| Model | Skor | Biaya tugas terukur |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | US$5,98 |
| gpt-6-astra · Max | 53 | US$3,26 |
| gpt-6.1-sol · Max | 52 | US$0,72 |
| grok-4.7 · Xhigh | 46 | US$3,74 |
| kimi-k3 · Max | 44 | US$2,00 |
| gemini-3.8-flash · High | 41 | US$1,24 |
| deepseek-v4-pro · Max | 36 | US$0,67 |
Bandingkan skor benchmark dan biaya tugas terukur dalam versi evaluasi yang sama, sambil memeriksa pengaturan penalaran tiap model. Harga input/output saja tidak mengukur performa. Pengukuran yang tidak tersedia dibiarkan tidak diketahui.
Tidak. Skor benchmark menggambarkan evaluasi tertentu. Tugas, latensi, pengaturan penalaran, dan biaya total Anda dapat mengubah pilihan. Gunakan kolom skor dan biaya bersama-sama, lalu buka sumber benchmark untuk melihat ketentuannya.
Tidak. Artinya pengukuran terverifikasi yang dapat dibandingkan tidak tersedia dalam katalog ini. Kami tidak memberi nilai nol atau memperkirakan skor dari nama model atau harga token. Nilai yang hilang tetap terpisah dari hasil terukur.