AI बेंचमार्क

AI मॉडल, गुणवत्ता और लागत पर तुलना।

प्रकाशित मॉडल स्कोर का व्यावहारिक दृश्य जो आपको विवरण खोए बिना क्षमता, श्रेणीगत मजबूती और रन लागत की तुलना करने में मदद करता है।

वैल्यू चार्ट देखें बेंचमार्क स्रोत नवीनतम चयनित रिलीज़ · 25 जून 2026

मुझे किस मॉडल के लिए भुगतान करना चाहिए?

हर प्रयास स्तर पर, प्रति काम लागत के मुकाबले स्कोर देखें।

हर रेखा एक मॉडल दिखाती है और उस पर हर बिंदु कम से लेकर सबसे ज़्यादा तक, तर्क करने के प्रयास का एक स्तर है। ऊपर का मतलब ज़्यादा समझदार, बाईं ओर का मतलब कम खर्च। नीली सीढ़ी उन स्तरों को जोड़ती है जिन्हें कोई सस्ता विकल्प पीछे नहीं छोड़ता।

आँकड़े 10 नवंबर 2026 को Artificial Analysis, Artificial Analysis Intelligence Index v5.0.1 से लिए गए।

इसे कैसे पढ़ें

ऊपर का मतलब ज़्यादा Intelligence Index स्कोर; दाईं ओर का मतलब प्रति काम ज़्यादा खर्च। लागत का पैमाना लॉगरिदमिक है, इसलिए हर ग्रिड रेखा पिछली रेखा से 10 गुना है।
नीली सीढ़ी पर मौजूद बिंदु अपनी कीमत पर सबसे अच्छी खरीद है: उससे सस्ता कोई विकल्प ज़्यादा स्कोर नहीं करता। सीढ़ी के नीचे की हर चीज़ को कोई सस्ता विकल्प पीछे छोड़ता है।
यहाँ काम का मतलब बेंचमार्क की जाँच के कामों में से एक है। इनमें से कई लंबे और कई चरणों वाले हैं। लागत का इस्तेमाल मॉडल की तुलना के लिए करें, बजट बनाने के लिए नहीं: रोज़मर्रा के एक ईमेल की लागत इसका छोटा-सा अंश होती है।

प्रति काम लागत के मुकाबले समझदारी

कीबोर्ड: चार्ट में जाने के लिए टैब दबाएँ। फिर बाएँ-दाएँ से एक लाइन पर आगे बढ़ें और ऊपर-नीचे से लाइनों के बीच जाएँ। चुनने के लिए Enter और हटाने के लिए Escape दबाएँ।

अभी सबसे अच्छा मूल्य

अधिकतम प्रयास स्तर पर GPT-6.1 Sol का स्कोर 55 है, जो सबसे ऊँचे स्कोर (अधिकतम पर Claude Fable 5.2, 65) से 10 अंक के भीतर है। इसकी प्रति काम लागत $1.27 है, जबकि दूसरे की $26.54: यह 21× कम है।

नियम: सीढ़ी पर सबसे सस्ता वह बिंदु जिसका स्कोर सबसे ऊँचे स्कोर से 10 अंक के भीतर हो। डेटा बदलने पर इसे फिर से निकाला जाता है, इसे हाथ से नहीं चुना जाता।

डॉट पर माउस ले जाएँ, टैप करें या टैब से पहुँचें और उसकी जानकारी पढ़ें। तुलना के लिए दो डॉट चुनें।

