跳到主要內容
Dapols

AI 基準測試

依品質與成本比較 AI 模型。

一個實用的視角，檢視已發布的模型分數，協助你在不失細節的情況下，比較能力、類別強項與運作成本。

探索排行榜基準測試來源 最新選定的發布 · 2026年6月25日

最新基準測試與模型更新

本頁的排行榜是 LiveBench 於 6 月 25 日的發布版本，已於 2026 年 9 月 22 日重新擷取。目前已納入 Grok 4.7 xHigh 與 DeepSeek V4.1 Flash Max Effort。下方的模型說明取自各供應商自己的頁面，並已如此標示。

Grok 4.6

API 價格與 Grok 4.5 相同，皆為 $2 / $6。xAI 公布的 Artificial Analysis Intelligence Index 為 61 — 與 GPT-5.6 Sol Max 並列，比 Fable 5 Max 低一分。在知識工作評測中表現強勁；在 Terminal-Bench v3 上為 26%。

閱讀 Grok 4.6 簡報

DeepSeek V4.1 Flash

DeepSeek V4.1 Flash 於 2026 年 9 月 10 日取代 V4 Flash，改用全新的 deepseek-flash API ID；離峰時段每 100 萬 tokens 為 $0.15 / $0.60，尖峰時段為 $0.30 / $1.20。從 9 月 14 日起，V4 Pro 的請求也會轉送至此模型，因此請立即切換模型 ID。LiveBench 目前將 V4.1 Flash Max Effort 的綜合分數評為 81.1。

在模型追蹤中查看

排行榜的列僅來自已發布的 LiveBench 數據。我們不會虛構分數。

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.

推理
GPT-6 Astra Max Effort 92.7
程式設計
Claude 5.5 Opus Thinking Max Effort 89.3
代理式程式設計
DeepSeek V4.1 Flash Max Effort 77.3
數學
Claude 5.5 Opus Thinking Max Effort 97.1
資料分析
GPT-6 Astra Max Effort 83.0
語言
Claude Fable 5 Max Effort 90.7
指令遵循
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.

以兩張圖看懂整個領域的輪廓。

第一張圖回答「誰最強」。第二張圖回答真正會讓你花錢的問題：其中哪一個值得付費。

排名情況

越長越好。長條顯示滿分 100 的 綜合 分數；每個長條旁的數字為精確數值。選取某一列，即可將該模型帶入下方的成本圖表。

顯示前 12 名，共 58 名。切換至完整比較檢視，即可查看所有模型。

品質與成本

越高越強，越左越便宜 — 因此最佳選擇位於左上方。編號的點為價值前緣：沒有更便宜又得分更高的模型。灰色的點在分數與價格上都被超越。

60657075808590US$0.024US$0.050US$0.100US$0.200US$0.500US$1.00US$1.4391234567Claude Fable 5.1 Max Effort83.4 · US$1.212每次成功任務的成本（對數刻度 — 每一格代表倍數，而非加法）綜合

