| Μοντέλο | Βαθμολογία | Μετρημένο κόστος εργασίας |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | 5,98 $ |
| gpt-6-astra · Max | 53 | 3,26 $ |
| gpt-6.1-sol · Max | 52 | 0,72 $ |
| grok-4.7 · Xhigh | 46 | 3,74 $ |
| kimi-k3 · Max | 44 | 2,00 $ |
| gemini-3.8-flash · High | 41 | 1,24 $ |
| deepseek-v4-pro · Max | 36 | 0,67 $ |
Συγκρίνετε βαθμολογίες benchmark και μετρημένα κόστη εργασιών στην ίδια έκδοση αξιολόγησης, ελέγχοντας τις ρυθμίσεις συλλογισμού κάθε μοντέλου. Οι τιμές εισόδου/εξόδου από μόνες τους δεν μετρούν την απόδοση. Οι ελλείπουσες μετρήσεις παραμένουν άγνωστες.
Όχι. Οι βαθμολογίες benchmark περιγράφουν μια συγκεκριμένη αξιολόγηση. Η εργασία σας, η καθυστέρηση, οι ρυθμίσεις συλλογισμού και το συνολικό κόστος μπορούν να αλλάξουν την επιλογή. Χρησιμοποιήστε μαζί τις στήλες βαθμολογίας και κόστους και δείτε τις συνθήκες στην πηγή του benchmark.
Όχι. Σημαίνει ότι δεν υπάρχει διαθέσιμη επαληθευμένη συγκρίσιμη μέτρηση στον κατάλογο. Δεν ορίζουμε μηδενική βαθμολογία ούτε την εκτιμούμε από όνομα μοντέλου ή τιμή token. Οι ελλείπουσες τιμές διατηρούνται ξεχωριστά από τα μετρημένα αποτελέσματα.