चार्ट के हर बिंदु की जानकारी: मॉडल, प्रयास सेटिंग, बुद्धिमत्ता सूचकांक, हर काम की लागत और यह कि वह सबसे अच्छा सौदा है या नहीं।
मॉडल	प्रयास	सूचकांक	हर काम की लागत	सबसे अच्छा सौदा
Claude Fable 5.2	कम	54	$3.10	नहीं
Claude Fable 5.2	मध्यम	56	$3.80	हाँ
Claude Fable 5.2	ज़्यादा	62	$9.08	हाँ
Claude Fable 5.2	बहुत ज़्यादा	62	$14.83	हाँ
Claude Fable 5.2	अधिकतम	65	$26.54	हाँ
Claude Opus 5.5	कम	35	$0.98	नहीं
Claude Opus 5.5	मध्यम	48	$2.45	नहीं
Claude Opus 5.5	ज़्यादा	52	$3.47	नहीं
Claude Opus 5.5	बहुत ज़्यादा	57	$6.05	हाँ
Claude Opus 5.5	अधिकतम	59	$10.04	नहीं
Claude Sonnet 5.5	कम	26	$0.51	नहीं
Claude Sonnet 5.5	मध्यम	31	$0.78	नहीं
Claude Sonnet 5.5	ज़्यादा	42	$1.64	नहीं
Claude Sonnet 5.5	बहुत ज़्यादा	50	$4.09	नहीं
Claude Sonnet 5.5	अधिकतम	55	$10.02	नहीं
Claude Haiku 5.5	कम	19	$0.044	हाँ
Claude Haiku 5.5	मध्यम	25	$0.092	नहीं
Claude Haiku 5.5	ज़्यादा	30	$0.16	नहीं
Claude Haiku 5.5	बहुत ज़्यादा	35	$0.25	नहीं
Claude Haiku 5.5	अधिकतम	37	$0.41	नहीं
GPT-6 Astra	कम	43	$1.42	नहीं
GPT-6 Astra	मध्यम	52	$2.73	नहीं
GPT-6 Astra	ज़्यादा	55	$3.24	हाँ
GPT-6 Astra	बहुत ज़्यादा	55	$3.66	हाँ
GPT-6 Astra	अधिकतम	57	$6.25	नहीं
GPT-6.1 Sol	कम	35	$0.16	नहीं
GPT-6.1 Sol	मध्यम	46	$0.36	हाँ
GPT-6.1 Sol	ज़्यादा	50	$0.59	हाँ
GPT-6.1 Sol	बहुत ज़्यादा	53	$0.76	हाँ
GPT-6.1 Sol	अधिकतम	55	$1.27	हाँ
GPT-6.1 Terra	कम	29	$0.071	हाँ
GPT-6.1 Terra	मध्यम	38	$0.17	हाँ
GPT-6.1 Terra	ज़्यादा	42	$0.26	हाँ
GPT-6.1 Terra	बहुत ज़्यादा	45	$0.40	नहीं
GPT-6.1 Terra	अधिकतम	51	$0.96	नहीं
GPT-6 Luna	कम	10	$0.005	हाँ
GPT-6 Luna	मध्यम	18	$0.042	हाँ
GPT-6 Luna	ज़्यादा	21	$0.073	नहीं
GPT-6 Luna	बहुत ज़्यादा	23	$0.10	नहीं
GPT-6 Luna	अधिकतम	28	$0.15	नहीं
Gemini 4 Carbon	कम	54	$7.19	नहीं
Gemini 4 Carbon	मध्यम	58	$6.59	हाँ
Gemini 4 Carbon	ज़्यादा	60	$7.76	हाँ
Gemini 4 Argon	ज़्यादा	50	$9.95	नहीं
Gemini 3.8 Flash	मध्यम	30	$6.26	नहीं
Gemini 3.8 Flash	ज़्यादा	31	$7.77	नहीं
DeepSeek V4.1 Flash 1017	ज़्यादा	29	$0.46	नहीं
DeepSeek V4.1 Flash 1017	अधिकतम	33	$0.60	नहीं
Grok 4.7	कम	31	$2.92	नहीं
Grok 4.7	ज़्यादा	35	$6.18	नहीं
Grok 4.7	बहुत ज़्यादा	36	$7.77	नहीं
Kimi K3.1 Pro	डिफ़ॉल्ट	47	$3.68	नहीं
Muse Ember 1.0	अधिकतम	36	$0.14	हाँ
Mistral Large 4	मध्यम	23	$1.41	नहीं
Mistral Large 4	ज़्यादा	26	$2.06	नहीं

