| 01 | Claude Opus 5.5Anthropic上线 2026-09-17 · 持续积累缓存输入 ¥1.34输入 ¥26.81 · 输出 ¥134.07 | | 15 项评测持续积累名次浮动范围1—2 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥26.81 | ¥134.07 | 83.5 |
| 02 | GPT-6 AstraOpenAI上线 2026-09-03 · 证据敏感缓存输入 ¥6.7输入 ¥67.03 · 输出 ¥335.17 | | 19 项评测证据敏感名次浮动范围1—6 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.7 | ¥67.03 | ¥335.17 | 83.1 |
| 03 | Claude Fable 5.1Anthropic上线 2026-09-01 · 持续积累缓存输入 ¥1.68输入 ¥67.03 · 输出 ¥335.17 | | 17 项评测持续积累名次浮动范围2—3 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.68 | ¥67.03 | ¥335.17 | 83.0 |
| 04 | claude-sonnet-5-5—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 10 项评测证据敏感名次浮动范围第 4 名在 66 个对照情景中重新检查资格后的名次。 1 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 | 81.5 |
| 05 | Claude Fable 5Anthropic上线 2026-06-09 · 证据敏感缓存输入 ¥6.7输入 ¥67.03 · 输出 ¥335.17 | | 19 项评测证据敏感名次浮动范围3—6 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.7 | ¥67.03 | ¥335.17 | 80.8 |
| 06 | Claude Opus 5Anthropic上线 2026-07-24 · 持续积累缓存输入 ¥3.35输入 ¥33.52 · 输出 ¥167.59 | | 19 项评测持续积累名次浮动范围5—7 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥33.52 | ¥167.59 | 80.5 |
| 07 | Muse Spark 1.3Meta上线 2026-09-02 · 证据敏感缓存输入 —输入 ¥8.38 · 输出 ¥28.49 | | 15 项评测证据敏感名次浮动范围7—11 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.38 | ¥28.49 | 77.7 |
| 08 | 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 ¥25.14 | | 17 项评测证据敏感名次浮动范围4—10 名在 66 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 | ¥25.14 | 77.5 |
| 09 | Gemini 3.8 FlashGoogle上线 2026-09-02 · 持续积累缓存输入 ¥0.5输入 ¥5.03 · 输出 ¥25.14 | | 19 项评测持续积累名次浮动范围8—10 名在 66 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 | ¥25.14 | 76.9 |
| 10 | GPT-5.6 SolOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥2.68输入 ¥26.81 · 输出 ¥134.07 | | 19 项评测证据敏感名次浮动范围7—10 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.68 | ¥26.81 | ¥134.07 | 76.5 |
| 11 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 18 项评测证据敏感名次浮动范围10—15 名在 66 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 | 72.8 |
| 12 | GPT-5.5OpenAI上线 2026-04-23 · 证据敏感缓存输入 ¥3.35输入 ¥33.52 · 输出 ¥201.1 | | 18 项评测证据敏感名次浮动范围11—19 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥33.52 | ¥201.1 | 71.9 |
| 13 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 17 项评测证据敏感名次浮动范围10—16 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥12 | ¥36 | 71.3 |
| 14 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.34输入 ¥13.41 · 输出 ¥67.03 | | 10 项评测证据敏感名次浮动范围13—23 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.41 | ¥67.03 | 69.6 |
| 15 | Claude Opus 4.7Anthropic上线 2026-04-16 · 证据敏感缓存输入 ¥3.35输入 ¥33.52 · 输出 ¥167.59 | | 17 项评测证据敏感名次浮动范围13—22 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥33.52 | ¥167.59 | 68.0 |
| 16 | Muse Spark 1.2Meta上线 2026-08-05 · 证据敏感缓存输入 —输入 ¥8.38 · 输出 ¥28.49 | | 13 项评测证据敏感名次浮动范围15—21 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.38 | ¥28.49 | 66.7 |
| 17 | Claude Opus 4.8Anthropic上线 2026-05-28 · 证据敏感缓存输入 ¥3.35输入 ¥33.52 · 输出 ¥167.59 | | 19 项评测证据敏感名次浮动范围14—20 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥33.52 | ¥167.59 | 65.2 |
| 18 | Qwen3.8 Max 0902Alibaba上线 2026-09-01 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 7 项评测证据敏感名次浮动范围12—20 名在 66 个对照情景中重新检查资格后的名次。 5 个情景下参评证据不足。不是置信区间。 | — | ¥12 | ¥36 | 65.2 |
| 19 | GLM-5.3Z.ai上线 2026-08-18 · 证据敏感缓存输入 ¥1.74输入 ¥9.38 · 输出 ¥29.49 | | 18 项评测证据敏感名次浮动范围12—21 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.74 | ¥9.38 | ¥29.49 | 64.9 |
| 20 | Claude Opus 4.6Anthropic上线 2026-02-05 · 证据敏感缓存输入 ¥3.35输入 ¥33.52 · 输出 ¥167.59 | | 16 项评测证据敏感名次浮动范围16—26 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥33.52 | ¥167.59 | 64.1 |
| 21 | Muse Spark 1.1Meta上线 2026-07-09 · 证据敏感缓存输入 —输入 ¥8.38 · 输出 ¥28.49 | | 13 项评测证据敏感名次浮动范围20—31 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥8.38 | ¥28.49 | 60.1 |
| 22 | Gemini 3 Pro PreviewGoogle上线 2025-11-18 · 证据敏感缓存输入 —输入 — · 输出 — | | 8 项评测证据敏感名次浮动范围17—28 名在 66 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 | 59.7 |
| 23 | 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 ¥25.14 | | 17 项评测证据敏感名次浮动范围21—31 名在 66 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 | ¥25.14 | 58.6 |
| 24 | Gemini 3.5 FlashGoogle上线 2026-05-19 · 证据敏感缓存输入 ¥1.01输入 ¥10.06 · 输出 ¥60.33 | | 17 项评测证据敏感名次浮动范围22—31 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.01 | ¥10.06 | ¥60.33 | 57.3 |
| 25 | Grok 4.6xAI上线 2026-08-12 · 证据敏感缓存输入 ¥3.35输入 ¥13.41 · 输出 ¥40.22 | | 17 项评测证据敏感名次浮动范围15—29 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥13.41 | ¥40.22 | 57.2 |
| 26 | GPT-5.4OpenAI上线 2026-03-05 · 证据敏感缓存输入 ¥1.68输入 ¥16.76 · 输出 ¥100.55 | | 11 项评测证据敏感名次浮动范围21—28 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.68 | ¥16.76 | ¥100.55 | 57.0 |
| 27 | DeepSeek V4.1 FlashDeepSeek上线 2026-09-10 · 证据敏感缓存输入 ¥0.0402输入 ¥2.01 · 输出 ¥8.04 | | 11 项评测证据敏感名次浮动范围24—31 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.0402 | ¥2.01 | ¥8.04 | 54.6 |
| 28 | GPT-5.6 TerraOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥1.34输入 ¥13.41 · 输出 ¥80.44 | | 19 项评测证据敏感名次浮动范围11—29 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.41 | ¥80.44 | 54.3 |
| 29 | 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 | | 15 项评测证据敏感名次浮动范围24—33 名在 66 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 | 52.7 |
| 30 | Grok 4.7xAI上线 2026-09-21 · 证据敏感缓存输入 ¥3.35输入 ¥13.41 · 输出 ¥40.22 | | 10 项评测证据敏感名次浮动范围18—34 名在 66 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.35 | ¥13.41 | ¥40.22 | 52.0 |