| 01 | gemini-4-argonGoogle上线 2026-09-30 · 持续积累缓存输入 —输入 — · 输出 — | | 12 项评测持续积累名次浮动范围1—3 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | 待核验 | 待核验 | 待核验 | 86.8 |
| 02 | Claude Opus 5.5Anthropic上线 2026-09-17 · 证据敏感缓存输入 ¥1.34输入 ¥26.74 · 输出 ¥133.72 | | 18 项评测证据敏感名次浮动范围1—4 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥26.74 | ¥133.72 | 86.4 |
| 03 | GPT-6 AstraOpenAI上线 2026-09-03 · 证据敏感缓存输入 ¥6.69输入 ¥66.86 · 输出 ¥334.31 | | 19 项评测证据敏感名次浮动范围1—7 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.69 | ¥66.86 | ¥334.31 | 86.0 |
| 04 | Claude Fable 5.1Anthropic上线 2026-09-01 · 持续积累缓存输入 ¥1.67输入 ¥66.86 · 输出 ¥334.31 | | 17 项评测持续积累名次浮动范围3—5 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.67 | ¥66.86 | ¥334.31 | 85.6 |
| 05 | Claude Fable 5Anthropic上线 2026-06-09 · 证据敏感缓存输入 ¥6.69输入 ¥66.86 · 输出 ¥334.31 | | 18 项评测证据敏感名次浮动范围4—8 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.69 | ¥66.86 | ¥334.31 | 84.6 |
| 06 | Gemini 3.7 FlashGoogle上线 2026-08-13 · 证据敏感缓存输入 ¥0.5输入 ¥5.01 · 输出 ¥25.07 | | 17 项评测证据敏感名次浮动范围5—12 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 80.7 |
| 07 | Ggpt-6.1-sol—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 16 项评测证据敏感名次浮动范围2—9 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | 待核验 | 待核验 | 待核验 | 80.2 |
| 08 | Claude Opus 5Anthropic上线 2026-07-24 · 证据敏感缓存输入 ¥3.34输入 ¥33.43 · 输出 ¥167.16 | | 18 项评测证据敏感名次浮动范围4—9 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 79.0 |
| 09 | Gemini 3.8 FlashGoogle上线 2026-09-02 · 证据敏感缓存输入 ¥0.5输入 ¥5.01 · 输出 ¥25.07 | | 19 项评测证据敏感名次浮动范围8—12 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 78.9 |
| 10 | GPT-5.6 SolOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥2.67输入 ¥26.74 · 输出 ¥133.72 | | 19 项评测证据敏感名次浮动范围8—12 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.67 | ¥26.74 | ¥133.72 | 78.4 |
| 11 | claude-sonnet-5-5—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 16 项评测证据敏感名次浮动范围6—13 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | 待核验 | 待核验 | 待核验 | 77.4 |
| 12 | Muse Spark 1.3Meta上线 2026-09-02 · 证据敏感缓存输入 —输入 ¥8.36 · 输出 ¥28.42 | | 15 项评测证据敏感名次浮动范围8—14 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.36 | ¥28.42 | 76.5 |
| 13 | GPT-5.5OpenAI上线 2026-04-23 · 证据敏感缓存输入 ¥3.34输入 ¥33.43 · 输出 ¥200.59 | | 18 项评测证据敏感名次浮动范围13—17 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥33.43 | ¥200.59 | 73.0 |
| 14 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 17 项评测证据敏感名次浮动范围12—19 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥12 | ¥36 | 72.6 |
| 15 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.34输入 ¥13.37 · 输出 ¥66.86 | | 18 项评测证据敏感名次浮动范围14—25 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.37 | ¥66.86 | 72.4 |
| 16 | Claude Opus 4.7Anthropic上线 2026-04-16 · 证据敏感缓存输入 ¥3.34输入 ¥33.43 · 输出 ¥167.16 | | 17 项评测证据敏感名次浮动范围10—24 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 69.7 |
| 17 | Claude Opus 4.8Anthropic上线 2026-05-28 · 证据敏感缓存输入 ¥3.34输入 ¥33.43 · 输出 ¥167.16 | | 18 项评测证据敏感名次浮动范围16—21 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 68.2 |
| 18 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 18 项评测证据敏感名次浮动范围15—19 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2 | ¥20 | ¥100 | 67.4 |
| 19 | Qwen3.8 Max 0902Alibaba上线 2026-09-01 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 7 项评测证据敏感名次浮动范围18—22 名在 66 个对照情景中重新检查资格后的名次。 5 个情景下参评证据不足。不是置信区间。 | — | ¥12 | ¥36 | 67.1 |
| 20 | GLM-5.3Z.ai上线 2026-08-18 · 证据敏感缓存输入 ¥1.74输入 ¥9.36 · 输出 ¥29.42 | | 18 项评测证据敏感名次浮动范围16—23 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.74 | ¥9.36 | ¥29.42 | 66.1 |
| 21 | Muse Spark 1.2Meta上线 2026-08-05 · 证据敏感缓存输入 —输入 ¥8.36 · 输出 ¥28.42 | | 14 项评测证据敏感名次浮动范围17—23 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.36 | ¥28.42 | 65.4 |
| 22 | Claude Opus 4.6Anthropic上线 2026-02-05 · 证据敏感缓存输入 ¥3.34输入 ¥33.43 · 输出 ¥167.16 | | 16 项评测证据敏感名次浮动范围20—29 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 65.2 |
| 23 | Muse Spark 1.1Meta上线 2026-07-09 · 证据敏感缓存输入 —输入 ¥8.36 · 输出 ¥28.42 | | 14 项评测证据敏感名次浮动范围21—35 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.36 | ¥28.42 | 61.6 |
| 24 | Gemini 3 Pro PreviewGoogle上线 2025-11-18 · 证据敏感缓存输入 —输入 — · 输出 — | | 8 项评测证据敏感名次浮动范围21—32 名在 66 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | 待核验 | 待核验 | 待核验 | 61.1 |
| 25 | Gemini 3.6 FlashGoogle上线 2026-07-21 · 证据敏感缓存输入 ¥0.5输入 ¥5.01 · 输出 ¥25.07 | | 17 项评测证据敏感名次浮动范围22—32 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 60.2 |
| 26 | XMiMo V 2.6 ProXiaomi上线 2026-09-21 · 证据敏感缓存输入 —输入 — · 输出 — | | 7 项评测证据敏感名次浮动范围21—34 名在 66 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | 待核验 | 待核验 | 待核验 | 59.4 |
| 27 | GPT-5.6 TerraOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥1.34输入 ¥13.37 · 输出 ¥80.23 | | 19 项评测证据敏感名次浮动范围15—33 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.37 | ¥80.23 | 58.0 |
| 28 | Grok 4.6xAI上线 2026-08-12 · 证据敏感缓存输入 ¥3.34输入 ¥13.37 · 输出 ¥40.12 | | 16 项评测证据敏感名次浮动范围18—35 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.34 | ¥13.37 | ¥40.12 | 57.5 |
| 29 | GPT-5.4OpenAI上线 2026-03-05 · 证据敏感缓存输入 ¥1.67输入 ¥16.72 · 输出 ¥100.29 | | 11 项评测证据敏感名次浮动范围23—30 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.67 | ¥16.72 | ¥100.29 | 56.9 |
| 30 | DeepSeek V4.1 FlashDeepSeek上线 2026-09-10 · 证据敏感缓存输入 ¥0.0401输入 ¥2.01 · 输出 ¥8.02 | | 17 项评测证据敏感名次浮动范围26—34 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.0401 | ¥2.01 | ¥8.02 | 54.5 |