| 01 | claude-sonnet-5-5—上线 — · 证据敏感缓存输入 —输入 — · 输出 — | | 2 项评测证据敏感名次浮动范围第 1 名在 9 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。 | 待核验 | 待核验 | 待核验 | 99.7 |
| 02 | Claude Opus 5.5Anthropic上线 2026-09-17 · 证据敏感缓存输入 ¥1.34输入 ¥26.84 · 输出 ¥134.21 | | 2 项评测证据敏感名次浮动范围第 2 名在 9 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。 | ¥1.34 | ¥26.84 | ¥134.21 | 99.6 |
| 03 | 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第 3 名在 9 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 | 99.5 |
| 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第 4 名在 9 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 | 99.2 |
| 05 | 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 5 名在 9 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 | ¥167.76 | 98.4 |
| 06 | 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第 6 名在 9 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 | ¥13.42 | ¥40.26 | 96.8 |
| 07 | 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 7 名在 9 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。 | ¥6.71 | ¥67.1 | ¥335.52 | 95.4 |
| 08 | 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第 8 名在 9 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 | 95.0 |
| 09 | 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第 9 名在 9 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。 | ¥6.71 | ¥67.1 | ¥335.52 | 91.4 |
| 10 | 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第 10 名在 9 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。 | — | ¥12 | ¥36 | 86.8 |
| 11 | 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 | | 2 项评测证据敏感名次浮动范围第 11 名在 9 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。 | ¥1.34 | ¥13.42 | ¥80.53 | 85.9 |
| 12 | Muse Spark 1.3Meta上线 2026-09-02 · 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第 12 名在 9 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 | 85.1 |
| 13 | GLM-5.3Z.ai上线 2026-08-18 · 证据敏感缓存输入 ¥1.74输入 ¥9.39 · 输出 ¥29.53 | | 2 项评测证据敏感名次浮动范围第 13 名在 9 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。 | ¥1.74 | ¥9.39 | ¥29.53 | 80.1 |
| 14 | 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第 14 名在 9 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 | ¥13.42 | ¥40.26 | 74.2 |
| 15 | DeepSeek V4 Flash 0731DeepSeek上线 2026-07-31 · 证据敏感缓存输入 ¥0.1输入 ¥3 · 输出 ¥9 | | 2 项评测证据敏感名次浮动范围第 15 名在 9 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。 | ¥0.1 | ¥3 | ¥9 | 73.2 |
| 16 | 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 16 名在 9 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 | 72.3 |
| 17 | Grok 4.7xAI上线 2026-09-21 · 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第 17 名在 9 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 | ¥13.42 | ¥40.26 | 70.2 |
| 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 | | 2 项评测证据敏感名次浮动范围第 18 名在 9 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。 | ¥1.34 | ¥13.42 | ¥67.1 | 69.2 |
| 19 | GPT-6 SolOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥1.34输入 ¥13.42 · 输出 ¥67.1 | | 2 项评测证据敏感名次浮动范围第 19 名在 9 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。 | ¥1.34 | ¥13.42 | ¥67.1 | 62.7 |
| 20 | 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 | | 2 项评测证据敏感名次浮动范围第 20 名在 9 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。 | ¥0.23 | ¥0.8 | ¥2.8 | 61.7 |
| 21 | 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第 21 名在 9 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。 | ¥2.68 | ¥26.84 | ¥134.21 | 55.0 |
| 22 | 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第 22 名在 9 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 | ¥20 | ¥100 | 52.4 |
| 23 | 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第 23 名在 9 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 | ¥167.76 | 45.6 |
| 24 | 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第 24 名在 9 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 | ¥167.76 | 44.7 |
| 25 | 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第 25 名在 9 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 | 38.6 |
| 26 | 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第 26 名在 9 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 | 36.8 |
| 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第 27 名在 9 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 | 36.0 |
| 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第 28 名在 9 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 | 30.5 |
| 29 | GPT-6 LunaOpenAI上线 2026-09-22 · 证据敏感缓存输入 ¥0.0671输入 ¥0.67 · 输出 ¥3.36 | | 2 项评测证据敏感名次浮动范围第 29 名在 9 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。 | ¥0.0671 | ¥0.67 | ¥3.36 | 27.8 |
| 30 | 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 | | 2 项评测证据敏感名次浮动范围第 30 名在 9 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。 | ¥0.13 | ¥1.34 | ¥8.05 | 27.1 |