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
- 未知
- 榜单排名
- 33
- 综合智能指数
- 43.73
- 输入价
- ¥6.72
- 输出价
- ¥18.16
- 吞吐
- 76.7865
- 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-5
gpt-5
- 编程
- 35.21
- 智能体
- 53.43
- 知识
- 43.61
- 科学问答
- 85.35
- 难题
- 28.5
- 指令遵循
- 73.06
MiMo-V2.5-Pro
mimo-v2-5-pro
- 编程
- 38.49
- 智能体
- 31.62
- 知识
- 43.75
- 科学编程
- 50.58
- 科学问答
- 86.57
- 难题
- 35.68
Hy3
hy3
- 编程
- 37.85
- 智能体
- 22.89
- 知识
- 45.59
- 科学编程
- 48.61
- 科学问答
- 89.7
- 难题
- 33.46
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 | GPT-5 OpenAI | MiMo-V2.5-Pro Xiaomi | Hy3 |
|---|---|---|---|
| 综合智能指数 越高越好 | 22.98 | 25.99 最优 | 25.30 |
|
编程与工程
scicode / terminalBench 取均值 越高越好 |
35.2 | 38.5 最优 | 37.9 |
|
智能体与工具
tau / apex / analyst 取均值 越高越好 |
53.4 最优 | 31.6 | 22.9 |
|
知识与推理
omniscience / gpqa / hle 取均值 越高越好 |
43.6 | 43.8 | 45.6 最优 |
| SciCode 越高越好 | — | 50.6% 最优 | 48.6% |
| Terminal-Bench 2.1 越高越好 | 35.2% | 65.2% 最优 | 64.4% |
| Terminal-Bench 4.0 越高越好 | — | 0.0% | 0.5% 最优 |
| τ²-Banking（工具调用） 越高越好 | 22.1% | 9.9% | 22.9% 最优 |
| GPQA（科学问答） 越高越好 | 85.4% | 86.6% | 89.7% 最优 |
| HLE（Humanity's Last Exam） 越高越好 | 28.5% | 35.7% 最优 | 33.5% |
| 知识准确性 越高越好 | 40.3% 最优 | 22.4% | 32.0% |
| 非幻觉率 越高越好 | 17.8% | 75.3% 最优 | 25.9% |
| IFBench（指令遵循） 越高越好 | 73.1% | 79.9% 最优 | — |
| MMMU-Pro（多模态） 越高越好 | 74.2% | — | — |
| ITBench-SRE（运维） 越高越好 | — | 38.2% | — |
| GDPval（经济价值任务） 越高越好 | 20.3% | 30.4% 最优 | 27.3% |
| Analyst Agent（分析师智能体） 越高越好 | — | 20.0% | — |
| Apex Agents 越高越好 | — | 2.4% | — |
| 指标 | GPT-5 OpenAI | MiMo-V2.5-Pro Xiaomi | Hy3 |
|---|---|---|---|
| 输出吞吐 tokens/s 越高越好 | 74.6 | 45.4 | 89.7 最优 |
| 首 token 延迟 s 越低越好 | 81.43 | 3.01 | 2.99 最优 |
| 端到端响应 s 越低越好 | 88.13 | 58.09 | 30.87 最优 |
| 上下文窗口 tokens 越高越好 | 400,000 | 1,000,000 最优 | 256,000 |
| 指标 | GPT-5 OpenAI | MiMo-V2.5-Pro Xiaomi | Hy3 |
|---|---|---|---|
| 输入价 ¥/百万 越低越好 | 8.4058 | 2.9252 | 0.9414 最优 |
| 输出价 ¥/百万 越低越好 | 67.2464 | 5.8504 | 3.9003 最优 |
| 每任务成本 ¥ 越低越好 | — | 0.3636 最优 | 0.4997 |
| 性价比（指数 ÷ 输入价） 分/元 越高越好 | 2.7 | 8.9 | 26.9 最优 |
| 指标 | GPT-5 OpenAI | MiMo-V2.5-Pro Xiaomi | Hy3 |
|---|---|---|---|
| 厂商 | OpenAI | Xiaomi | 未知 |
| 榜单排名 越低越好 | 168 | 133 最优 | 137 |
| 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。