Tolok ukur AI

Model AI, dibandingkan berdasarkan kualitas dan biaya.

Pandangan praktis atas skor model yang dipublikasikan yang membantu Anda membandingkan kemampuan, kekuatan kategori, dan biaya menjalankan tanpa kehilangan detail.

Lihat grafik nilai Sumber benchmark Rilis terpilih terbaru · 25 Jun 2026

Model mana yang sebaiknya saya bayar?

Bandingkan skor dengan biaya per tugas, di setiap tingkat upaya.

Setiap garis menunjukkan satu model, dan setiap titik di garis itu menunjukkan tingkat upaya penalaran, dari rendah hingga maksimal. Semakin tinggi, semakin cerdas; semakin ke kiri, semakin murah. Tangga biru menghubungkan pengaturan yang tidak bisa dikalahkan oleh pilihan yang lebih murah.

Angka diambil pada 10 November 2026 dari Artificial Analysis, Artificial Analysis Intelligence Index v5.0.1.

Cara membaca grafik ini

Semakin tinggi, semakin besar skor Indeks Kecerdasan; semakin ke kanan, semakin besar biaya per tugas. Sumbu biaya menggunakan skala logaritmik, jadi setiap garis kisi bernilai sepuluh kali garis sebelumnya.
Titik di tangga biru adalah pilihan terbaik untuk harganya: tidak ada pilihan yang lebih murah dengan skor lebih tinggi. Pilihan di bawah tangga dikalahkan oleh pilihan yang lebih murah.
Satu tugas adalah satu pekerjaan uji dalam tolok ukur ini. Banyak di antaranya panjang dan terdiri dari beberapa langkah. Gunakan biaya untuk membandingkan model, bukan untuk menyusun anggaran: biaya email sehari-hari hanya sebagian kecilnya.

Kecerdasan dibandingkan biaya per tugas

Keyboard: tekan Tab untuk masuk ke grafik, lalu tombol kiri dan kanan untuk bergerak sepanjang garis, tombol atas dan bawah untuk berpindah antar garis, Enter untuk memilih, dan Escape untuk menghapus pilihan.