已選取

Claude Fable 5.1 Max Effort

Anthropic

綜合
83.4
每次成功任務
US$1.212

#7 · 位於價值前緣。

最佳選擇（由便宜到最強）

  • 同價位中的最佳價值
  • 在分數與價格上皆被超越

將滑鼠移到或點選編號的點（或右側對應的列），即可讀取精確的分數與成本。方向鍵可讓你依由便宜到昂貴的順序逐一瀏覽模型。

以表格閱讀相同的 57 個數字
品質與成本
模型機構綜合每次成功任務
Claude Fable 5.1 Max Effort#7 · 同價位中的最佳價值Anthropic83.4US$1.212
Claude 5.5 Opus Thinking Max Effort#6 · 同價位中的最佳價值Anthropic83.2US$0.799
Claude Fable 5 Max EffortAnthropic83.0US$1.439
GPT-6 Astra Max Effort#5 · 同價位中的最佳價值OpenAI82.2US$0.736
GPT-6.1 Sol Max Effort#4 · 同價位中的最佳價值OpenAI81.6US$0.142
Muse Spark 1.3 xHigh EffortMeta81.6US$0.219
DeepSeek V4.1 Flash Max Effort#3 · 同價位中的最佳價值DeepSeek81.1US$0.029
GPT-5.6 Sol Max EffortOpenAI81.0US$0.515
GPT-5.5 Thinking xHigh EffortOpenAI80.2US$0.435
Claude 5 Opus Thinking Max EffortAnthropic80.1US$0.699
GPT-6 Sol Max EffortOpenAI79.3US$0.268
Kimi K3Moonshot AI79.2US$0.348
Gemini 3.7 Flash HighGoogle78.8US$0.157
Qwen 3.8 MaxAlibaba78.5US$0.275
Grok 4.6 xHighxAI78.0US$0.207
Muse Spark 1.2 xHigh EffortMeta78.0US$0.375
GPT-5.4 Thinking xHigh EffortOpenAI78.0US$0.387
GPT-5.6 Terra Max EffortOpenAI77.9US$0.352
Claude Sonnet 5.5 xHigh EffortAnthropic77.8US$0.141
DeepSeek V4 Pro 0813DeepSeek77.4US$0.044
Grok 4.7 xHighxAI77.4US$0.718
Gemini 3.1 Pro Preview HighGoogle77.0US$0.286
DeepSeek V4 Flash Vision ExpDeepSeek76.8US$0.051
Claude 4.7 Opus Thinking xHigh EffortAnthropic76.5US$0.528
Qwen 3.8 Flash NextAlibaba76.2US$0.042
Claude 4.8 Opus Thinking Max EffortAnthropic76.2US$0.983
GLM-5.3Z.AI76.1US$0.450
Claude Sonnet 5 xHigh EffortAnthropic76.0US$0.505
Grok 4.5xAI75.8US$0.131
Gemini 3.8 Flash HighGoogle75.8US$0.307
Qwen3.8 27BAlibaba75.3US$0.094
Muse Spark 1.1 xHigh EffortMeta75.3US$0.198
GPT-5.2 HighOpenAI74.6US$0.234
Gemini 3.5 Flash HighGoogle74.6US$0.249
Claude 4.6 Opus Thinking High EffortAnthropic74.5US$0.404
DeepSeek V4 Flash 0731DeepSeek74.2US$0.060
GPT-5.2 CodexOpenAI74.0US$0.187
GPT-5.6 Luna Max EffortOpenAI73.6US$0.169
Gemini 3.6 Flash HighGoogle73.6US$0.235
GLM-5.2Z.AI73.2US$0.225
Qwen 3.7 MaxAlibaba73.1US$0.182
Claude 4.6 Sonnet Thinking Medium EffortAnthropic73.0US$0.306
Claude 4.5 Opus Thinking High EffortAnthropic72.6US$0.610
GPT-6 Luna Max Effort#2 · 同價位中的最佳價值OpenAI72.0US$0.026
Inkling xHigh EffortThinking Machines71.9US$0.310
GLM-5.3 FlashZ.AI71.6US$0.031
Kimi K2.6 ThinkingMoonshot AI70.5US$0.169
GPT-5.4 Nano xHighOpenAI69.6US$0.091
Qwen 3.6 PlusAlibaba68.9US$0.227
Kimi K2.7 CodeMoonshot AI68.4US$0.100
Grok Build 0.1#1 · 同價位中的最佳價值xAI67.8US$0.024
Nemotron 3 Ultra 550B A55BNVIDIA67.4US$0.371
Minimax M3Minimax67.3US$0.060
GPT-5.4 Mini xHighOpenAI66.4US$0.334
Qwen 3.6 27BAlibaba64.0US$0.202
Gemini 3.5 Flash-Lite HighGoogle63.9US$0.069
Grok 4.3xAI62.3US$0.061

