| 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 | 98.7 |
| 02 | Ogpt-6.2-astraOpenAI上线 2026-11-17 · 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 | 98.2 |
| 03 | 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 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 | 97.7 |
| 04 | 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 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。 | 待核验 | 待核验 | 待核验 | 96.6 |
| 05 | GPT-6 AstraOpenAI上线 2026-09-03 · 证据敏感缓存输入 ¥6.67输入 ¥66.67 · 输出 ¥333.36 | | 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。 | ¥6.67 | ¥66.67 | ¥333.36 | 96.0 |
| 06 | Ggpt-6.1-sol—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 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。 | 待核验 | 待核验 | 待核验 | 94.2 |
| 07 | Gemini 3.1 Pro PreviewGoogle上线 2026-02-19 · 证据敏感缓存输入 ¥1.33输入 ¥13.33 · 输出 ¥80.01 | | 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 | ¥13.33 | ¥80.01 | 93.1 |
| 08 | gemini-4-hydrogenGoogle DeepMind上线 2026-11-12 · 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。 | 待核验 | 待核验 | 待核验 | 91.6 |
| 09 | Claude Opus 5.5Anthropic上线 2026-09-17 · 证据敏感缓存输入 ¥1.33输入 ¥26.67 · 输出 ¥133.34 | | 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。 | ¥1.33 | ¥26.67 | ¥133.34 | 91.5 |
| 10 | 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 | | 2 项评测证据敏感名次浮动范围10—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 | 90.3 |
| 11 | 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 | | 2 项评测证据敏感名次浮动范围11—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 | 89.0 |
| 12 | GPT-5.6 SolOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥2.67输入 ¥26.67 · 输出 ¥133.34 | | 2 项评测证据敏感名次浮动范围11—12 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 | ¥26.67 | ¥133.34 | 89.0 |
| 13 | Claude Fable 5Anthropic上线 2026-06-09 · 证据敏感缓存输入 ¥6.67输入 ¥66.67 · 输出 ¥333.36 | | 2 项评测证据敏感名次浮动范围10—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。 | ¥6.67 | ¥66.67 | ¥333.36 | 88.6 |
| 14 | 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 | | 2 项评测证据敏感名次浮动范围14—15 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 | 86.5 |
| 15 | Gemini 3.5 FlashGoogle上线 2026-05-19 · 证据敏感缓存输入 ¥1输入 ¥10 · 输出 ¥60 | | 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。 | ¥1 | ¥10 | ¥60 | 85.4 |
| 16 | Gemini 3 Flash PreviewGoogle上线 2025-12-17 · 证据敏感缓存输入 ¥0.33输入 ¥3.33 · 输出 ¥20 | | 2 项评测证据敏感名次浮动范围14—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。 | ¥0.33 | ¥3.33 | ¥20 | 84.6 |
| 17 | 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17—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。 | 待核验 | 待核验 | 待核验 | 82.1 |
| 18 | GPT-5.5OpenAI上线 2026-04-23 · 证据敏感缓存输入 ¥3.33输入 ¥33.34 · 输出 ¥200.02 | | 2 项评测证据敏感名次浮动范围17—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。 | ¥3.33 | ¥33.34 | ¥200.02 | 81.3 |
| 19 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.33输入 ¥13.33 · 输出 ¥66.67 | | 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。 | ¥1.33 | ¥13.33 | ¥66.67 | 80.0 |
| 20 | Claude Opus 5Anthropic上线 2026-07-24 · 证据敏感缓存输入 ¥3.33输入 ¥33.34 · 输出 ¥166.68 | | 2 项评测证据敏感名次浮动范围第 20 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。 | ¥3.33 | ¥33.34 | ¥166.68 | 78.1 |
| 21 | 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 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。 | 待核验 | 待核验 | 待核验 | 74.4 |
| 22 | Grok 4.7xAI上线 2026-09-21 · 证据敏感缓存输入 ¥3.33输入 ¥13.33 · 输出 ¥40 | | 2 项评测证据敏感名次浮动范围22—23 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。 | ¥3.33 | ¥13.33 | ¥40 | 70.3 |
| 23 | 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。 | ¥2.4 | ¥12 | ¥36 | 68.2 |
| 24 | 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22—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。 | 待核验 | 待核验 | 待核验 | 68.1 |
| 25 | 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。 | ¥0.3 | ¥9 | ¥27 | 64.9 |
| 26 | Claude Opus 4.8Anthropic上线 2026-05-28 · 证据敏感缓存输入 ¥3.33输入 ¥33.34 · 输出 ¥166.68 | | 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。 | ¥3.33 | ¥33.34 | ¥166.68 | 64.5 |
| 27 | 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27—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。 | ¥2 | ¥20 | ¥100 | 61.8 |
| 28 | 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27—28 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 |
| 29 | Claude Opus 4.7Anthropic上线 2026-04-16 · 证据敏感缓存输入 ¥3.33输入 ¥33.34 · 输出 ¥166.68 | | 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。 | ¥3.33 | ¥33.34 | ¥166.68 | 60.2 |
| 30 | Grok 4.6xAI上线 2026-08-12 · 证据敏感缓存输入 ¥3.33输入 ¥13.33 · 输出 ¥40 | | 2 项评测证据敏感名次浮动范围30—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。 | ¥3.33 | ¥13.33 | ¥40 | 58.2 |