| 01 | gemini-4-argonGoogle上线 2026-09-30 · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围第 1 名在 9 个对照情景中重新检查资格后的名次。 4 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 | 99.9 |
| 02 | claude-sonnet-5-5—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围第 2 名在 9 个对照情景中重新检查资格后的名次。 4 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 | 99.7 |
| 03 | 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 | | 2 项评测证据敏感名次浮动范围第 3 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.34 | ¥26.74 | ¥133.72 | 99.6 |
| 04 | Claude Fable 5.1Anthropic上线 2026-09-01 · 证据敏感缓存输入 ¥1.67输入 ¥66.86 · 输出 ¥334.31 | | 2 项评测证据敏感名次浮动范围第 4 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.67 | ¥66.86 | ¥334.31 | 99.5 |
| 05 | 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 | | 2 项评测证据敏感名次浮动范围第 5 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 99.2 |
| 06 | 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 | | 2 项评测证据敏感名次浮动范围第 6 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 98.4 |
| 07 | 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 | | 2 项评测证据敏感名次浮动范围第 7 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥13.37 | ¥40.12 | 96.7 |
| 08 | 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 | | 2 项评测证据敏感名次浮动范围第 8 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥6.69 | ¥66.86 | ¥334.31 | 95.2 |
| 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 | | 2 项评测证据敏感名次浮动范围第 9 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 94.8 |
| 10 | 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 | | 2 项评测证据敏感名次浮动范围第 10 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥6.69 | ¥66.86 | ¥334.31 | 91.0 |
| 11 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 2 项评测证据敏感名次浮动范围第 11 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥12 | ¥36 | 86.1 |
| 12 | Ggpt-6.1-sol—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围第 12 名在 9 个对照情景中重新检查资格后的名次。 4 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 | 85.2 |
| 13 | 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 | | 2 项评测证据敏感名次浮动范围第 13 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.34 | ¥13.37 | ¥80.23 | 83.8 |
| 14 | 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 | | 2 项评测证据敏感名次浮动范围第 14 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.74 | ¥9.36 | ¥29.42 | 81.5 |
| 15 | Grok 4.5xAI上线 2026-07-08 · 证据敏感缓存输入 ¥2.01输入 ¥13.37 · 输出 ¥40.12 | | 2 项评测证据敏感名次浮动范围第 15 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥2.01 | ¥13.37 | ¥40.12 | 75.5 |
| 16 | DeepSeek V4 Flash 0731DeepSeek上线 2026-07-31 · 证据敏感缓存输入 ¥0.1输入 ¥3 · 输出 ¥9 | | 2 项评测证据敏感名次浮动范围第 16 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.1 | ¥3 | ¥9 | 74.4 |
| 17 | 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 | | 2 项评测证据敏感名次浮动范围第 17 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.43 | ¥200.59 | 73.6 |
| 18 | Grok 4.7xAI上线 2026-09-21 · 证据敏感缓存输入 ¥3.34输入 ¥13.37 · 输出 ¥40.12 | | 2 项评测证据敏感名次浮动范围第 18 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥13.37 | ¥40.12 | 71.5 |
| 19 | Claude Sonnet 5Anthropic上线 2026-06-30 · 证据敏感缓存输入 ¥1.34输入 ¥13.37 · 输出 ¥66.86 | | 2 项评测证据敏感名次浮动范围第 19 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.34 | ¥13.37 | ¥66.86 | 70.6 |
| 20 | XMiMo V 2.6 ProXiaomi上线 2026-09-21 · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围第 20 名在 9 个对照情景中重新检查资格后的名次。 4 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 | 69.8 |
| 21 | 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 | | 2 项评测证据敏感名次浮动范围第 21 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.34 | ¥13.37 | ¥66.86 | 63.8 |
| 22 | GLM-5.3 FlashZ.ai上线 2026-08-26 · 证据敏感缓存输入 ¥0.23输入 ¥0.8 · 输出 ¥2.8 | | 2 项评测证据敏感名次浮动范围第 22 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.23 | ¥0.8 | ¥2.8 | 62.9 |
| 23 | 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 | | 2 项评测证据敏感名次浮动范围第 23 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥2.67 | ¥26.74 | ¥133.72 | 57.0 |
| 24 | 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 | | 2 项评测证据敏感名次浮动范围第 24 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 51.0 |
| 25 | 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 | | 2 项评测证据敏感名次浮动范围第 25 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.43 | ¥167.16 | 50.1 |
| 26 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 2 项评测证据敏感名次浮动范围第 26 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥2 | ¥20 | ¥100 | 44.3 |
| 27 | 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 | | 2 项评测证据敏感名次浮动范围第 27 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥8.36 | ¥28.42 | 43.5 |
| 28 | Qwen3.8 27 BAlibaba上线 2026-08-14 · 证据敏感缓存输入 ¥0.6输入 ¥3 · 输出 ¥12 | | 2 项评测证据敏感名次浮动范围第 28 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.6 | ¥3 | ¥12 | 38.1 |
| 29 | DeepSeek V4 Pro 0813DeepSeek上线 2026-08-13 · 证据敏感缓存输入 ¥0.3输入 ¥9 · 输出 ¥27 | | 2 项评测证据敏感名次浮动范围第 29 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.3 | ¥9 | ¥27 | 36.5 |
| 30 | 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 | | 2 项评测证据敏感名次浮动范围第 30 名在 9 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5.01 | ¥25.07 | 35.8 |