Setiap titik pada grafik: model, pengaturan upaya, Indeks Kecerdasan, biaya per tugas, dan apakah itu pilihan terbaik.
Model	Upaya	Indeks	Biaya per tugas	Pilihan terbaik
Claude Fable 5.2	rendah	54	US$3,10	Tidak
Claude Fable 5.2	sedang	56	US$3,80	Ya
Claude Fable 5.2	tinggi	62	US$9,08	Ya
Claude Fable 5.2	sangat tinggi	62	US$14,83	Ya
Claude Fable 5.2	maksimal	65	US$26,54	Ya
Claude Opus 5.5	rendah	35	US$0,98	Tidak
Claude Opus 5.5	sedang	48	US$2,45	Tidak
Claude Opus 5.5	tinggi	52	US$3,47	Tidak
Claude Opus 5.5	sangat tinggi	57	US$6,05	Ya
Claude Opus 5.5	maksimal	59	US$10,04	Tidak
Claude Sonnet 5.5	rendah	26	US$0,51	Tidak
Claude Sonnet 5.5	sedang	31	US$0,78	Tidak
Claude Sonnet 5.5	tinggi	42	US$1,64	Tidak
Claude Sonnet 5.5	sangat tinggi	50	US$4,09	Tidak
Claude Sonnet 5.5	maksimal	55	US$10,02	Tidak
Claude Haiku 5.5	rendah	19	US$0,044	Ya
Claude Haiku 5.5	sedang	25	US$0,092	Tidak
Claude Haiku 5.5	tinggi	30	US$0,16	Tidak
Claude Haiku 5.5	sangat tinggi	35	US$0,25	Tidak
Claude Haiku 5.5	maksimal	37	US$0,41	Tidak
GPT-6 Astra	rendah	43	US$1,42	Tidak
GPT-6 Astra	sedang	52	US$2,73	Tidak
GPT-6 Astra	tinggi	55	US$3,24	Ya
GPT-6 Astra	sangat tinggi	55	US$3,66	Ya
GPT-6 Astra	maksimal	57	US$6,25	Tidak
GPT-6.1 Sol	rendah	35	US$0,16	Tidak
GPT-6.1 Sol	sedang	46	US$0,36	Ya
GPT-6.1 Sol	tinggi	50	US$0,59	Ya
GPT-6.1 Sol	sangat tinggi	53	US$0,76	Ya
GPT-6.1 Sol	maksimal	55	US$1,27	Ya
GPT-6.1 Terra	rendah	29	US$0,071	Ya
GPT-6.1 Terra	sedang	38	US$0,17	Ya
GPT-6.1 Terra	tinggi	42	US$0,26	Ya
GPT-6.1 Terra	sangat tinggi	45	US$0,40	Tidak
GPT-6.1 Terra	maksimal	51	US$0,96	Tidak
GPT-6 Luna	rendah	10	US$0,005	Ya
GPT-6 Luna	sedang	18	US$0,042	Ya
GPT-6 Luna	tinggi	21	US$0,073	Tidak
GPT-6 Luna	sangat tinggi	23	US$0,10	Tidak
GPT-6 Luna	maksimal	28	US$0,15	Tidak
Gemini 4 Carbon	rendah	54	US$7,19	Tidak
Gemini 4 Carbon	sedang	58	US$6,59	Ya
Gemini 4 Carbon	tinggi	60	US$7,76	Ya
Gemini 4 Argon	tinggi	50	US$9,95	Tidak
Gemini 3.8 Flash	sedang	30	US$6,26	Tidak
Gemini 3.8 Flash	tinggi	31	US$7,77	Tidak
DeepSeek V4.1 Flash 1017	tinggi	29	US$0,46	Tidak
DeepSeek V4.1 Flash 1017	maksimal	33	US$0,60	Tidak
Grok 4.7	rendah	31	US$2,92	Tidak
Grok 4.7	tinggi	35	US$6,18	Tidak
Grok 4.7	sangat tinggi	36	US$7,77	Tidak
Kimi K3.1 Pro	default	47	US$3,68	Tidak
Muse Ember 1.0	maksimal	36	US$0,14	Ya
Mistral Large 4	sedang	23	US$1,41	Tidak
Mistral Large 4	tinggi	26	US$2,06	Tidak

Sumber dan catatan

Setiap titik disalin dari halaman modelnya masing-masing di Artificial Analysis: Indeks Kecerdasan dan biaya per tugas indeks yang dipublikasikan oleh Artificial Analysis, dengan harga resmi vendor termasuk biaya caching. Dapols hanya menghitung tangga pilihan terbaik, pilihan dengan nilai terbaik, dan saran perbandingan. Grafik hanya menampilkan pengaturan upaya yang diuji oleh Artificial Analysis. Jadi, garis pendek berarti ada lebih sedikit pengaturan yang dipublikasikan, bukan pengukuran yang hilang.

Garis Gemini 4 Carbon berbalik arah: Artificial Analysis mengukur biaya per tugas pada pengaturan rendah lebih tinggi daripada pengaturan sedang. Grafik menampilkannya sesuai data yang dipublikasikan.

Gemini 3.8 Flash dengan pengaturan upaya rendah mendapat skor 23 di Artificial Analysis, tetapi biaya per tugasnya belum dipublikasikan, jadi tidak ditampilkan di grafik. artificialanalysis.ai

