AI 模型评测与比较

在私有数据集上，
比较模型的实际表现。

查看新模型的成绩，比较换代前后的提升，以及提高思考档位带来的得分、耗时和费用变化。

查看模型榜单 →我们如何评测

35 个模型 · 83 个配置

综合前五名

满分 100

1

gpt-6-astramax95.5

2

gpt-6.1-solmax93.8

3

claude-opus-5-5max90.3

4

claude-fable-5-1max89.8

5

claude-sonnet-5-5xhigh86.6

各模型本项最高分档位

代际与档位差异

综合得分

展开查看三项得分与具体任务

后端 40% · 前端 30% · 推理 30%，采用同一实测配置。

按任务看成绩

查看评测说明 →

后端与测试 服务契约、异常处理与回归测试 前端与交互 页面功能、交互状态与响应式布局 知识与推理 跨学科知识与问题推理

基于自建私有数据集，成绩反映本次任务范围。为什么这样测 →

模型表现与评测费用

完整榜单 →

左上方：费用更低，得分更高 · 每个点对应一个模型与档位

帕累托前沿新模型实测其他配置已绘制 66 / 83 个配置

点选查看成绩与费用

gpt-6-astra

OpenAImax

综合分95.5参考费用$8.35

三项评测 API 参考费用合计；对数刻度，仅展示费用完整且大于零的配置。比较方法 →