| Modelo | Score | Sinukat na gastos ng task |
|---|---|---|
| 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 |
Ihambing ang benchmark score at nasukat na gastos ng task sa loob ng parehong bersyon ng evaluation, habang tinitingnan ang reasoning setting ng bawat modelo. Hindi nasusukat ng input/output price lang ang performance. Mananatiling hindi alam ang mga nawawalang sukat.
Hindi. Isang partikular na evaluation lang ang inilalarawan ng benchmark score. Maaaring magbago ang pagpili ayon sa task, latency, reasoning setting, at kabuuang halaga mo. Tingnan nang magkasama ang score at cost, at buksan ang source ng benchmark para sa mga kondisyon.
Hindi. Nangangahulugan itong walang maihahambing at beripikadong sukat sa catalog na ito. Hindi kami nagbibigay ng zero o nagtatantiya ng score mula sa pangalan ng modelo o presyo ng token. Hiwalay ang nawawalang value sa mga nasukat na resulta.