| Модел | Резултат | Измерена цена на задача |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | 5,98 щ.д. |
| gpt-6-astra · Max | 53 | 3,26 щ.д. |
| gpt-6.1-sol · Max | 52 | 0,72 щ.д. |
| grok-4.7 · Xhigh | 46 | 3,74 щ.д. |
| kimi-k3 · Max | 44 | 2,00 щ.д. |
| gemini-3.8-flash · High | 41 | 1,24 щ.д. |
| deepseek-v4-pro · Max | 36 | 0,67 щ.д. |
Сравнявайте резултатите от бенчмаркове и измерените цени на задачите в една и съща версия на оценяването, като проверявате настройките за разсъждение на всеки модел. Цените за вход/изход сами по себе си не измерват производителността. Липсващите измервания остават неизвестни.
Не. Резултатите от бенчмарк описват конкретно оценяване. Задачата ви, забавянето, настройките за разсъждение и общата цена могат да променят избора. Използвайте колоните за резултат и цена заедно и вижте условията в източника на бенчмарка.
Не. Това означава, че в този каталог няма сравнимо потвърдено измерване. Не задаваме нула и не оценяваме резултат по име на модел или цена на токен. Липсващите стойности остават отделни от измерените резултати.