स्रोत और नोट

हर डॉट Artificial Analysis के अपने मॉडल पेज से लिया गया है: बुद्धिमत्ता सूचकांक और हर सूचकांक वाले काम की प्रकाशित लागत, जिसमें कैशिंग शामिल है और विक्रेता की सूची कीमत लागू है। Dapols केवल सीढ़ी, सबसे अच्छे मूल्य का विकल्प और तुलना की सलाह तय करता है। चार्ट में सिर्फ़ वही प्रयास सेटिंग दिखाई गई हैं जिन्हें Artificial Analysis ने परखा है। इसलिए छोटी लाइन का मतलब है कि कम सेटिंग प्रकाशित हुई हैं, कोई माप छूटा नहीं है।

Gemini 4 Carbon की लाइन वापस मुड़ती है: Artificial Analysis के माप में इसकी कम सेटिंग पर हर काम की लागत मध्यम सेटिंग से ज़्यादा थी। चार्ट में इसे प्रकाशित जानकारी के अनुसार दिखाया गया है।

कम प्रयास पर Gemini 3.8 Flash का Artificial Analysis स्कोर 23 है। इसकी हर काम की लागत प्रकाशित नहीं की गई है, इसलिए इसे चार्ट में नहीं दिखाया गया। artificialanalysis.ai

Artificial Analysis सूचकांक कैसे मापता है

Claude Fable 5.2 कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
Claude Opus 5.5 कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
Claude Sonnet 5.5 कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
Claude Haiku 5.5 कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
GPT-6 Astra कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
GPT-6.1 Sol कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
GPT-6.1 Terra कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
GPT-6 Luna कम · मध्यम · ज़्यादा · बहुत ज़्यादा · अधिकतम
Gemini 4 Carbon कम · मध्यम · ज़्यादा
Gemini 4 Argon ज़्यादा
Gemini 3.8 Flash मध्यम · ज़्यादा
DeepSeek V4.1 Flash 1017 ज़्यादा · अधिकतम
Grok 4.7 कम · ज़्यादा · बहुत ज़्यादा
Kimi K3.1 Pro डिफ़ॉल्ट
Muse Ember 1.0 अधिकतम
Mistral Large 4 मध्यम · ज़्यादा

नवीनतम बेंचमार्क और मॉडल अपडेट

इस पेज का लीडरबोर्ड LiveBench का 25 जून रिलीज़ है, जिसे 22 सितंबर 2026 को फिर से कैप्चर किया गया। इसमें अब Grok 4.7 xHigh और DeepSeek V4.1 Flash Max Effort शामिल हैं। नीचे दिए मॉडल नोट्स विक्रेताओं के अपने पेजों से हैं, और उन्हें वैसा ही लेबल किया गया है।

Grok 4.6

Grok 4.5 जैसी ही $2 / $6 API कीमत। xAI ने Artificial Analysis Intelligence Index 61 बताया है — GPT-5.6 Sol Max के साथ बराबरी, Fable 5 Max से एक अंक पीछे। नॉलेज-वर्क इवैल्स पर मजबूत; Terminal-Bench v3 पर 26%।

Grok 4.6 ब्रीफिंग पढ़ें

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash ने 10 सितंबर 2026 को नए deepseek-flash API id पर V4 Flash की जगह ली, ऑफ-पीक पर $0.15 / $0.60 प्रति 1M टोकन और पीक पर $0.30 / $1.20 पर। 14 सितंबर से V4 Pro अनुरोध भी इसी पर रूट किए जाते हैं, इसलिए अब मॉडल ids बदलें। LiveBench अब V4.1 Flash Max Effort को कुल मिलाकर 81.1 स्कोर देता है।

इसे मॉडल ट्रैकर में देखें

लीडरबोर्ड पंक्तियाँ केवल प्रकाशित LiveBench डेटा से आती हैं। हम स्कोर नहीं गढ़ते।

Best overall

Claude Fable 5.1 Max Effort leads this snapshot at 83.4 overall, $1.212 per successful task.

