| 01 | Claude Fable 5.1Anthropic上线 2026-09-01 · 证据敏感缓存输入 ¥1.68输入 ¥67.1 · 输出 ¥335.52 | | 2 项评测证据敏感名次浮动范围1—2 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.68 | ¥67.1 | ¥335.52 | 92.2 |
| 02 | Claude Opus 5Anthropic上线 2026-07-24 · 较充分缓存输入 ¥3.36输入 ¥33.55 · 输出 ¥167.76 | | 3 项评测较充分名次浮动范围1—3 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 90.1 |
| 03 | 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 | | 3 项评测证据敏感名次浮动范围2—5 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.71 | ¥67.1 | ¥335.52 | 87.8 |
| 04 | 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 | | 3 项评测证据敏感名次浮动范围2—5 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥6.71 | ¥67.1 | ¥335.52 | 87.5 |
| 05 | DeepSeek V4.1 FlashDeepSeek上线 2026-09-10 · 证据敏感缓存输入 ¥0.0403输入 ¥2.01 · 输出 ¥8.05 | | 2 项评测证据敏感名次浮动范围1—8 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.0403 | ¥2.01 | ¥8.05 | 87.1 |
| 06 | 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 | | 3 项评测证据敏感名次浮动范围2—7 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.68 | ¥26.84 | ¥134.21 | 86.7 |
| 07 | 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 | | 3 项评测证据敏感名次浮动范围3—10 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 86.6 |
| 08 | GLM-5.3Z.ai上线 2026-08-18 · 较充分缓存输入 ¥1.74输入 ¥9.39 · 输出 ¥29.53 | | 3 项评测较充分名次浮动范围6—8 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.74 | ¥9.39 | ¥29.53 | 82.3 |
| 09 | GPT-5.6 TerraOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥80.53 | | 3 项评测证据敏感名次浮动范围7—13 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.42 | ¥80.53 | 77.1 |
| 10 | Kimi K3Moonshot AI上线 2026-07-16 · 证据敏感缓存输入 ¥2输入 ¥20 · 输出 ¥100 | | 3 项评测证据敏感名次浮动范围6—14 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2 | ¥20 | ¥100 | 76.8 |
| 11 | 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9—13 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 70.4 |
| 12 | 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10—12 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥3.36 | ¥33.55 | ¥201.31 | 70.0 |
| 13 | 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 | | 3 项评测证据敏感名次浮动范围8—13 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥13.42 | ¥40.26 | 67.8 |
| 14 | GLM-5.3 FlashZ.ai上线 2026-08-26 · 证据敏感缓存输入 ¥0.23输入 ¥0.8 · 输出 ¥2.8 | | 3 项评测证据敏感名次浮动范围11—15 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.23 | ¥0.8 | ¥2.8 | 63.2 |
| 15 | 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 | | 3 项评测证据敏感名次浮动范围11—17 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥3.36 | ¥33.55 | ¥167.76 | 59.3 |
| 16 | Qwen3.8 MaxAlibaba上线 2026-07-19 · 证据敏感缓存输入 —输入 ¥12 · 输出 ¥36 | | 3 项评测证据敏感名次浮动范围8—18 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | — | ¥12 | ¥36 | 59.2 |
| 17 | GPT-5.6 LunaOpenAI上线 2026-07-09 · 证据敏感缓存输入 ¥0.13输入 ¥1.34 · 输出 ¥8.05 | | 3 项评测证据敏感名次浮动范围10—22 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥0.13 | ¥1.34 | ¥8.05 | 58.5 |
| 18 | Claude Sonnet 5Anthropic上线 2026-06-30 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥67.1 | | 3 项评测证据敏感名次浮动范围15—19 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥1.34 | ¥13.42 | ¥67.1 | 55.8 |
| 19 | Qwen3.8 27 BAlibaba上线 2026-08-14 · 证据敏感缓存输入 ¥0.6输入 ¥3 · 输出 ¥12 | | 2 项评测证据敏感名次浮动范围18—20 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.6 | ¥3 | ¥12 | 49.1 |
| 20 | Muse Spark 1.1Meta上线 2026-07-09 · 证据敏感缓存输入 —输入 ¥8.39 · 输出 ¥28.52 | | 2 项评测证据敏感名次浮动范围18—24 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥8.39 | ¥28.52 | 45.3 |
| 21 | Muse Spark 1.2Meta上线 2026-08-05 · 证据敏感缓存输入 —输入 ¥8.39 · 输出 ¥28.52 | | 2 项评测证据敏感名次浮动范围19—22 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | — | ¥8.39 | ¥28.52 | 44.9 |
| 22 | 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16—23 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.3 | ¥9 | ¥27 | 42.9 |
| 23 | 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14—29 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.0243 | ¥2.92 | ¥5.84 | 42.7 |
| 24 | 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 | | 3 项评测证据敏感名次浮动范围14—24 名在 13 个对照情景中重新检查资格后的名次。不是置信区间。 | ¥2.01 | ¥13.42 | ¥40.26 | 40.9 |
| 25 | GPT-5.4OpenAI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21—26 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.68 | ¥16.78 | ¥100.66 | 39.8 |
| 26 | DeepSeek V4 Flash PreviewDeepSeek上线 2026-04-24 · 证据敏感缓存输入 ¥0.0188输入 ¥0.94 · 输出 ¥1.88 | | 2 项评测证据敏感名次浮动范围22—34 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.0188 | ¥0.94 | ¥1.88 | 39.3 |
| 27 | 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23—30 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥0.5 | ¥5.03 | ¥25.16 | 37.5 |
| 28 | GLM-5.2Z.ai上线 2026-06-16 · 证据敏感缓存输入 ¥2输入 ¥8 · 输出 ¥28 | | 2 项评测证据敏感名次浮动范围24—28 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥2 | ¥8 | ¥28 | 36.5 |
| 29 | 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25—29 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥1.01 | ¥10.07 | ¥60.39 | 27.7 |
| 30 | Claude Sonnet 4.6Anthropic上线 2026-02-17 · 证据敏感缓存输入 ¥2.01输入 ¥20.13 · 输出 ¥100.66 | | 2 项评测证据敏感名次浮动范围26—30 名在 13 个对照情景中重新检查资格后的名次。 4 个情景下参评证据不足。不是置信区间。 | ¥2.01 | ¥20.13 | ¥100.66 | 20.3 |