類別輪廓

從排行榜中最多選擇三個模型，比較它們的七個類別分數。

  • Claude Fable 5.1 Max Effort83.4
  • ox-alpha-max69.2
  • DeepSeek V4.1 Flash Max Effort81.1
  • 推理91.776.686.7
  • 程式設計86.475.880.0
  • 代理式程式設計66.152.677.3
  • 數學97.077.593.3
  • 資料分析80.375.879.3
  • 語言89.566.181.2
  • 指令遵循73.060.370.0

每條軸皆為 0 到 100。越靠右越強；粗體數字為該列的領先者。

以表格閱讀這些分數
類別輪廓
類別Claude Fable 5.1 Max Effortox-alpha-maxDeepSeek V4.1 Flash Max Effort
推理91.776.686.7
程式設計86.475.880.0
代理式程式設計66.152.677.3
數學97.077.593.3
資料分析80.375.879.3
語言89.566.181.2
指令遵循73.060.370.0

排行榜

排序每個類別、縮小清單範圍，並開啟模型查看其公開的子任務細項。

  1. 01

    Claude Fable 5.1 Max Effort

    Anthropic

    83.4

    綜合

    US$1.212

    每次成功任務

    數學97.0推理91.7語言89.5
  2. 02

    Claude 5.5 Opus Thinking Max Effort

    Anthropic

    83.2

    綜合

    US$0.799

    每次成功任務

    數學97.1推理92.2程式設計89.3
  3. 03

    Claude Fable 5 Max Effort

    Anthropic

    83.0

    綜合

    US$1.439

    每次成功任務

    數學96.0語言90.7推理89.7
  4. 04

    GPT-6 Astra Max Effort

    OpenAI

    82.2

    綜合

    US$0.736

    每次成功任務

    數學96.8推理92.7語言89.4
  5. 05

    GPT-6.1 Sol Max Effort

    OpenAI

    81.6

    綜合

    US$0.142

    每次成功任務

    數學96.8推理92.6語言90.1
  6. 06

    Muse Spark 1.3 xHigh Effort

    Meta

    81.6

    綜合

    US$0.219

    每次成功任務

    數學95.9推理89.7語言82.8
  7. 07

    DeepSeek V4.1 Flash Max Effort

    開放

    DeepSeek

    81.1

    綜合

    US$0.029

    每次成功任務

    數學93.3推理86.7語言81.2
  8. 08

    GPT-5.6 Sol Max Effort

    OpenAI

    81.0

    綜合

    US$0.515

    每次成功任務

    數學96.2推理91.7語言87.7
  9. 09

    GPT-5.5 Thinking xHigh Effort

    OpenAI

    80.2

    綜合

    US$0.435

    每次成功任務

    數學95.9推理89.7語言87.4
  10. 10

    Claude 5 Opus Thinking Max Effort

    Anthropic

    80.1

    綜合

    US$0.699

    每次成功任務

    數學95.7推理91.2語言88.7
  11. 11

    GPT-6 Sol Max Effort

    OpenAI

    79.3

    綜合

    US$0.268

    每次成功任務

    數學96.4推理88.7語言85.3
  12. 12

    Kimi K3

    開放

    Moonshot AI

    79.2

    綜合

    US$0.348

    每次成功任務

    推理90.7語言85.5數學84.4
  13. 13

    Gemini 3.7 Flash High

    Google

    78.8

    綜合

    US$0.157

    每次成功任務

    數學93.5推理87.8語言85.5
  14. 14

    Qwen 3.8 Max

    開放

    Alibaba

    78.5

    綜合

    US$0.275

    每次成功任務

    數學91.3推理88.2語言79.7
  15. 15

    Muse Spark 1.2 xHigh Effort

    Meta

    78.0

    綜合

    US$0.375

    每次成功任務

    數學91.2推理90.0語言78.6
  16. 16

    Grok 4.6 xHigh

    xAI

    78.0

    綜合

    US$0.207

    每次成功任務

    數學92.6推理90.5語言83.7
  17. 17

    GPT-5.4 Thinking xHigh Effort

    OpenAI

    78.0

    綜合

