| 01 | Claude Opus 5.5Anthropic上线 2026-09-17 · 证据敏感缓存输入 ¥1.33输入 ¥26.69 · 输出 ¥133.44 | | 2 项评测证据敏感名次浮动范围第 1 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥26.69 | ¥133.44 | 94.7 |
| 02 | Claude Fable 5.1Anthropic上线 2026-09-01 · 证据敏感缓存输入 ¥1.67输入 ¥66.72 · 输出 ¥333.59 | | 2 项评测证据敏感名次浮动范围第 2 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.67 | ¥66.72 | ¥333.59 | 93.6 |
| 03 | Claude Opus 5Anthropic上线 2026-07-24 · 证据敏感缓存输入 ¥3.34输入 ¥33.36 · 输出 ¥166.8 | | 2 项评测证据敏感名次浮动范围1—6 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥166.8 | 92.3 |
| 04 | GPT-6 AstraOpenAI上线 2026-09-03 · 证据敏感缓存输入 ¥6.67输入 ¥66.72 · 输出 ¥333.59 | | 3 项评测证据敏感名次浮动范围1—7 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.67 | ¥66.72 | ¥333.59 | 90.9 |
| 05 | Claude Fable 5Anthropic上线 2026-06-09 · 证据敏感缓存输入 ¥6.67输入 ¥66.72 · 输出 ¥333.59 | | 2 项评测证据敏感名次浮动范围4—10 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥6.67 | ¥66.72 | ¥333.59 | 90.3 |
| 06 | OGPT-6.1 SolOpenAI上线 2026-09-29 · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围4—19 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | 待核验 | 待核验 | 待核验 | 89.6 |
| 07 | Claude Sonnet 5.5Anthropic上线 2026-09-28 · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围3—7 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | 待核验 | 待核验 | 待核验 | 88.8 |
| 08 | GPT-5.6 SolOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥2.67输入 ¥26.69 · 输出 ¥133.44 | | 3 项评测证据敏感名次浮动范围2—9 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.67 | ¥26.69 | ¥133.44 | 84.1 |
| 09 | Gemini 3.8 FlashGoogle上线 2026-09-02 · 证据敏感缓存输入 ¥0.5输入 ¥5 · 输出 ¥25.02 | | 3 项评测证据敏感名次浮动范围2—9 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5 | ¥25.02 | 84.1 |
| 10 | DeepSeek V4.1 FlashDeepSeek上线 2026-09-10 · 证据敏感缓存输入 ¥0.04输入 ¥2 · 输出 ¥8.01 | | 2 项评测证据敏感名次浮动范围3—14 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.04 | ¥2 | ¥8.01 | 83.1 |
| 11 | GLM-5.3Z.ai上线 2026-08-18 · 证据敏感缓存输入 ¥1.73输入 ¥9.34 · 输出 ¥29.36 | | 3 项评测证据敏感名次浮动范围4—11 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.73 | ¥9.34 | ¥29.36 | 81.5 |
| 12 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 3 项评测证据敏感名次浮动范围6—16 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2 | ¥20 | ¥100 | 80.0 |
| 13 | Gemini 3.7 FlashGoogle上线 2026-08-13 · 证据敏感缓存输入 ¥0.5输入 ¥5 · 输出 ¥25.02 | | 2 项评测证据敏感名次浮动范围9—20 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5 | ¥25.02 | 75.2 |
| 14 | GPT-5.5OpenAI上线 2026-04-23 · 证据敏感缓存输入 ¥3.34输入 ¥33.36 · 输出 ¥200.16 | | 2 项评测证据敏感名次浮动范围10—18 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥200.16 | 74.3 |
| 15 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 3 项评测证据敏感名次浮动范围6—15 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥12 | ¥36 | 73.2 |
