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
- 39
- 综合智能指数
- 42.08
- 输入价
- ¥13.45
- 输出价
- ¥80.7
- 吞吐
- 100.4842
- 上下文
- 1000K
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"
GPT-6 Luna
gpt-6-luna
- 能力指数
- 37.256
- 性价比
- 55.4
- 吞吐
- 146.2069
- 上下文
- 1000000
- 输入成本
- 0.6724641
- 输出成本
- 3.3623205
o3
o3
- 能力指数
- 20.2008
- 性价比
- 1.5
- 吞吐
- 123.2243
- 上下文
- 200000
- 输入成本
- 13.449282
- 输出成本
- 53.797128
Qwen3.7 Plus
qwen3-7-plus
- 能力指数
- 25.1622
- 性价比
- 9.35
- 吞吐
- 73.4607
- 上下文
- 1000000
- 输入成本
- 2.6898564
- 输出成本
- 10.7594256
MATRIX / 完整对照
各项指标并排对比
28 / 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 | GPT-6 Luna OpenAI | o3 OpenAI | Qwen3.7 Plus Alibaba |
|---|---|---|---|
| 综合智能指数 越高越好 | 37.26 最优 | 20.20 | 25.16 |
|
编程与工程
scicode / terminalBench 取均值 越高越好 |
33.6 | — | 36.0 最优 |
|
智能体与工具
tau / apex / analyst 取均值 越高越好 |
— | 80.7 最优 | 44.3 |
|
知识与推理
omniscience / gpqa / hle 取均值 越高越好 |
41.9 | 47.1 最优 | 40.2 |
| SciCode 越高越好 | 54.6% 最优 | — | 46.1% |
| Terminal-Bench 2.1 越高越好 | — | — | 61.0% |
| Terminal-Bench 4.0 越高越好 | 12.6% 最优 | — | 1.0% |
| τ²-Banking（工具调用） 越高越好 | — | — | 17.5% |
| GPQA（科学问答） 越高越好 | — | 82.7% | 90.0% 最优 |
| HLE（Humanity's Last Exam） 越高越好 | 38.5% 最优 | 20.1% | 35.6% |
| 知识准确性 越高越好 | 43.8% 最优 | 38.6% | 22.5% |
| 非幻觉率 越高越好 | 23.3% | 11.9% | 72.3% 最优 |
| IFBench（指令遵循） 越高越好 | — | 71.4% | 78.0% 最优 |
| MMMU-Pro（多模态） 越高越好 | 75.5% | 70.1% | 80.5% 最优 |
| ITBench-SRE（运维） 越高越好 | — | — | — |
| GDPval（经济价值任务） 越高越好 | 43.4% 最优 | — | 12.8% |
| Analyst Agent（分析师智能体） 越高越好 | — | — | — |
| Apex Agents 越高越好 | — | — | 22.4% |
| 指标 | GPT-6 Luna OpenAI | o3 OpenAI | Qwen3.7 Plus Alibaba |
|---|---|---|---|
| 输出吞吐 tokens/s 越高越好 | 146.2 最优 | 123.2 | 73.5 |
| 首 token 延迟 s 越低越好 | 122.31 | 6.46 | 2.26 最优 |
| 端到端响应 s 越低越好 | 125.72 | 10.52 最优 | 36.29 |
| 上下文窗口 tokens 越高越好 | 1,000,000 最优 | 200,000 | 1,000,000 |
| 指标 | GPT-6 Luna OpenAI | o3 OpenAI | Qwen3.7 Plus Alibaba |
|---|---|---|---|
| 输入价 ¥/百万 越低越好 | 0.6725 最优 | 13.4493 | 2.6899 |
| 输出价 ¥/百万 越低越好 | 3.3623 最优 | 53.7971 | 10.7594 |
| 每任务成本 ¥ 越低越好 | 0.4579 最优 | — | 1.9849 |
| 性价比（指数 ÷ 输入价） 分/元 越高越好 | 55.4 最优 | 1.5 | 9.4 |
| 指标 | GPT-6 Luna OpenAI | o3 OpenAI | Qwen3.7 Plus Alibaba |
|---|---|---|---|
| 厂商 | OpenAI | OpenAI | Alibaba |
| 榜单排名 越低越好 | 61 最优 | 209 | 140 |
| 推理档位 | 是 | 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。