| 01 | claude-fable-5-2Anthropic上线 2026-11-09 · 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第 1 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 98.8 |
| 02 | Gemini 4 Carbongoogle上线 — · 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第 2 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 98.3 |
| 03 | Gemini 4 ArgonGoogle上线 2026-09-30 · 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第 3 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 97.4 |
| 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 | | 2 项评测证据敏感名次浮动范围第 4 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥6.67 | ¥66.72 | ¥333.59 | 96.9 |
| 05 | 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第 5 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 95.5 |
| 06 | Gemini 3.1 Pro PreviewGoogle上线 2026-02-19 · 证据敏感缓存输入 ¥1.33输入 ¥13.34 · 输出 ¥80.06 | | 2 项评测证据敏感名次浮动范围第 6 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥13.34 | ¥80.06 | 94.6 |
| 07 | 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 7 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥26.69 | ¥133.44 | 91.5 |
| 08 | 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 | | 2 项评测证据敏感名次浮动范围8—9 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5 | ¥25.02 | 90.3 |
| 09 | 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—11 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5 | ¥25.02 | 89.0 |
| 10 | 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 | | 2 项评测证据敏感名次浮动范围9—10 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥2.67 | ¥26.69 | ¥133.44 | 89.0 |
| 11 | 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8—11 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥6.67 | ¥66.72 | ¥333.59 | 88.6 |
| 12 | Gemini 3.6 FlashGoogle上线 2026-07-21 · 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12—13 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5 | ¥25.02 | 86.5 |
| 13 | Gemini 3.5 FlashGoogle上线 2026-05-19 · 证据敏感缓存输入 ¥1输入 ¥10.01 · 输出 ¥60.05 | | 2 项评测证据敏感名次浮动范围13—14 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥1 | ¥10.01 | ¥60.05 | 85.4 |
| 14 | Gemini 3 Flash PreviewGoogle上线 2025-12-17 · 证据敏感缓存输入 ¥0.33输入 ¥3.34 · 输出 ¥20.02 | | 2 项评测证据敏感名次浮动范围12—14 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.33 | ¥3.34 | ¥20.02 | 84.6 |
| 15 | kimi-k3.1-pro-togetherMoonshot上线 2026-10-23 · 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15—16 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 82.1 |
| 16 | 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15—16 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥200.16 | 81.3 |
| 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第 17 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥1.33 | ¥13.34 | ¥66.72 | 80.0 |
| 18 | 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第 18 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥166.8 | 78.1 |
| 19 | OGPT-6.1 TerraOpenAI上线 2026-10-26 · 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第 19 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 74.4 |
| 20 | Grok 4.7xAI上线 2026-09-21 · 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20—21 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥13.34 | ¥40.03 | 70.3 |
| 21 | Qwen3.7 MaxAlibaba上线 2026-05-19 · 证据敏感缓存输入 ¥2.4输入 ¥12 · 输出 ¥36 | | 2 项评测证据敏感名次浮动范围21—22 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥2.4 | ¥12 | ¥36 | 68.2 |
| 22 | MMuse-Spark-Open-816B-A42BMeta AI上线 2026-10-15 · 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20—22 名在 8 个对照情景中重新检查资格后的名次。 3 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 | 68.1 |
| 23 | 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23—24 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.3 | ¥9 | ¥27 | 64.9 |
| 24 | 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23—24 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥166.8 | 64.5 |
| 25 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 2 项评测证据敏感名次浮动范围25—27 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥2 | ¥20 | ¥100 | 61.8 |
| 26 | Qwen3.6 Max PreviewAlibaba上线 2026-04-20 · 证据敏感缓存输入 ¥0.9输入 ¥9 · 输出 ¥54 | | 2 项评测证据敏感名次浮动范围25—26 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.9 | ¥9 | ¥54 | 61.7 |
| 27 | Claude Opus 4.7Anthropic上线 2026-04-16 · 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26—27 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥33.36 | ¥166.8 | 60.2 |
| 28 | 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28—29 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥3.34 | ¥13.34 | ¥40.03 | 58.2 |
| 29 | GPT-5 2025-08-07OpenAI上线 2025-08-07 · 证据敏感缓存输入 ¥0.83输入 ¥8.34 · 输出 ¥66.72 | | 2 项评测证据敏感名次浮动范围28—30 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥0.83 | ¥8.34 | ¥66.72 | 57.6 |
| 30 | 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 | | 2 项评测证据敏感名次浮动范围29—31 名在 8 个对照情景中重新检查资格后的名次。 3 个情景下参评证据不足。不是置信区间。 | ¥2 | ¥13.34 | ¥40.03 | 57.1 |