COMPARE / 2–4 个模型

模型并排对比

横轴是价格、纵轴是能力 —— 越靠左上，性价比越高。红色虚线是当前榜单里的性价比前沿线（沿着"更贵但更强"的边界走），落在它下方的模型意味着"花同样的钱能买到更强的"。

模型 1 GPT-5 更换移除

模型 2 Kimi K2 Thinking 更换移除

模型 3 + 选择模型

模型 4 + 选择模型

PRICE / CAPABILITY FRONTIER

模型斩杀线坐标

215 个模型有完整价格与分值；横轴为对数刻度，标出的点是你选中的模型

图上的点可以直接点：点一下会把它设为「聚焦查看」——在图下标出它的名字与读数， 不占用上方 4 个对比名额（键盘 Tab 也能选中）。再点一次相同的点即可取消聚焦。

币种口径：价格已折算为 CNY（1 USD = 6.729032 CNY，来源 open.er-api.com · 观察于 2026-09-27）；口径为每日快照（不追实时），原始口径不受影响。

口径：横轴 = 标准输入价（每百万 tokens，已折人民币），纵轴 = AA 能力指数。只画同时有价格与分值的行 —— 缺一个就没法定位，硬塞进图里等于编数据。

FOCUS / 聚焦查看（不占对比名额）

PROFILE / 能力画像

同一固定区间归一化，跨模型可比；缺数据的轴标"无数据"

画像口径：综合画像智能程度速度与延迟成本

gpt-5

kimi-k2-thinking

MATRIX / 完整对照

24 / 32 项有数据 · 绿色高亮 = 该行最优；"—" 表示该模型这项没有数据（不参与最优比较）

能力与评测来自第三方榜单（Artificial Analysis）当前有效批次
指标	GPT-5 OpenAI	Kimi K2 Thinking Moonshot AI
综合智能指数越高越好	22.98 最优	22.02
编程与工程 scicode / terminalBench 取均值越高越好	35.2	—
智能体与工具 tau / apex / analyst 取均值越高越好	53.4	93.0 最优
知识与推理 omniscience / gpqa / hle 取均值越高越好	43.6	46.2 最优
SciCode 越高越好	—	—
Terminal-Bench 2.1 越高越好	35.2%	—
Terminal-Bench 4.0 越高越好	—	—
τ²-Banking（工具调用）越高越好	22.1%	—
GPQA（科学问答）越高越好	85.4% 最优	83.8%
HLE（Humanity's Last Exam）越高越好	28.5% 最优	23.8%
知识准确性越高越好	40.3% 最优	30.9%
非幻觉率越高越好	17.8%	24.4% 最优
IFBench（指令遵循）越高越好	73.1% 最优	68.1%
MMMU-Pro（多模态）越高越好	74.2%	—
ITBench-SRE（运维）越高越好	—	—
GDPval（经济价值任务）越高越好	20.3%	—
Analyst Agent（分析师智能体）越高越好	—	—
Apex Agents 越高越好	—	—

数据来源：能力与评测 / 性能与延迟 / 价格来自第三方榜单当前有效批次（Artificial Analysis，随批次更新）；档案来自本站模型目录。复合分（编程/智能体/知识）由该组内评测项**取均值**得出（缺项不参与，不按 0 计）—— 口径见方法学。