| Model | Scor | Cost măsurat al sarcinii |
|---|---|---|
| Claude Opus 5.5 · Max, Default Fallback | 58 | 5,98 USD |
| gpt-6-astra · Max | 53 | 3,26 USD |
| gpt-6.1-sol · Max | 52 | 0,72 USD |
| grok-4.7 · Xhigh | 46 | 3,74 USD |
| kimi-k3 · Max | 44 | 2,00 USD |
| gemini-3.8-flash · High | 41 | 1,24 USD |
| deepseek-v4-pro · Max | 36 | 0,67 USD |
Compară scorurile benchmarkurilor și costurile măsurate ale sarcinilor în aceeași versiune de evaluare și verifică setările de raționament pentru fiecare model. Prețurile de intrare/ieșire singure nu măsoară performanța. Valorile lipsă rămân necunoscute.
Nu. Scorurile benchmarkurilor descriu o evaluare specifică. Sarcina ta, latența, setările de raționament și costul total pot schimba alegerea. Folosește împreună coloanele de scor și cost și consultă sursa benchmarkului pentru condiții.
Nu. Înseamnă că în catalog nu este disponibilă o măsurătoare verificată și comparabilă. Nu atribuim zero și nu estimăm scoruri după numele modelului sau prețul tokenilor. Valorile lipsă rămân separate de rezultatele măsurate.