简中EN

在私有数据集上比较模型的实际表现

比较模型的能力、表现与费用，找到适合你的模型和思考档位。

查看完整榜单比较模型我们如何评测
—累计访问

15 家厂商 · 44 个模型 · 95 个配置

各厂商最高分模型

综合
Anthropicclaude-opus-5-589.15OpenAIgpt-6-astra88.80Metamuse-wonder81.55Moonshotk3.1-pro79.60GoogleGemini 4 Argon79.35xAIgrok-4.778.55
查看全部 15 家厂商
DeepSeekdeepseek-v4.1-flash-101774.30MiniMaxMiniMax-M3.1-Flash73.60Zhipuglm-5.370.40Xiaomi MiMomimo-v2.6-pro69.25Tencent Hunyuanhy4-preview66.70StepFunstep-565.20QwenQwen 3.8 Flash65.15Doubaodoubao-seed-2-1-pro61.55NVIDIANemotron-3-Ultra44.05

模型榜单综合

44 个模型 · 95 个配置

完整榜单 →
评分维度
排名模型对比
01
claude-opus-5-5
89.1584971007370
02
gpt-6-astra
88.809596957561
03
claude-fable-5-1
87.258591958068
04
gpt-6.1-sol
86.609596906670
05
claude-sonnet-5-5
82.308689857366
06
claude-opus-5
81.707087957361
07
muse-wonder
81.558284907359
08
gpt-6.1-terra
80.058984856461
09
k3.1-pro
79.608491806864
10
Gemini 4 Argon
79.358284857059
  1. 01
    claude-opus-5-5
    89.15综合
    各维得分
    综合
    89.15
    后端工程
    84
    前端交互
    97
    知识推理
    100
    视觉审美
    73
    可维护性
    70
  2. 02
    gpt-6-astra
    88.80综合
    各维得分
    综合
    88.80
    后端工程
    95
    前端交互
    96
    知识推理
    95
    视觉审美
    75
    可维护性
    61
  3. 03
    claude-fable-5-1
    87.25综合
    各维得分
    综合
    87.25
    后端工程
    85
    前端交互
    91
    知识推理
    95
    视觉审美
    80
    可维护性
    68
  4. 04
    gpt-6.1-sol
    86.60综合
    各维得分
    综合
    86.60
    后端工程
    95
    前端交互
    96
    知识推理
    90
    视觉审美
    66
    可维护性
    70
  5. 05
    claude-sonnet-5-5
    82.30综合
    各维得分
    综合
    82.30
    后端工程
    86
    前端交互
    89
    知识推理
    85
    视觉审美
    73
    可维护性
    66
  6. 06
    claude-opus-5
    81.70综合
    各维得分
    综合
    81.70
    后端工程
    70
    前端交互
    87
    知识推理
    95
    视觉审美
    73
    可维护性
    61
  7. 07
    muse-wonder
    81.55综合
    各维得分
    综合
    81.55
    后端工程
    82
    前端交互
    84
    知识推理
    90
    视觉审美
    73
    可维护性
    59
  8. 08
    gpt-6.1-terra
    80.05综合
    各维得分
    综合
    80.05
    后端工程
    89
    前端交互
    84
    知识推理
    85
    视觉审美
    64
    可维护性
    61
  9. 09
    k3.1-pro
    79.60综合
    各维得分
    综合
    79.60
    后端工程
    84
    前端交互
    91
    知识推理
    80
    视觉审美
    68
    可维护性
    64
  10. 10
    Gemini 4 Argon
    79.35综合
    各维得分
    综合
    79.35
    后端工程
    82
    前端交互
    84
    知识推理
    85
    视觉审美
    70
    可维护性
    59

表现与消耗

每个模型取当前维度最高分档位 · 综合

模型来源
参考费用
405060708090100$0.1$0.3$1$3$10$30得分 ↑参考费用（USD） · 对数刻度较高表现／较低消耗较高表现／较高消耗较低表现／较低消耗较低表现／较高消耗gpt-6.1-sol · 86.6 · $1.69claude-sonnet-5-5 · 82.3 · $2.8gpt-6.1-terra · 80.05 · $0.85gpt-6-sol · 78.9 · $1.1grok-4.6 · 76.85 · $2.51deepseek-v4.1-flash-1017 · 74.3 · $0.45gpt-5.6-sol · 74.15 · $3.25MiniMax-M3.1-Flash · 73.6 · $0.21muse-spark-1.3 · 72.6 · $0.07claude-opus-5-5 · 89.15 · $13.41gpt-6-astra · 88.8 · $7.01claude-fable-5-1 · 87.25 · $26.15claude-opus-5 · 81.7 · $7.99muse-wonder · 81.55 · $6.78k3.1-pro · 79.6 · $5grok-4.7 · 78.55 · $5.25claude-opus-4-8 · 76.8 · $9.18k3 · 71.6 · $3.28glm-5.3 · 70.4 · $1.83mimo-v2.6-pro · 69.25 · $0.66deepseek-v4.1-flash · 67.85 · $0.41hy4-preview · 66.7 · $1.63gpt-5.6-terra · 65.9 · $1.94claude-haiku-5-5 · 65.65 · $0.21step-5 · 65.2 · $1.24Qwen 3.8 Flash · 65.15 · $0.42deepseek-v4-pro · 65.15 · $1.15k2.8 · 63.55 · $0.66gpt-6-luna · 62 · $0.06doubao-seed-2-1-pro · 61.55 · $1.38deepseek-v4-flash · 60.5 · $0.42deepseek-v4-flash-vision-exp · 59.95 · $0.32mimo-v2.6-flash · 56.1 · $0.28Qwen 3.8 27b · 53 · $1.79gpt-5.6-luna · 52.35 · $0.16Gemini 3.7 Flash High · 51.95 · $0.13
查看图中模型 · 36
分析选项与口径
得分中位数 71 · 消耗中位数 $3.27

得分按参考费用可用模型的中位数分界；消耗按较高分模型中位数分界。仅展示已发布、完整且大于零的消耗数据。 比较方法

完整榜单 →

代际与档位差异

综合得分
展开查看各维度与子轴得分

五轴评测说明

查看评测说明
后端工程服务逻辑、异常处理与测试验证。
前端交互界面功能、交互行为与状态反馈。
知识推理跨学科专业知识与复杂问题求解。
视觉审美成品界面的构图层次、字体排版、色彩与控件质感。
可维护性源码可读性、模块组织与后续修改成本。

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