Best value per task

ox-alpha-max runs at $0.000 per successful task and still scores 69.2 overall.

Best open weights

DeepSeek V4.1 Flash Max Effort is the strongest open-weight model here at 81.1 overall — the option you can host yourself.

Best per capability

If your work is mostly one kind of task, these lead their category in this snapshot.

तर्क: GPT-6 Astra Max Effort 92.7
कोडिंग: Claude 5.5 Opus Thinking Max Effort 89.3
एजेंटिक कोडिंग: DeepSeek V4.1 Flash Max Effort 77.3
गणित: Claude 5.5 Opus Thinking Max Effort 97.1
डेटा विश्लेषण: GPT-6 Astra Max Effort 83.0
भाषा: Claude Fable 5 Max Effort 90.7
निर्देश अनुसरण: Gemini 3.8 Flash High 81.4

Every number above comes from the 2026-06-25 release dated 2026-06-25, published by a third-party benchmark and reproduced unaltered.

नीचे की लीडरबोर्ड सूची में सबसे आगे कौन है।

पेज के ऊपर दिया गया फ़्रंटियर चार्ट बताता है कि किस मॉडल के लिए भुगतान करना ठीक है। यह चार्ट लीडरबोर्ड के इस समय के स्नैपशॉट में मॉडल को स्कोर के आधार पर क्रम देता है, ताकि आप देख सकें कि सबसे आगे के मॉडल एक-दूसरे से कितने आगे हैं।

उनकी रैंकिंग कैसी है

लंबा बेहतर है। बार्स 100 में से कुल मिलाकर स्कोर दिखाते हैं; प्रत्येक बार के बगल में दिया गया अंक सटीक मान है। उस मॉडल को नीचे की लागत चार्ट में ले जाने के लिए एक पंक्ति चुनें।

शीर्ष 12 दिखाए जा रहे हैं, कुल 58 में से। हर मॉडल के लिए पूर्ण तुलना दृश्य पर जाएँ।

श्रेणी प्रोफ़ाइल

लीडरबोर्ड से तीन मॉडल चुनें उनके सात श्रेणी स्कोर की तुलना करने के लिए।

Claude Fable 5.1 Max Effort83.4
ox-alpha-max69.2
DeepSeek V4.1 Flash Max Effort81.1

तर्क91.776.686.7
कोडिंग86.475.880.0
एजेंटिक कोडिंग66.152.677.3
गणित97.077.593.3
डेटा विश्लेषण80.375.879.3
भाषा89.566.181.2
निर्देश अनुसरण73.060.370.0

हर ट्रैक 0 से 100 तक चलता है। दाईं ओर जितना अधिक, उतना मजबूत; बोल्ड आंकड़ा उस पंक्ति में अग्रणी है।

इन स्कोर को तालिका के रूप में पढ़ें

श्रेणी प्रोफ़ाइल
श्रेणी	Claude Fable 5.1 Max Effort	ox-alpha-max	DeepSeek V4.1 Flash Max Effort
तर्क	91.7	76.6	86.7
कोडिंग	86.4	75.8	80.0
एजेंटिक कोडिंग	66.1	52.6	77.3
गणित	97.0	77.5	93.3
डेटा विश्लेषण	80.3	75.8	79.3
भाषा	89.5	66.1	81.2
निर्देश अनुसरण	73.0	60.3	70.0

लीडरबोर्ड

प्रत्येक श्रेणी को क्रमबद्ध करें, सूची को संकीर्ण करें, और किसी मॉडल को उसके प्रकाशित उप-कार्य विवरण के लिए खोलें।