Cara Artificial Analysis menghitung indeks

Claude Fable 5.2 rendah · sedang · tinggi · sangat tinggi · maksimal
Claude Opus 5.5 rendah · sedang · tinggi · sangat tinggi · maksimal
Claude Sonnet 5.5 rendah · sedang · tinggi · sangat tinggi · maksimal
Claude Haiku 5.5 rendah · sedang · tinggi · sangat tinggi · maksimal
GPT-6 Astra rendah · sedang · tinggi · sangat tinggi · maksimal
GPT-6.1 Sol rendah · sedang · tinggi · sangat tinggi · maksimal
GPT-6.1 Terra rendah · sedang · tinggi · sangat tinggi · maksimal
GPT-6 Luna rendah · sedang · tinggi · sangat tinggi · maksimal
Gemini 4 Carbon rendah · sedang · tinggi
Gemini 4 Argon tinggi
Gemini 3.8 Flash sedang · tinggi
DeepSeek V4.1 Flash 1017 tinggi · maksimal
Grok 4.7 rendah · tinggi · sangat tinggi
Kimi K3.1 Pro default
Muse Ember 1.0 maksimal
Mistral Large 4 sedang · tinggi

Pembaruan benchmark & model terbaru

Papan peringkat di halaman ini adalah rilis LiveBench 25 Juni, diambil ulang pada 22 September 2026. Kini mencakup Grok 4.7 xHigh dan DeepSeek V4.1 Flash Max Effort. Catatan model di bawah berasal dari halaman vendor masing-masing, sebagaimana diberi label.

Grok 4.6

Harga API yang sama, $2 / $6, seperti Grok 4.5. xAI melaporkan Artificial Analysis Intelligence Index 61 — setara dengan GPT-5.6 Sol Max, satu poin di bawah Fable 5 Max. Kuat pada evaluasi pekerjaan pengetahuan; 26% pada Terminal-Bench v3.

Baca ringkasan Grok 4.6

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash menggantikan V4 Flash pada 10 Sep 2026 dengan id API deepseek-flash yang baru, pada $0.15 / $0.60 per 1 juta token di luar jam sibuk dan $0.30 / $1.20 pada jam sibuk. Mulai 14 Sep, permintaan V4 Pro juga dialihkan ke sana, jadi ganti id model sekarang. LiveBench kini memberi skor V4.1 Flash Max Effort sebesar 81.1 secara keseluruhan.

Lihat di pelacak model

Baris papan peringkat hanya berasal dari data LiveBench yang dipublikasikan. Kami tidak mengarang skor.

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.

Penalaran: GPT-6 Astra Max Effort 92.7
Pemrograman: Claude 5.5 Opus Thinking Max Effort 89.3
Pemrograman agen: DeepSeek V4.1 Flash Max Effort 77.3
Matematika: Claude 5.5 Opus Thinking Max Effort 97.1
Analisis data: GPT-6 Astra Max Effort 83.0
Bahasa: Claude Fable 5 Max Effort 90.7
Mengikuti instruksi: 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.

Siapa yang paling unggul di papan peringkat di bawah ini.

Grafik terdepan di bagian atas halaman menjawab model mana yang layak Anda bayar. Grafik ini mengurutkan model dalam snapshot papan peringkat berdasarkan skor, sehingga Anda dapat melihat seberapa besar perbedaan para pemimpin.

Peringkat mereka

Semakin panjang semakin baik. Batang menunjukkan skor Keseluruhan dari 100; angka di samping setiap batang adalah nilai pastinya. Pilih satu baris untuk membawa model itu ke grafik biaya di bawah.

Menampilkan 12 teratas dari 58. Beralih ke tampilan perbandingan lengkap untuk semua model.

Profil kategori

Pilih hingga tiga model dari papan peringkat untuk membandingkan skor tujuh kategori mereka.

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

Penalaran91.776.686.7
Pemrograman86.475.880.0
Pemrograman agen66.152.677.3
Matematika97.077.593.3
Analisis data80.375.879.3
Bahasa89.566.181.2
Mengikuti instruksi73.060.370.0

Setiap jalur berjalan dari 0 hingga 100. Semakin ke kanan semakin kuat; angka tebal adalah pemimpin di baris itu.

