| Model | Skóre | Naměřené náklady úlohy |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | 5,98 US$ |
| gpt-6-astra · Max | 53 | 3,26 US$ |
| gpt-6.1-sol · Max | 52 | 0,72 US$ |
| grok-4.7 · Xhigh | 46 | 3,74 US$ |
| kimi-k3 · Max | 44 | 2,00 US$ |
| gemini-3.8-flash · High | 41 | 1,24 US$ |
| deepseek-v4-pro · Max | 36 | 0,67 US$ |
Porovnávejte skóre benchmarků a naměřené náklady na úlohy v rámci stejné verze hodnocení a ověřte nastavení uvažování každého modelu. Samotné ceny vstupu a výstupu výkon neměří. Chybějící měření zůstávají neznámá.
Ne. Skóre benchmarku popisuje konkrétní hodnocení. Volbu může ovlivnit vaše úloha, latence, nastavení uvažování i celkové náklady. Použijte sloupce skóre a nákladů společně a podmínky si ověřte ve zdroji benchmarku.
Ne. Znamená to, že v katalogu není dostupné ověřené srovnatelné měření. Nepřiřazujeme nulu ani neodhadujeme skóre podle názvu modelu nebo ceny tokenu. Chybějící hodnoty zůstávají oddělené od naměřených výsledků.