    US$0.387

    每次成功任務

    數學94.1推理88.1語言82.6
  18. 18

    GPT-5.6 Terra Max Effort

    OpenAI

    77.9

    綜合

    US$0.352

    每次成功任務

    數學94.9推理90.6語言82.9
  19. 19

    Claude Sonnet 5.5 xHigh Effort

    Anthropic

    77.8

    綜合

    US$0.141

    每次成功任務

    數學96.7程式設計88.9推理86.8
  20. 20

    DeepSeek V4 Pro 0813

    開放

    DeepSeek

    77.4

    綜合

    US$0.044

    每次成功任務

    數學95.1推理85.8語言82.1
  21. 21

    Grok 4.7 xHigh

    xAI

    77.4

    綜合

    US$0.718

    每次成功任務

    數學95.7推理82.7語言80.1
  22. 22

    Gemini 3.1 Pro Preview High

    Google

    77.0

    綜合

    US$0.286

    每次成功任務

    數學91.0語言85.4推理84.0
  23. 23

    DeepSeek V4 Flash Vision Exp

    開放

    DeepSeek

    76.8

    綜合

    US$0.051

    每次成功任務

    數學87.8推理85.4語言80.4
  24. 24

    Claude 4.7 Opus Thinking xHigh Effort

    Anthropic

    76.5

    綜合

    US$0.528

    每次成功任務

    數學92.9推理87.2程式設計82.1
  25. 25

    Claude 4.8 Opus Thinking Max Effort

    Anthropic

    76.2

    綜合

    US$0.983

    每次成功任務

    數學94.3推理89.2程式設計81.8
  26. 26

    Qwen 3.8 Flash Next

    開放

    Alibaba

    76.2

    綜合

    US$0.042

    每次成功任務

    推理87.4數學85.8指令遵循77.1
  27. 27

    GLM-5.3

    開放

    Z.AI

    76.1

    綜合

    US$0.450

    每次成功任務

    數學87.9推理85.8語言79.9
  28. 28

    Claude Sonnet 5 xHigh Effort

    Anthropic

    76.0

    綜合

    US$0.505

    每次成功任務

    數學92.9推理88.7程式設計80.7
  29. 29

    Grok 4.5

    xAI

    75.8

    綜合

    US$0.131

    每次成功任務

    數學90.8推理87.2語言82.8
  30. 30

    Gemini 3.8 Flash High

    Google

    75.8

    綜合

    US$0.307

    每次成功任務

    數學91.6推理89.3語言87.8
  31. 31

    Qwen3.8 27B

    開放

    Alibaba

    75.3

    綜合

    US$0.094

    每次成功任務

    數學86.2推理80.0資料分析76.6
  32. 32

    Muse Spark 1.1 xHigh Effort

    Meta

    75.3

    綜合

    US$0.198

    每次成功任務

    推理87.7數學87.1程式設計77.2
  33. 33

    GPT-5.2 High

    OpenAI

    74.6

    綜合

    US$0.234

    每次成功任務

    數學93.2推理83.2語言79.8
  34. 34

    Gemini 3.5 Flash High

    Google

    74.6

    綜合

    US$0.249

    每次成功任務

    數學88.2語言84.6推理82.0
  35. 35

    Claude 4.6 Opus Thinking High Effort

    Anthropic

    74.5

    綜合

    US$0.404

    每次成功任務

    數學89.3推理88.7語言83.3
  36. 36

    DeepSeek V4 Flash 0731

    開放

    DeepSeek

    74.2

    綜合

    US$0.060

    每次成功任務

    數學86.8推理86.6資料分析79.3
  37. 37

    GPT-5.2 Codex

    OpenAI

    74.0

    綜合

    US$0.187

    每次成功任務

    數學88.8程式設計83.6資料分析78.2
  38. 38

    GPT-5.6 Luna Max Effort

    OpenAI

    73.6

    綜合

    US$0.169

