前沿模型,持续接受基准测试。

顶尖 AI 模型的质量、成本与速度,实时持续更新 · 最近更新 2026-11-03。

智能、编程与智能体指数

Artificial Analysis 综合指数 · 每百万 token 价格(输入/输出)

# 模型 智能 编程 智能体 $ / 1M 输入 $ / 1M 输出
1 Claude Opus 5.5 (Max, Default Fallback) 58.4 — — $4.40 $22.00
2 GPT-6 Astra (Max) 56.9 76.9 51 $10.00 $50.00
3 GPT-6.1 Sol (Max) 54.5 — — $2.00 $10.00
4 Claude Sonnet 5.5 (Max, Default Fallback) 54.2 — — $2.20 $11.00
5 Qwen3.8 Max 53.4 68.9 49.9 — —
6 GPT-6.1 Terra (Max) 51 — — $1.20 $6.00
7 Gemini 4 Argon (High) 50.4 — — $2.20 $11.00
8 Claude Fable 5.1 (Xhigh, Default Fallback) 49.7 80.7 57.2 $5.00 $25.00
9 Kimi K3.1 Pro 46 — — $4.00 $20.00
10 Muse Wonder (Max) 43.3 — — $4.00 $20.00
11 Muse Spark 1.3 (Max) 36.4 75.8 55.5 $1.25 $4.25
12 Claude Haiku 5.5 (Max) 36.2 — — $0.110 $0.550
13 Grok 4.7 (High) 35 — — $1.60 $4.80
14 Qwen3.8 Max (0902) 33.6 76.2 56 $2.00 $6.00
15 GLM-5.3 (Max) 31.7 74.8 53.1 $0.980 $3.08
16 Gemini 3.8 Flash (High) 30.5 76.3 40.2 $0.830 $4.12
17 MiMo-V2.6-Pro 29.9 — — $0.520 $1.04
18 MiniMax-M3.1-Flash 28.9 — — $0.140 $0.540
19 DeepSeek V4.1 Flash 1017 (High) 28.5 — — $0.020 $0.250
20 Step 5 Preview 28.5 — — $1.00 $2.70
21 Solar Pro 4 28.2 52.7 — $0.150 $0.600
22 GLM-5.3-Flash 27.8 71.5 50.9 $0.070 $0.250
23 GPT-6 Luna (Max) 27.8 — — $0.100 $0.500
24 MiMo-V2.6-Flash 26.7 — — $0.140 $0.280
25 Mistral Large 4 (High) 26 — — $0.770 $2.31
26 Muse Spark Open (Xhigh) 24.7 — — $1.25 $4.25
27 DeepSeek V4 Pro 0813 (Max) 23.1 68.8 41.3 $0.110 $4.00
28 Qwen3.8 27B (Xhigh) 20.1 68.1 45.8 $0.300 $1.80
29 MiniMax-M3 18.7 58.6 29.5 $0.220 $0.880
30 Beam 1.0 17.7 — — $0.400 $1.20

推理、智能体与搜索:在最新模型上重新运行

GPQA Diamond

研究生水平的科学推理

# 模型 得分 $ / 任务
1 Gemini 4 Argon 96.5% $0.095
2 Gemini 4 Argon 96.0% $0.029
3 Gemini 3.8 Flash 95.6% $0.068
4 GPT-6 Astra Pro 95.5% $0.333
5 Fugu Ultra 94.6% $1.15
6 Gemini 3.1 Pro Preview 94.5% $0.202
7 GPT-6 Astra 94.4% $0.113
8 GPT-6.1 Sol 94.4% $0.021
9 GPT-5.6 Sol Pro 94.1% $0.151
10 GPT-5.5 93.9% $0.313
11 Gemini 3.7 Flash 93.9% $0.029
12 Gemini 3.8 Flash 93.4% $0.023
13 Fugu Ultra V2 93.3% $0.503
14 Jev Router 93.3% $0.035
15 Grok 4.6 92.8% $0.123

没有哪个模型能在所有基准测试中胜出。

领先者随任务而变:推理是这个模型最强,编程是那个,智能体搜索又是另一个。这正是 MultipleChat 存在的理由:把领先模型并排放在一起,让它们起草、相互质疑、彼此核验,你只取最好的答案。

质量、成本、速度一起看

不标价格的基准测试分数只是营销。这里的每个排行榜都把质量与每任务、每百万 token 的成本放在一起展示。

实时且开放

持续更新,可下载为 JSON 格式。我们自己的季度对比研究请见 MultipleChat AI Benchmark。

来源

Source: OpenRouter (openrouter.ai/rankings)(含 Artificial Analysis 指数), as of 2026-11-03T23:35:37Z。许可协议:CC BY 4.0。