| Модель | Результат | Измеренная стоимость задачи |
|---|---|---|
| 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 $ |
Сравнивайте оценки бенчмарков и измеренную стоимость задач в рамках одной версии оценки и проверяйте настройки reasoning каждой модели. Одни лишь цены ввода и вывода не показывают производительность. Отсутствующие измерения остаются неизвестными.
Нет. Оценки бенчмарков относятся к конкретной оценке. Выбор зависит от задачи, задержки, настроек reasoning и общей стоимости. Смотрите на столбцы оценки и стоимости вместе и откройте источник бенчмарка, чтобы проверить условия.
Нет. Это означает, что в каталоге нет сопоставимого проверенного измерения. Мы не ставим ноль и не оцениваем результат по названию модели или цене токенов. Отсутствующие значения отделены от измеренных результатов.