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"。
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 = 6.724641 CNY，来源 open.er-api.com · 观察于 2026-09-26）；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。
- 厂商
- OpenAI
- 榜单排名
- 85
- 综合智能指数
- 32.50
- 输入价
- ¥11.77
- 输出价
- ¥94.14
- 吞吐
- 120.0301
- 上下文
- 400K
PROFILE / 能力画像
六轴对照
同一固定区间归一化，跨模型可比；缺数据的轴标"无数据"
Step 5 Preview
step-5
- 输入价
- 6.724641
- 输出价
- 18.1565307
- 缓存命中价
- 0.33623205
- 缓存写入价
- 无数据
- 每任务成本
- 4.811635302243
Grok 4.3
grok-4-3
- 输入价
- 8.40580125
- 输出价
- 16.8116025
- 缓存命中价
- 1.3449282
- 缓存写入价
- 8.40580125
- 每任务成本
- 1.1115831573000001
MATRIX / 完整对照
各项指标并排对比
30 / 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）
| 指标 | Step 5 Preview | Grok 4.3 xAI |
|---|---|---|
| 综合智能指数 越高越好 | 43.73 最优 | 24.88 |
|
编程与工程
scicode / terminalBench 取均值 越高越好 |
46.1 最优 | 30.2 |
|
智能体与工具
tau / apex / analyst 取均值 越高越好 |
— | 34.0 |
|
知识与推理
omniscience / gpqa / hle 取均值 越高越好 |
47.1 最优 | 45.8 |
| SciCode 越高越好 | 58.9% 最优 | 48.3% |
| Terminal-Bench 2.1 越高越好 | — | 39.7% |
| Terminal-Bench 4.0 越高越好 | 33.3% 最优 | 0.0% |
| τ²-Banking（工具调用） 越高越好 | — | 12.4% |
| GPQA（科学问答） 越高越好 | — | 90.1% |
| HLE（Humanity's Last Exam） 越高越好 | 46.5% 最优 | 37.2% |
| 知识准确性 越高越好 | 41.5% 最优 | 34.8% |
| 非幻觉率 越高越好 | 57.0% | 74.2% 最优 |
| IFBench（指令遵循） 越高越好 | — | 81.3% |
| MMMU-Pro（多模态） 越高越好 | 76.4% | 78.1% 最优 |
| ITBench-SRE（运维） 越高越好 | — | 32.7% |
| GDPval（经济价值任务） 越高越好 | 53.3% 最优 | 21.2% |
| Analyst Agent（分析师智能体） 越高越好 | — | 8.8% |
| Apex Agents 越高越好 | — | 17.0% |
| 指标 | Step 5 Preview | Grok 4.3 xAI |
|---|---|---|
| 输出吞吐 tokens/s 越高越好 | 76.8 | 126.4 最优 |
| 首 token 延迟 s 越低越好 | 3.00 最优 | 24.85 |
| 端到端响应 s 越低越好 | 35.55 | 28.80 最优 |
| 上下文窗口 tokens 越高越好 | 1,000,000 最优 | 1,000,000 |
| 指标 | Step 5 Preview | Grok 4.3 xAI |
|---|---|---|
| 输入价 ¥/百万 越低越好 | 6.7246 最优 | 8.4058 |
| 输出价 ¥/百万 越低越好 | 18.1565 | 16.8116 最优 |
| 每任务成本 ¥ 越低越好 | 4.8116 | 1.1116 最优 |
| 性价比（指数 ÷ 输入价） 分/元 越高越好 | 6.5 最优 | 3.0 |
| 指标 | Step 5 Preview | Grok 4.3 xAI |
|---|---|---|
| 厂商 | 未知 | xAI |
| 榜单排名 越低越好 | 33 最优 | 146 |
| 推理档位 | 是 | 是 |
| 开放权重 | — | — |
| 模态 | ||
| 发布时间 | — | — |
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。