Baca skor ini sebagai tabel

Profil kategori
Kategori	Claude Fable 5.1 Max Effort	ox-alpha-max	DeepSeek V4.1 Flash Max Effort
Penalaran	91.7	76.6	86.7
Pemrograman	86.4	75.8	80.0
Pemrograman agen	66.1	52.6	77.3
Matematika	97.0	77.5	93.3
Analisis data	80.3	75.8	79.3
Bahasa	89.5	66.1	81.2
Mengikuti instruksi	73.0	60.3	70.0

Papan peringkat

Urutkan setiap kategori, persempit daftar, dan buka model untuk melihat rincian subtugas yang dipublikasikan.

01
Claude Fable 5.1 Max Effort
Anthropic
83.4
Keseluruhan
US$1,212
per tugas berhasil
Matematika97.0Penalaran91.7Bahasa89.5
02
Claude 5.5 Opus Thinking Max Effort
Anthropic
83.2
Keseluruhan
US$0,799
per tugas berhasil
Matematika97.1Penalaran92.2Pemrograman89.3
03
Claude Fable 5 Max Effort
Anthropic
83.0
Keseluruhan
US$1,439
per tugas berhasil
Matematika96.0Bahasa90.7Penalaran89.7
04
GPT-6 Astra Max Effort
OpenAI
82.2
Keseluruhan
US$0,736
per tugas berhasil
Matematika96.8Penalaran92.7Bahasa89.4
05
GPT-6.1 Sol Max Effort
OpenAI
81.6
Keseluruhan
US$0,142
per tugas berhasil
Matematika96.8Penalaran92.6Bahasa90.1
06
Muse Spark 1.3 xHigh Effort
Meta
81.6
Keseluruhan
US$0,219
per tugas berhasil
Matematika95.9Penalaran89.7Bahasa82.8
07
DeepSeek V4.1 Flash Max Effort
Terbuka
DeepSeek
81.1
Keseluruhan
US$0,029
per tugas berhasil
Matematika93.3Penalaran86.7Bahasa81.2
08
GPT-5.6 Sol Max Effort
OpenAI
81.0
Keseluruhan
US$0,515
per tugas berhasil
Matematika96.2Penalaran91.7Bahasa87.7
09
GPT-5.5 Thinking xHigh Effort
OpenAI
80.2
Keseluruhan
US$0,435
per tugas berhasil
Matematika95.9Penalaran89.7Bahasa87.4
10
Claude 5 Opus Thinking Max Effort
Anthropic
80.1
Keseluruhan
US$0,699
per tugas berhasil
Matematika95.7Penalaran91.2Bahasa88.7
11
GPT-6 Sol Max Effort
OpenAI
79.3
Keseluruhan
US$0,268
per tugas berhasil
Matematika96.4Penalaran88.7Bahasa85.3
12
Kimi K3
Terbuka
Moonshot AI
79.2
Keseluruhan
US$0,348
per tugas berhasil
Penalaran90.7Bahasa85.5Matematika84.4
13
Gemini 3.7 Flash High
Google
78.8
Keseluruhan
US$0,157
per tugas berhasil
Matematika93.5Penalaran87.8Bahasa85.5
14
Qwen 3.8 Max
Terbuka
Alibaba
78.5
Keseluruhan
US$0,275
per tugas berhasil
Matematika91.3Penalaran88.2Bahasa79.7
15
Muse Spark 1.2 xHigh Effort
Meta
78.0
Keseluruhan
US$0,375
per tugas berhasil
Matematika91.2Penalaran90.0Bahasa78.6
16
Grok 4.6 xHigh
xAI
78.0
Keseluruhan
US$0,207
per tugas berhasil
Matematika92.6Penalaran90.5Bahasa83.7
17
GPT-5.4 Thinking xHigh Effort
OpenAI
78.0
Keseluruhan
US$0,387
per tugas berhasil
Matematika94.1Penalaran88.1Bahasa82.6
18
GPT-5.6 Terra Max Effort
OpenAI
77.9
Keseluruhan
US$0,352
per tugas berhasil
