1 文本用量

能力与价格，放在一起看

标准文本用量为3份输入、1份输出；性价比榜限定能力指数 ≥30。

比较 42 个配置

能力与文本成本

能力指数 ≥30 · 标准成本为 (3 × 输入价 + 输出价) ÷ 4，单位 USD / 百万 Token。图示能力较高的 42 / 42 个配置。

查看图表数据 · 42 项

名称	成本 / 能力
Gemini 4 Carbon (High)	8 / 59.426
Claude Opus 5.5 (Max, Default Fallback)	8 / 58.406
Claude Opus 5.5 (Xhigh, Default Fallback)	8 / 56.995
GPT-6 Astra (Max)	20 / 56.854
GPT-6 Astra (Xhigh)	20 / 55.256
GPT-6 Astra (High)	20 / 54.85
GPT-6.1 Sol (Max)	4 / 54.509
Claude Sonnet 5.5 (Max, Default Fallback)	4 / 54.241
GPT-6.1 Sol (Xhigh)	4 / 52.308
Claude Opus 5.5 (High, Default Fallback)	8 / 51.686
GPT-6 Astra (Medium)	20 / 51.455
GPT-6.1 Terra (Max)	2 / 50.977
Gemini 4 Argon (High)	8 / 50.412
GPT-6.1 Sol (High)	4 / 50.229
Claude Fable 5.1 (Xhigh, Default Fallback)	20 / 49.672
Claude Sonnet 5.5 (Xhigh, Default Fallback)	4 / 49.574
Claude Fable 5.1 (Max, Default Fallback)	20 / 49.01
Claude Opus 5.5 (Medium, Default Fallback)	8 / 48.058
Claude Fable 5.1 (High, Default Fallback)	20 / 47.025
GPT-6.1 Sol (Medium)	4 / 46.147
Kimi K3.1 Pro	4 / 46.003
GPT-6.1 Terra (Xhigh)	2 / 44.95
Muse Wonder (Max)	8 / 43.325
GPT-6 Astra (Low)	20 / 43.035
Claude Fable 5.1 (Medium, Default Fallback)	20 / 42.972
GPT-6.1 Terra (High)	2 / 42.334
Claude Sonnet 5.5 (High, Default Fallback)	4 / 41.115
Claude Fable 5.1 (Low, Default Fallback)	20 / 38.484
GPT-6.1 Terra (Medium)	2 / 38.115
Claude Haiku 5.5 (Max)	0.2 / 36.235
Grok 4.7 (High)	3 / 35.012
GPT-6.1 Sol (Low)	4 / 34.503
Claude Opus 5.5 (Low, Default Fallback)	8 / 34.503
Claude Haiku 5.5 (Xhigh)	0.2 / 34.339
Grok 4.7 (Xhigh)	3 / 34.335
Qwen3.8 Max (0902)	3 / 33.555
DeepSeek V4.1 Flash 1017 (Max)	0.525 / 32.49
GLM-5.3 (Max)	2.15 / 31.653
Grok 4.7 (Low)	3 / 30.882
Gemini 3.8 Flash (High)	1.5 / 30.547
GPT-6.1 Terra (Non-reasoning)	2 / 30.416
Claude Sonnet 5.5 (Medium, Default Fallback)	4 / 30.32

高性价比模型的输入与输出价格

性价比榜前4款同配置 · USD / 百万 Token · 输入与输出分别计价。

输入输出

查看图表数据 · 4 项

名称	输入 / 输出
Claude Haiku 5.5	0.1 / 0.5
DeepSeek V4.1 Flash 1017	0.3 / 1.2
GPT-6.1 Terra	1 / 5
Gemini 3.8 Flash	0.75 / 3.75

按任务看表现

持续更新的任务榜优先展示；每张卡片独立比较，榜单更新与本站收录日期分别列示。

测评平台与方法

编程与任务执行

LiveBench 2.0 / 2026-10-25 · 编程任务

榜单更新 2026-10-25

编程分项 · 0–100分 · 项目测评

编程得分越高越好 ↑

1claude-fable-5.197.7
2claude-opus-5.596.3
3deepseek-v4.1-flash-101796
3gpt-6.1-sol96
5mistral-large-4-095.4
6claude-sonnet-5.594.7
7gpt-6.1-terra94.3
8gpt-6-astra93.7

按编程任务得分排序，各配置独立保留。

交互推理与学习

ARC-AGI-3 · 标准框架

榜单更新 2026-10-21

Semi-Private · 技能学习效率 · 项目测评

技能学习效率越高越好 ↑

1GPT-6 Astra (Max)62.713%
2GPT-6 Astra (XHigh)59.343%
3GPT-6 Astra (High)54.819%
4GPT-6.1 Sol (Max)52.729%
5Gemini 4 Argon (Low)49.794%
6Gemini 4 Argon (Medium)46.266%
7GPT-6.1 Sol (XHigh)39.929%
8GPT-6 Astra (Medium)38.588%

100%表示达到人类完成游戏的效率，不是答题准确率。

欧洲多语言

EuroEval · 32种语言分项

榜单更新 2026-10-27

验证集 · zero-shot · 排名分 · 项目测评

欧洲多语种均值排名分越低越好 ↓

1gpt-6.1-sol (zero-shot, val)1.29± 0.04
2gpt-6-astra (zero-shot, val)1.31± 0.04
3gemini/gemini-3.7-flash (zero-shot, val)1.34± 0.04
4gemini/gemini-3.6-flash (zero-shot, val)1.42± 0.04
5gpt-6-sol (zero-shot, val)1.44± 0.04
6gpt-5.6-sol (zero-shot, val)1.46± 0.04
7gemini/gemini-3-flash-preview#thinking (zero-shot, val)1.48± 0.04
8deepseek/deepseek-flash#low (zero-shot, val)1.52± 0.03

验证集与测试集分别比较；±为95%置信区间半宽。

模型发布动态

观察发布节奏与厂商活跃度，追踪值得关注的新型号。

查看 196 个型号

模型发布节奏

最近12个月 · 按明确发布日期归月，含历史型号；本月截至 2026-10-30。统计范围为本报告收录的型号。

查看图表数据 · 12 项

月份	个型号
2025-11	19
2025-12	27
2026-01	10
2026-02	19
2026-03	24
2026-04	34
2026-05	12
2026-06	14
2026-07	17
2026-08	28
2026-09	27
2026-10	17

近90天厂商发布分布

2026-08-02 至 2026-10-30 · 按已收录型号计数，包含历史型号；同一型号只计一次。

查看图表数据 · 5 项

名称	个型号
InclusionAI	6
Meta	6
OpenAI	6
Alibaba	5
其他厂商	49

各测评的任务、指标和条件独立，跨报告分数不相加。商业推广不改变测评名次。查看排行规则 →