| 16 | Claude Haiku 5.5Anthropic上线 2026-10-07 · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围9—20 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | 待核验 | 待核验 | 待核验 | 67.5 |
| 17 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.33输入 ¥13.34 · 输出 ¥66.72 | | 2 项评测证据敏感名次浮动范围12—21 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥13.34 | ¥66.72 | 63.4 |
| 18 | GPT-5.6 TerraOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥1.33输入 ¥13.34 · 输出 ¥80.06 | | 3 项评测证据敏感名次浮动范围5—22 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.33 | ¥13.34 | ¥80.06 | 57.9 |
| 19 | Grok 4.6xAI上线 2026-08-12 · 证据敏感缓存输入 ¥3.34输入 ¥13.34 · 输出 ¥40.03 | | 2 项评测证据敏感名次浮动范围11—23 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥13.34 | ¥40.03 | 56.8 |
| 20 | GLM-5.3 FlashZ.ai上线 2026-08-26 · 证据敏感缓存输入 ¥0.23输入 ¥0.8 · 输出 ¥2.8 | | 3 项评测证据敏感名次浮动范围7—21 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.23 | ¥0.8 | ¥2.8 | 56.2 |
| 21 | GPT-5.6 LunaOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥0.13输入 ¥1.33 · 输出 ¥8.01 | | 3 项评测证据敏感名次浮动范围9—24 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.13 | ¥1.33 | ¥8.01 | 52.2 |
| 22 | Claude Opus 4.8Anthropic上线 2026-05-28 · 证据敏感缓存输入 ¥3.34输入 ¥33.36 · 输出 ¥166.8 | | 2 项评测证据敏感名次浮动范围16—25 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥166.8 | 50.6 |
| 23 | Claude Sonnet 5Anthropic上线 2026-06-30 · 证据敏感缓存输入 ¥1.33输入 ¥13.34 · 输出 ¥66.72 | | 2 项评测证据敏感名次浮动范围16—25 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥13.34 | ¥66.72 | 49.2 |
| 24 | Muse Spark 1.1Meta上线 2026-07-09 · 证据敏感缓存输入 —输入 ¥8.34 · 输出 ¥28.36 | | 2 项评测证据敏感名次浮动范围17—26 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥8.34 | ¥28.36 | 45.0 |
| 25 | Muse Spark 1.2Meta上线 2026-08-05 · 证据敏感缓存输入 —输入 ¥8.34 · 输出 ¥28.36 | | 2 项评测证据敏感名次浮动范围18—26 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥8.34 | ¥28.36 | 44.6 |
| 26 | GPT-6 LunaOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥0.0667输入 ¥0.67 · 输出 ¥3.34 | | 2 项评测证据敏感名次浮动范围13—29 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.0667 | ¥0.67 | ¥3.34 | 41.1 |
| 27 | DeepSeek V4 Pro 0813DeepSeek上线 2026-08-13 · 证据敏感缓存输入 ¥0.3输入 ¥9 · 输出 ¥27 | | 2 项评测证据敏感名次浮动范围19—29 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.3 | ¥9 | ¥27 | 40.4 |
| 28 | DeepSeek V4 Pro PreviewDeepSeek上线 2026-04-24 · 证据敏感缓存输入 ¥0.0242输入 ¥2.9 · 输出 ¥5.8 | | 2 项评测证据敏感名次浮动范围14—34 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.0242 | ¥2.9 | ¥5.8 | 40.2 |
| 29 | Grok 4.5xAI上线 2026-07-08 · 证据敏感缓存输入 ¥2输入 ¥13.34 · 输出 ¥40.03 | | 3 项评测证据敏感名次浮动范围10—30 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2 | ¥13.34 | ¥40.03 | 39.9 |
| 30 | GPT-5.4OpenAI上线 2026-03-05 · 证据敏感缓存输入 ¥1.67输入 ¥16.68 · 输出 ¥100.08 | | 2 项评测证据敏感名次浮动范围21—31 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.67 | ¥16.68 | ¥100.08 | 39.1 |