01
Claude Fable 5.1 Max Effort
Anthropic
83.4
कुल मिलाकर
$1.212
प्रति सफल कार्य
गणित97.0तर्क91.7भाषा89.5
02
Claude 5.5 Opus Thinking Max Effort
Anthropic
83.2
कुल मिलाकर
$0.799
प्रति सफल कार्य
गणित97.1तर्क92.2कोडिंग89.3
03
Claude Fable 5 Max Effort
Anthropic
83.0
कुल मिलाकर
$1.439
प्रति सफल कार्य
गणित96.0भाषा90.7तर्क89.7
04
GPT-6 Astra Max Effort
OpenAI
82.2
कुल मिलाकर
$0.736
प्रति सफल कार्य
गणित96.8तर्क92.7भाषा89.4
05
GPT-6.1 Sol Max Effort
OpenAI
81.6
कुल मिलाकर
$0.142
प्रति सफल कार्य
गणित96.8तर्क92.6भाषा90.1
06
Muse Spark 1.3 xHigh Effort
Meta
81.6
कुल मिलाकर
$0.219
प्रति सफल कार्य
गणित95.9तर्क89.7भाषा82.8
07
DeepSeek V4.1 Flash Max Effort
खुला
DeepSeek
81.1
कुल मिलाकर
$0.029
प्रति सफल कार्य
गणित93.3तर्क86.7भाषा81.2
08
GPT-5.6 Sol Max Effort
OpenAI
81.0
कुल मिलाकर
$0.515
प्रति सफल कार्य
गणित96.2तर्क91.7भाषा87.7
09
GPT-5.5 Thinking xHigh Effort
OpenAI
80.2
कुल मिलाकर
$0.435
प्रति सफल कार्य
गणित95.9तर्क89.7भाषा87.4
10
Claude 5 Opus Thinking Max Effort
Anthropic
80.1
कुल मिलाकर
$0.699
प्रति सफल कार्य
गणित95.7तर्क91.2भाषा88.7
11
GPT-6 Sol Max Effort
OpenAI
79.3
कुल मिलाकर
$0.268
प्रति सफल कार्य
गणित96.4तर्क88.7भाषा85.3
12
Kimi K3
खुला
Moonshot AI
79.2
कुल मिलाकर
$0.348
प्रति सफल कार्य
तर्क90.7भाषा85.5गणित84.4
13
Gemini 3.7 Flash High
Google
78.8
कुल मिलाकर
$0.157
प्रति सफल कार्य
गणित93.5तर्क87.8भाषा85.5
14
Qwen 3.8 Max
खुला
Alibaba
78.5
कुल मिलाकर
$0.275
प्रति सफल कार्य
गणित91.3तर्क88.2भाषा79.7
15
Muse Spark 1.2 xHigh Effort
Meta
78.0
कुल मिलाकर
$0.375
प्रति सफल कार्य
गणित91.2तर्क90.0भाषा78.6
16
Grok 4.6 xHigh
xAI
78.0
कुल मिलाकर
$0.207
प्रति सफल कार्य
गणित92.6तर्क90.5भाषा83.7
17
GPT-5.4 Thinking xHigh Effort
OpenAI
78.0
कुल मिलाकर
$0.387
प्रति सफल कार्य
गणित94.1तर्क88.1भाषा82.6
18
GPT-5.6 Terra Max Effort
OpenAI
77.9
कुल मिलाकर
$0.352
प्रति सफल कार्य
गणित94.9तर्क90.6भाषा82.9
19
Claude Sonnet 5.5 xHigh Effort
Anthropic
77.8
कुल मिलाकर
$0.141
प्रति सफल कार्य
गणित96.7कोडिंग88.9तर्क86.8
20
DeepSeek V4 Pro 0813
खुला
DeepSeek
77.4
कुल मिलाकर
$0.044
प्रति सफल कार्य
गणित95.1तर्क85.8भाषा82.1
21
Grok 4.7 xHigh
xAI
77.4
कुल मिलाकर
$0.718
प्रति सफल कार्य
गणित95.7तर्क82.7भाषा80.1
22
Gemini 3.1 Pro Preview High
Google
77.0
कुल मिलाकर
$0.286
प्रति सफल कार्य
गणित91.0भाषा85.4तर्क84.0
23
DeepSeek V4 Flash Vision Exp
