| 01 | GPT-6 AstraOpenAI上线 2026-09-03 · 证据敏感缓存输入 ¥6.71输入 ¥67.1 · 输出 ¥335.52 | | 15 项评测证据敏感名次浮动范围1—4 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.71 | ¥67.1 | ¥335.52 | 82.1 |
| 02 | Claude Opus 5.5Anthropic上线 2026-09-17 · 持续积累缓存输入 ¥1.34输入 ¥26.84 · 输出 ¥134.21 | | 11 项评测持续积累名次浮动范围1—2 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥26.84 | ¥134.21 | 81.0 |
| 03 | Claude Fable 5.1Anthropic上线 2026-09-01 · 持续积累缓存输入 ¥1.68输入 ¥67.1 · 输出 ¥335.52 | | 13 项评测持续积累名次浮动范围2—3 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.68 | ¥67.1 | ¥335.52 | 80.3 |
| 04 | Claude Opus 5Anthropic上线 2026-07-24 · 持续积累缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 15 项评测持续积累名次浮动范围3—5 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 76.4 |
| 05 | Claude Fable 5Anthropic上线 2026-06-09 · 持续积累缓存输入 ¥6.71输入 ¥67.1 · 输出 ¥335.52 | | 15 项评测持续积累名次浮动范围5—6 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.71 | ¥67.1 | ¥335.52 | 74.5 |
| 06 | GPT-5.6 SolOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥2.68输入 ¥26.84 · 输出 ¥134.21 | | 15 项评测证据敏感名次浮动范围4—8 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.68 | ¥26.84 | ¥134.21 | 74.0 |
| 07 | Muse Spark 1.3Meta上线 2026-09-02 · 证据敏感缓存输入 —输入 ¥8.39 · 输出 ¥28.52 | | 11 项评测证据敏感名次浮动范围6—9 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.39 | ¥28.52 | 73.9 |
| 08 | Gemini 3.8 FlashGoogle上线 2026-09-02 · 证据敏感缓存输入 ¥0.5输入 ¥5.03 · 输出 ¥25.16 | | 15 项评测证据敏感名次浮动范围5—12 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 72.9 |
| 09 | Gemini 3.7 FlashGoogle上线 2026-08-13 · 证据敏感缓存输入 ¥0.5输入 ¥5.03 · 输出 ¥25.16 | | 13 项评测证据敏感名次浮动范围8—12 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 72.3 |
| 10 | GPT-5.6 TerraOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥80.53 | | 15 项评测证据敏感名次浮动范围8—18 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.42 | ¥80.53 | 72.3 |
| 11 | GPT-5.5OpenAI上线 2026-04-23 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥201.31 | | 14 项评测证据敏感名次浮动范围8—13 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥201.31 | 71.1 |
| 12 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥67.1 | | 7 项评测证据敏感名次浮动范围9—17 名在 53 个对照情景中重新检查资格后的名次。 2 个情景下参评证据不足。不是置信区间。 | ¥1.34 | ¥13.42 | ¥67.1 | 69.2 |
| 13 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 15 项评测证据敏感名次浮动范围11—17 名在 53 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 | 69.1 |
| 14 | Grok 4.6xAI上线 2026-08-12 · 证据敏感缓存输入 ¥3.36输入 ¥13.42 · 输出 ¥40.26 | | 13 项评测证据敏感名次浮动范围10—16 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥13.42 | ¥40.26 | 69.0 |
| 15 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 13 项评测证据敏感名次浮动范围13—18 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥12 | ¥36 | 65.9 |
| 16 | GLM-5.3Z.ai上线 2026-08-18 · 证据敏感缓存输入 ¥1.74输入 ¥9.39 · 输出 ¥29.53 | | 15 项评测证据敏感名次浮动范围11—19 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.74 | ¥9.39 | ¥29.53 | 63.6 |
| 17 | Grok 4.7xAI上线 2026-09-21 · 证据敏感缓存输入 ¥3.36输入 ¥13.42 · 输出 ¥40.26 | | 7 项评测证据敏感名次浮动范围13—19 名在 53 个对照情景中重新检查资格后的名次。 2 个情景下参评证据不足。不是置信区间。 | ¥3.36 | ¥13.42 | ¥40.26 | 63.4 |
| 18 | Muse Spark 1.2Meta上线 2026-08-05 · 证据敏感缓存输入 —输入 ¥8.39 · 输出 ¥28.52 | | 9 项评测证据敏感名次浮动范围13—19 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.39 | ¥28.52 | 62.7 |
| 19 | Claude Opus 4.8Anthropic上线 2026-05-28 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 15 项评测证据敏感名次浮动范围13—20 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 61.7 |
| 20 | GPT-5.4OpenAI上线 2026-03-05 · 证据敏感缓存输入 ¥1.68输入 ¥16.78 · 输出 ¥100.66 | | 7 项评测证据敏感名次浮动范围19—21 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.68 | ¥16.78 | ¥100.66 | 59.8 |
| 21 | Claude Opus 4.7Anthropic上线 2026-04-16 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 13 项评测证据敏感名次浮动范围20—25 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 59.2 |
| 22 | Claude Sonnet 5Anthropic上线 2026-06-30 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥67.1 | | 15 项评测证据敏感名次浮动范围18—30 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.42 | ¥67.1 | 58.8 |
| 23 | DeepSeek V4.1 FlashDeepSeek上线 2026-09-10 · 证据敏感缓存输入 ¥0.0403输入 ¥2.01 · 输出 ¥8.05 | | 8 项评测证据敏感名次浮动范围20—33 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.0403 | ¥2.01 | ¥8.05 | 57.7 |
| 24 | 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 | | 12 项评测证据敏感名次浮动范围21—25 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.3 | ¥9 | ¥27 | 57.4 |
| 25 | Claude Opus 4.6Anthropic上线 2026-02-05 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 12 项评测证据敏感名次浮动范围24—30 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 52.9 |
| 26 | Muse Spark 1.1Meta上线 2026-07-09 · 证据敏感缓存输入 —输入 ¥8.39 · 输出 ¥28.52 | | 9 项评测证据敏感名次浮动范围18—28 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.39 | ¥28.52 | 52.3 |
| 27 | GPT-5.6 LunaOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥0.13输入 ¥1.34 · 输出 ¥8.05 | | 15 项评测证据敏感名次浮动范围24—30 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.13 | ¥1.34 | ¥8.05 | 50.8 |
| 28 | Gemini 3.5 FlashGoogle上线 2026-05-19 · 证据敏感缓存输入 ¥1.01输入 ¥10.07 · 输出 ¥60.39 | | 13 项评测证据敏感名次浮动范围21—35 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.01 | ¥10.07 | ¥60.39 | 49.0 |
| 29 | GPT-5.2 2025-12-11OpenAI上线 2025-12-11 · 证据敏感缓存输入 ¥1.17输入 ¥11.74 · 输出 ¥93.95 | | 11 项评测证据敏感名次浮动范围29—32 名在 53 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。 | ¥1.17 | ¥11.74 | ¥93.95 | 47.7 |
| 30 | Gemini 3.6 FlashGoogle上线 2026-07-21 · 证据敏感缓存输入 ¥0.5输入 ¥5.03 · 输出 ¥25.16 | | 13 项评测证据敏感名次浮动范围23—34 名在 53 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 46.8 |