Matematika94.9Penalaran90.6Bahasa82.9
19
Claude Sonnet 5.5 xHigh Effort
Anthropic
77.8
Keseluruhan
US$0,141
per tugas berhasil
Matematika96.7Pemrograman88.9Penalaran86.8
20
DeepSeek V4 Pro 0813
Terbuka
DeepSeek
77.4
Keseluruhan
US$0,044
per tugas berhasil
Matematika95.1Penalaran85.8Bahasa82.1
21
Grok 4.7 xHigh
xAI
77.4
Keseluruhan
US$0,718
per tugas berhasil
Matematika95.7Penalaran82.7Bahasa80.1
22
Gemini 3.1 Pro Preview High
Google
77.0
Keseluruhan
US$0,286
per tugas berhasil
Matematika91.0Bahasa85.4Penalaran84.0
23
DeepSeek V4 Flash Vision Exp
Terbuka
DeepSeek
76.8
Keseluruhan
US$0,051
per tugas berhasil
Matematika87.8Penalaran85.4Bahasa80.4
24
Claude 4.7 Opus Thinking xHigh Effort
Anthropic
76.5
Keseluruhan
US$0,528
per tugas berhasil
Matematika92.9Penalaran87.2Pemrograman82.1
25
Claude 4.8 Opus Thinking Max Effort
Anthropic
76.2
Keseluruhan
US$0,983
per tugas berhasil
Matematika94.3Penalaran89.2Pemrograman81.8
26
Qwen 3.8 Flash Next
Terbuka
Alibaba
76.2
Keseluruhan
US$0,042
per tugas berhasil
Penalaran87.4Matematika85.8Mengikuti instruksi77.1
27
GLM-5.3
Terbuka
Z.AI
76.1
Keseluruhan
US$0,450
per tugas berhasil
Matematika87.9Penalaran85.8Bahasa79.9
28
Claude Sonnet 5 xHigh Effort
Anthropic
76.0
Keseluruhan
US$0,505
per tugas berhasil
Matematika92.9Penalaran88.7Pemrograman80.7
29
Grok 4.5
xAI
75.8
Keseluruhan
US$0,131
per tugas berhasil
Matematika90.8Penalaran87.2Bahasa82.8
30
Gemini 3.8 Flash High
Google
75.8
Keseluruhan
US$0,307
per tugas berhasil
Matematika91.6Penalaran89.3Bahasa87.8
31
Qwen3.8 27B
Terbuka
Alibaba
75.3
Keseluruhan
US$0,094
per tugas berhasil
Matematika86.2Penalaran80.0Analisis data76.6
32
Muse Spark 1.1 xHigh Effort
Meta
75.3
Keseluruhan
US$0,198
per tugas berhasil
Penalaran87.7Matematika87.1Pemrograman77.2
33
GPT-5.2 High
OpenAI
74.6
Keseluruhan
US$0,234
per tugas berhasil
Matematika93.2Penalaran83.2Bahasa79.8
34
Gemini 3.5 Flash High
Google
74.6
Keseluruhan
US$0,249
per tugas berhasil
Matematika88.2Bahasa84.6Penalaran82.0
35
Claude 4.6 Opus Thinking High Effort
Anthropic
74.5
Keseluruhan
US$0,404
per tugas berhasil
Matematika89.3Penalaran88.7Bahasa83.3
36
DeepSeek V4 Flash 0731
Terbuka
DeepSeek
74.2
Keseluruhan
US$0,060
per tugas berhasil
Matematika86.8Penalaran86.6Analisis data79.3
37
GPT-5.2 Codex
OpenAI
74.0
Keseluruhan
US$0,187
per tugas berhasil
Matematika88.8Pemrograman83.6Analisis data78.2
38
GPT-5.6 Luna Max Effort
OpenAI
73.6
Keseluruhan
US$0,169
per tugas berhasil
Matematika87.2Penalaran85.6Pemrograman82.9
39
Gemini 3.6 Flash High
Google
73.6
Keseluruhan
US$0,235
per tugas berhasil
Matematika86.4Penalaran85.1Bahasa83.9