खुला
DeepSeek
76.8
कुल मिलाकर
$0.051
प्रति सफल कार्य
गणित87.8तर्क85.4भाषा80.4
24
Claude 4.7 Opus Thinking xHigh Effort
Anthropic
76.5
कुल मिलाकर
$0.528
प्रति सफल कार्य
गणित92.9तर्क87.2कोडिंग82.1
25
Claude 4.8 Opus Thinking Max Effort
Anthropic
76.2
कुल मिलाकर
$0.983
प्रति सफल कार्य
गणित94.3तर्क89.2कोडिंग81.8
26
Qwen 3.8 Flash Next
खुला
Alibaba
76.2
कुल मिलाकर
$0.042
प्रति सफल कार्य
तर्क87.4गणित85.8निर्देश अनुसरण77.1
27
GLM-5.3
खुला
Z.AI
76.1
कुल मिलाकर
$0.450
प्रति सफल कार्य
गणित87.9तर्क85.8भाषा79.9
28
Claude Sonnet 5 xHigh Effort
Anthropic
76.0
कुल मिलाकर
$0.505
प्रति सफल कार्य
गणित92.9तर्क88.7कोडिंग80.7
29
Grok 4.5
xAI
75.8
कुल मिलाकर
$0.131
प्रति सफल कार्य
गणित90.8तर्क87.2भाषा82.8
30
Gemini 3.8 Flash High
Google
75.8
कुल मिलाकर
$0.307
प्रति सफल कार्य
गणित91.6तर्क89.3भाषा87.8
31
Qwen3.8 27B
खुला
Alibaba
75.3
कुल मिलाकर
$0.094
प्रति सफल कार्य
गणित86.2तर्क80.0डेटा विश्लेषण76.6
32
Muse Spark 1.1 xHigh Effort
Meta
75.3
कुल मिलाकर
$0.198
प्रति सफल कार्य
तर्क87.7गणित87.1कोडिंग77.2
33
GPT-5.2 High
OpenAI
74.6
कुल मिलाकर
$0.234
प्रति सफल कार्य
गणित93.2तर्क83.2भाषा79.8
34
Gemini 3.5 Flash High
Google
74.6
कुल मिलाकर
$0.249
प्रति सफल कार्य
गणित88.2भाषा84.6तर्क82.0
35
Claude 4.6 Opus Thinking High Effort
Anthropic
74.5
कुल मिलाकर
$0.404
प्रति सफल कार्य
गणित89.3तर्क88.7भाषा83.3
36
DeepSeek V4 Flash 0731
खुला
DeepSeek
74.2
कुल मिलाकर
$0.060
प्रति सफल कार्य
गणित86.8तर्क86.6डेटा विश्लेषण79.3
37
GPT-5.2 Codex
OpenAI
74.0
कुल मिलाकर
$0.187
प्रति सफल कार्य
गणित88.8कोडिंग83.6डेटा विश्लेषण78.2
38
GPT-5.6 Luna Max Effort
OpenAI
73.6
कुल मिलाकर
$0.169
प्रति सफल कार्य
गणित87.2तर्क85.6कोडिंग82.9
39
Gemini 3.6 Flash High
Google
73.6
कुल मिलाकर
$0.235
प्रति सफल कार्य
गणित86.4तर्क85.1भाषा83.9
40
GLM-5.2
खुला
Z.AI
73.2
कुल मिलाकर
$0.225
प्रति सफल कार्य
गणित89.8कोडिंग79.7तर्क78.6
41
Qwen 3.7 Max
Alibaba
73.1
कुल मिलाकर
$0.182
प्रति सफल कार्य
गणित85.2तर्क83.3भाषा79.7
42
Claude 4.6 Sonnet Thinking Medium Effort
Anthropic
73.0
कुल मिलाकर
$0.306
प्रति सफल कार्य
गणित87.0तर्क84.8कोडिंग79.3
43
Claude 4.5 Opus Thinking High Effort
Anthropic
72.6
कुल मिलाकर
$0.610
प्रति सफल कार्य
गणित90.4भाषा81.3तर्क80.1
44
GPT-6 Luna Max Effort
OpenAI
72.0
कुल मिलाकर
$0.026
प्रति सफल कार्य
गणित89.1तर्क81.8कोडिंग79.0
45
