| Model | Puan | Ölçülen görev maliyeti |
|---|---|---|
| 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 |
Benchmark puanlarını ve ölçülen görev maliyetlerini aynı değerlendirme sürümü içinde karşılaştırırken her modelin akıl yürütme ayarlarını kontrol edin. Girdi/çıktı fiyatları tek başına performansı ölçmez. Eksik ölçümler bilinmiyor olarak bırakılır.
Hayır. Benchmark puanları belirli bir değerlendirmeyi yansıtır. Göreviniz, gecikme, akıl yürütme ayarları ve toplam maliyet seçimi değiştirebilir. Puan ve maliyet sütunlarını birlikte kullanın; koşulları görmek için benchmark kaynağını açın.
Hayır. Bu katalogda karşılaştırılabilir, doğrulanmış bir ölçüm bulunmadığı anlamına gelir. Model adına veya token fiyatına bakarak sıfır atamayız ya da puan tahmin etmeyiz. Eksik değerler ölçülen sonuçlardan ayrı tutulur.