40
GLM-5.2
Terbuka
Z.AI
73.2
Keseluruhan
US$0,225
per tugas berhasil
Matematika89.8Pemrograman79.7Penalaran78.6
41
Qwen 3.7 Max
Alibaba
73.1
Keseluruhan
US$0,182
per tugas berhasil
Matematika85.2Penalaran83.3Bahasa79.7
42
Claude 4.6 Sonnet Thinking Medium Effort
Anthropic
73.0
Keseluruhan
US$0,306
per tugas berhasil
Matematika87.0Penalaran84.8Pemrograman79.3
43
Claude 4.5 Opus Thinking High Effort
Anthropic
72.6
Keseluruhan
US$0,610
per tugas berhasil
Matematika90.4Bahasa81.3Penalaran80.1
44
GPT-6 Luna Max Effort
OpenAI
72.0
Keseluruhan
US$0,026
per tugas berhasil
Matematika89.1Penalaran81.8Pemrograman79.0
45
Inkling xHigh Effort
Terbuka
Thinking Machines
71.9
Keseluruhan
US$0,310
per tugas berhasil
Matematika88.4Penalaran78.3Bahasa73.5
46
GLM-5.3 Flash
Terbuka
Z.AI
71.6
Keseluruhan
US$0,031
per tugas berhasil
Matematika81.2Pemrograman79.0Penalaran77.6
47
Kimi K2.6 Thinking
Terbuka
Moonshot AI
70.5
Keseluruhan
US$0,169
per tugas berhasil
Matematika84.3Penalaran79.4Pemrograman78.6
48
GPT-5.4 Nano xHigh
OpenAI
69.6
Keseluruhan
US$0,091
per tugas berhasil
Matematika91.0Penalaran81.1Pemrograman70.8
49
ox-alpha-max
Stealth
69.2
Keseluruhan
US$0,000
per tugas berhasil
Matematika77.5Penalaran76.6Pemrograman75.8
50
Qwen 3.6 Plus
Alibaba
68.9
Keseluruhan
US$0,227
per tugas berhasil
Matematika83.7Pemrograman78.2Penalaran75.8
51
Kimi K2.7 Code
Terbuka
Moonshot AI
68.4
Keseluruhan
US$0,100
per tugas berhasil
Penalaran82.8Matematika79.6Bahasa77.9
52
Grok Build 0.1
xAI
67.8
Keseluruhan
US$0,024
per tugas berhasil
Matematika78.4Penalaran76.4Bahasa72.5
53
Nemotron 3 Ultra 550B A55B
Terbuka
NVIDIA
67.4
Keseluruhan
US$0,371
per tugas berhasil
Matematika88.7Penalaran74.7Mengikuti instruksi73.4
54
Minimax M3
Minimax
67.3
Keseluruhan
US$0,060
per tugas berhasil
Matematika76.9Bahasa76.8Analisis data76.2
55
GPT-5.4 Mini xHigh
OpenAI
66.4
Keseluruhan
US$0,334
per tugas berhasil
Matematika78.5Pemrograman71.6Penalaran71.3
56
Qwen 3.6 27B
Terbuka
Alibaba
64.0
Keseluruhan
US$0,202
per tugas berhasil
Matematika79.9Pemrograman71.8Analisis data70.4
57
Gemini 3.5 Flash-Lite High
Google
63.9
Keseluruhan
US$0,069
per tugas berhasil
Pemrograman76.1Matematika73.7Bahasa71.8
58
Grok 4.3
xAI
62.3
Keseluruhan
US$0,061
per tugas berhasil
Matematika84.3Bahasa73.6Penalaran70.8

Biaya adalah metrik biaya per tugas sukses yang disediakan sumber untuk cakupan yang dipilih.

Skor adalah snapshot dari benchmark pihak ketiga publik, direproduksi tanpa perubahan. Dapols menambahkan analisis biaya per tugas sukses di atasnya.Lihat sumber

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