Inkling xHigh Effort
खुला
Thinking Machines
71.9
कुल मिलाकर
$0.310
प्रति सफल कार्य
गणित88.4तर्क78.3भाषा73.5
46
GLM-5.3 Flash
खुला
Z.AI
71.6
कुल मिलाकर
$0.031
प्रति सफल कार्य
गणित81.2कोडिंग79.0तर्क77.6
47
Kimi K2.6 Thinking
खुला
Moonshot AI
70.5
कुल मिलाकर
$0.169
प्रति सफल कार्य
गणित84.3तर्क79.4कोडिंग78.6
48
GPT-5.4 Nano xHigh
OpenAI
69.6
कुल मिलाकर
$0.091
प्रति सफल कार्य
गणित91.0तर्क81.1कोडिंग70.8
49
ox-alpha-max
Stealth
69.2
कुल मिलाकर
$0.000
प्रति सफल कार्य
गणित77.5तर्क76.6कोडिंग75.8
50
Qwen 3.6 Plus
Alibaba
68.9
कुल मिलाकर
$0.227
प्रति सफल कार्य
गणित83.7कोडिंग78.2तर्क75.8
51
Kimi K2.7 Code
खुला
Moonshot AI
68.4
कुल मिलाकर
$0.100
प्रति सफल कार्य
तर्क82.8गणित79.6भाषा77.9
52
Grok Build 0.1
xAI
67.8
कुल मिलाकर
$0.024
प्रति सफल कार्य
गणित78.4तर्क76.4भाषा72.5
53
Nemotron 3 Ultra 550B A55B
खुला
NVIDIA
67.4
कुल मिलाकर
$0.371
प्रति सफल कार्य
गणित88.7तर्क74.7निर्देश अनुसरण73.4
54
Minimax M3
Minimax
67.3
कुल मिलाकर
$0.060
प्रति सफल कार्य
गणित76.9भाषा76.8डेटा विश्लेषण76.2
55
GPT-5.4 Mini xHigh
OpenAI
66.4
कुल मिलाकर
$0.334
प्रति सफल कार्य
गणित78.5कोडिंग71.6तर्क71.3
56
Qwen 3.6 27B
खुला
Alibaba
64.0
कुल मिलाकर
$0.202
प्रति सफल कार्य
गणित79.9कोडिंग71.8डेटा विश्लेषण70.4
57
Gemini 3.5 Flash-Lite High
Google
63.9
कुल मिलाकर
$0.069
प्रति सफल कार्य
कोडिंग76.1गणित73.7भाषा71.8
58
Grok 4.3
xAI
62.3
कुल मिलाकर
$0.061
प्रति सफल कार्य
गणित84.3भाषा73.6तर्क70.8

लागत चुने गए दायरे के लिए स्रोत द्वारा दिया गया प्रति-सफल-कार्य लागत मीट्रिक है।

स्कोर एक सार्वजनिक तीसरे पक्ष के बेंचमार्क का स्नैपशॉट हैं, जिन्हें बिना बदले दोहराया गया है। Dapols ऊपर से प्रति-सफल-कार्य लागत विश्लेषण जोड़ता है।स्रोत देखें

A benchmark rank is not a hiring decision.

These scores say which model is strongest at a set of held-out tasks. They don’t say which one fits your workflow, your budget, or the tools you already pay for — and the cheapest model that clears your bar usually beats the highest scorer.

What changed recently

Dated releases from every major lab, with the vendor's own claims labelled as claims.

Open

What it costs to run

Our tool catalogue carries the price we last verified and the date we checked it.

Open

What to actually build

A deployment plan picks the stack for one workflow at your budget — models included.

Open