    每次成功任務

    數學87.2推理85.6程式設計82.9
  39. 39

    Gemini 3.6 Flash High

    Google

    73.6

    綜合

    US$0.235

    每次成功任務

    數學86.4推理85.1語言83.9
  40. 40

    GLM-5.2

    開放

    Z.AI

    73.2

    綜合

    US$0.225

    每次成功任務

    數學89.8程式設計79.7推理78.6
  41. 41

    Qwen 3.7 Max

    Alibaba

    73.1

    綜合

    US$0.182

    每次成功任務

    數學85.2推理83.3語言79.7
  42. 42

    Claude 4.6 Sonnet Thinking Medium Effort

    Anthropic

    73.0

    綜合

    US$0.306

    每次成功任務

    數學87.0推理84.8程式設計79.3
  43. 43

    Claude 4.5 Opus Thinking High Effort

    Anthropic

    72.6

    綜合

    US$0.610

    每次成功任務

    數學90.4語言81.3推理80.1
  44. 44

    GPT-6 Luna Max Effort

    OpenAI

    72.0

    綜合

    US$0.026

    每次成功任務

    數學89.1推理81.8程式設計79.0
  45. 45

    Inkling xHigh Effort

    開放

    Thinking Machines

    71.9

    綜合

    US$0.310

    每次成功任務

    數學88.4推理78.3語言73.5
  46. 46

    GLM-5.3 Flash

    開放

    Z.AI

    71.6

    綜合

    US$0.031

    每次成功任務

    數學81.2程式設計79.0推理77.6
  47. 47

    Kimi K2.6 Thinking

    開放

    Moonshot AI

    70.5

    綜合

    US$0.169

    每次成功任務

    數學84.3推理79.4程式設計78.6
  48. 48

    GPT-5.4 Nano xHigh

    OpenAI

    69.6

    綜合

    US$0.091

    每次成功任務

    數學91.0推理81.1程式設計70.8
  49. 49

    ox-alpha-max

    Stealth

    69.2

    綜合

    US$0.000

    每次成功任務

    數學77.5推理76.6程式設計75.8
  50. 50

    Qwen 3.6 Plus

    Alibaba

    68.9

    綜合

    US$0.227

    每次成功任務

    數學83.7程式設計78.2推理75.8
  51. 51

    Kimi K2.7 Code

    開放

    Moonshot AI

    68.4

    綜合

    US$0.100

    每次成功任務

    推理82.8數學79.6語言77.9
  52. 52

    Grok Build 0.1

    xAI

    67.8

    綜合

    US$0.024

    每次成功任務

    數學78.4推理76.4語言72.5
  53. 53

    Nemotron 3 Ultra 550B A55B

    開放

    NVIDIA

    67.4

    綜合

    US$0.371

    每次成功任務

    數學88.7推理74.7指令遵循73.4
  54. 54

    Minimax M3

    Minimax

    67.3

    綜合

    US$0.060

    每次成功任務

    數學76.9語言76.8資料分析76.2
  55. 55

    GPT-5.4 Mini xHigh

    OpenAI

    66.4

    綜合

    US$0.334

    每次成功任務

    數學78.5程式設計71.6推理71.3
  56. 56

    Qwen 3.6 27B

    開放

    Alibaba

    64.0

    綜合

    US$0.202

    每次成功任務

    數學79.9程式設計71.8資料分析70.4
  57. 57

    Gemini 3.5 Flash-Lite High

    Google

    63.9

    綜合

    US$0.069

    每次成功任務

    程式設計76.1數學73.7語言71.8
  58. 58

    Grok 4.3

    xAI

    62.3

    綜合

    US$0.061

    每次成功任務

    數學84.3語言73.6推理70.8

成本為所選範圍中，來源提供的「每次成功任務成本」指標。

分數是某個公開第三方基準測試的快照，未經修改地轉載。Dapols 在其上加入每次成功任務成本的分析。查看來源

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