| مدل | امتیاز | هزینه اندازه‌گیری‌شده کار |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | $۵٫۹۸ |
| gpt-6-astra · Max | 53 | $۳٫۲۶ |
| gpt-6.1-sol · Max | 52 | $۰٫۷۲ |
| grok-4.7 · Xhigh | 46 | $۳٫۷۴ |
| kimi-k3 · Max | 44 | $۲٫۰۰ |
| gemini-3.8-flash · High | 41 | $۱٫۲۴ |
| deepseek-v4-pro · Max | 36 | $۰٫۶۷ |
امتیازهای بنچمارک و هزینه‌های اندازه‌گیری‌شدهٔ کار را در یک نسخهٔ ارزیابی مقایسه کنید و تنظیمات استدلال هر مدل را هم بررسی کنید. قیمت ورودی و خروجی به‌تنهایی عملکرد را نشان نمی‌دهد. اندازه‌گیری‌های ناموجود، نامشخص باقی می‌مانند.
خیر. امتیاز بنچمارک فقط یک ارزیابی مشخص را توصیف می‌کند. نوع کار، تأخیر، تنظیمات استدلال و هزینهٔ کل می‌توانند انتخاب را تغییر دهند. ستون‌های امتیاز و هزینه را با هم ببینید و شرایط منبع بنچمارک را بررسی کنید.
خیر. یعنی در این فهرست، اندازه‌گیریِ تأییدشده و قابل‌مقایسه‌ای موجود نیست. از روی نام مدل یا قیمت توکن، امتیاز صفر تعیین نمی‌کنیم یا آن را تخمین نمی‌زنیم. مقادیر ناموجود از نتایج اندازه‌گیری‌شده جدا می‌مانند.