| 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 | | 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。 | ¥6.71 | ¥67.1 | ¥335.52 | 95.7 |
| 02 | Gemini 3.1 Pro PreviewGoogle上线 2026-02-19 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥80.53 | | 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。 | ¥1.34 | ¥13.42 | ¥80.53 | 93.0 |
| 03 | 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 | | 2 项评测证据敏感名次浮动范围3—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。 | ¥0.5 | ¥5.03 | ¥25.16 | 90.0 |
| 04 | 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 | | 2 项评测证据敏感名次浮动范围4—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。 | ¥0.5 | ¥5.03 | ¥25.16 | 88.6 |
| 05 | 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 | | 2 项评测证据敏感名次浮动范围4—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。 | ¥2.68 | ¥26.84 | ¥134.21 | 88.6 |
| 06 | Claude Fable 5Anthropic上线 2026-06-09 · 证据敏感缓存输入 ¥6.71输入 ¥67.1 · 输出 ¥335.52 | | 2 项评测证据敏感名次浮动范围3—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。 | ¥6.71 | ¥67.1 | ¥335.52 | 88.2 |
| 07 | 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 | | 2 项评测证据敏感名次浮动范围7—8 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 | ¥5.03 | ¥25.16 | 85.9 |
| 08 | 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 | | 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。 | ¥1.01 | ¥10.07 | ¥60.39 | 84.7 |
| 09 | Gemini 3 Flash PreviewGoogle上线 2025-12-17 · 证据敏感缓存输入 ¥0.34输入 ¥3.36 · 输出 ¥20.13 | | 2 项评测证据敏感名次浮动范围7—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。 | ¥0.34 | ¥3.36 | ¥20.13 | 83.8 |
| 10 | 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 | | 2 项评测证据敏感名次浮动范围第 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。 | ¥3.36 | ¥33.55 | ¥201.31 | 79.8 |
| 11 | Claude Opus 5Anthropic上线 2026-07-24 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 2 项评测证据敏感名次浮动范围第 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。 | ¥3.36 | ¥33.55 | ¥167.76 | 77.3 |
| 12 | 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第 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。 | ¥2.4 | ¥12 | ¥36 | 69.2 |
| 13 | 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。 | ¥0.3 | ¥9 | ¥27 | 64.7 |
| 14 | 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 | | 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。 | ¥3.36 | ¥33.55 | ¥167.76 | 64.2 |
| 15 | 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15—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。 | ¥2 | ¥20 | ¥100 | 61.3 |
| 16 | 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。 | ¥0.9 | ¥9 | ¥54 | 61.2 |
| 17 | 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 | | 2 项评测证据敏感名次浮动范围16—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。 | ¥3.36 | ¥33.55 | ¥167.76 | 59.7 |
| 18 | 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 | | 2 项评测证据敏感名次浮动范围18—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。 | ¥3.36 | ¥13.42 | ¥40.26 | 57.6 |
| 19 | GPT-5 2025-08-07OpenAI上线 2025-08-07 · 证据敏感缓存输入 ¥0.84输入 ¥8.39 · 输出 ¥67.1 | | 2 项评测证据敏感名次浮动范围18—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。 | ¥0.84 | ¥8.39 | ¥67.1 | 56.9 |
| 20 | Grok 4.5xAI上线 2026-07-08 · 证据敏感缓存输入 ¥2.01输入 ¥13.42 · 输出 ¥40.26 | | 2 项评测证据敏感名次浮动范围19—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。 | ¥2.01 | ¥13.42 | ¥40.26 | 56.4 |
| 21 | o3 2025-04-16OpenAI上线 2025-04-16 · 证据敏感缓存输入 ¥3.36输入 ¥13.42 · 输出 ¥53.68 | | 2 项评测证据敏感名次浮动范围19—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。 | ¥3.36 | ¥13.42 | ¥53.68 | 55.5 |
| 22 | Qwen3.8 Max 0902Alibaba上线 2026-09-01 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 2 项评测证据敏感名次浮动范围21—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。 | — | ¥12 | ¥36 | 54.5 |
| 23 | GPT-5.1 2025-11-13OpenAI上线 2025-11-13 · 证据敏感缓存输入 ¥0.84输入 ¥8.39 · 输出 ¥67.1 | | 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。 | ¥0.84 | ¥8.39 | ¥67.1 | 53.0 |
| 24 | Qwen3 Max 2025-09-23Alibaba上线 2025-09-24 · 证据敏感缓存输入 —输入 ¥6 · 输出 ¥24 | | 2 项评测证据敏感名次浮动范围21—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。 | — | ¥6 | ¥24 | 51.4 |
| 25 | GPT-5.4 Pro 2026-03-05OpenAI上线 2026-03-05 · 证据敏感缓存输入 —输入 ¥201.31 · 输出 ¥1,207.89 | | 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。 | — | ¥201.31 | ¥1,207.89 | 49.8 |
| 26 | DeepSeek V4 Pro PreviewDeepSeek上线 2026-04-24 · 证据敏感缓存输入 ¥0.0243输入 ¥2.92 · 输出 ¥5.84 | | 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。 | ¥0.0243 | ¥2.92 | ¥5.84 | 48.2 |
| 27 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 2 项评测证据敏感名次浮动范围26—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。 | — | ¥12 | ¥36 | 48.1 |
| 28 | 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 | | 2 项评测证据敏感名次浮动范围25—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。 | ¥3.36 | ¥33.55 | ¥167.76 | 48.0 |
| 29 | GPT-5.4 2026-03-05OpenAI上线 2026-03-05 · 证据敏感缓存输入 ¥1.68输入 ¥16.78 · 输出 ¥100.66 | | 2 项评测证据敏感名次浮动范围29—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。 | ¥1.68 | ¥16.78 | ¥100.66 | 46.9 |
| 30 | Claude Opus 4.5 20251101Anthropic上线 2025-11-24 · 证据敏感缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 2 项评测证据敏感名次浮动范围29—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。 | ¥3.36 | ¥33.55 | ¥167.76 | 45.1 |