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
216 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 = 6.714553 CNY，来源 open.er-api.com · 观察于 2026-10-02）；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。
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"
o1-pro
o1-pro
这个口径下没有数据（该榜源没有这类指标）
Inkling
inkling
- 编程
- 34.35
- 智能体
- 26.41
- 知识
- 47.2
- 科学编程
- 46.99
- 科学问答
- 87.17
- 难题
- 31.88
DeepSeek V4 Pro 0813
deepseek-v4-pro
- 编程
- 47.94
- 智能体
- 39.59
- 知识
- 57.5
- 科学编程
- 51.04
- 科学问答
- 92.83
- 难题
- 41.01
Gemini 3.8 Flash
gemini-3-8-flash
- 编程
- 54.12
- 智能体
- 44.95
- 知识
- 60.82
- 科学编程
- 56.6
- 科学问答
- 95.25
- 难题
- 47.82
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 | o1-pro OpenAI | Inkling | DeepSeek V4 Pro 0813 DeepSeek | Gemini 3.8 Flash Google |
|---|---|---|---|---|
| 综合智能指数 越高越好 | 12.42 | 24.98 | 36.00 | 40.93 最优 |
|
编程与工程
scicode / terminalBench 取均值 越高越好 |
— | 34.4 | 47.9 | 54.1 最优 |
|
智能体与工具
tau / apex / analyst 取均值 越高越好 |
— | 26.4 | 39.6 | 45.0 最优 |
|
知识与推理
omniscience / gpqa / hle 取均值 越高越好 |
— | 47.2 | 57.5 | 60.8 最优 |
| SciCode 越高越好 | — | 47.0% | 51.0% | 56.6% 最优 |
| Terminal-Bench 2.1 越高越好 | — | 55.1% | 78.7% | 87.6% 最优 |
| Terminal-Bench 4.0 越高越好 | — | 1.0% | 14.1% | 19.7% 最优 |
| τ²-Banking（工具调用） 越高越好 | — | 29.1% | 39.6% | 44.9% 最优 |
| GPQA（科学问答） 越高越好 | — | 87.2% | 92.8% | 95.3% 最优 |
| HLE（Humanity's Last Exam） 越高越好 | — | 31.9% | 41.0% | 47.8% 最优 |
| 知识准确性 越高越好 | — | 41.5% | 49.1% | 54.6% 最优 |
| 非幻觉率 越高越好 | — | 32.3% | 5.2% | 44.8% 最优 |
| IFBench（指令遵循） 越高越好 | — | — | — | — |
| MMMU-Pro（多模态） 越高越好 | — | 73.5% | — | 85.6% 最优 |
| ITBench-SRE（运维） 越高越好 | — | — | — | 52.5% |
| GDPval（经济价值任务） 越高越好 | — | 28.2% | 47.1% 最优 | 45.6% |
| Analyst Agent（分析师智能体） 越高越好 | — | 23.8% | — | — |
| Apex Agents 越高越好 | — | — | — | — |
| 指标 | o1-pro OpenAI | Inkling | DeepSeek V4 Pro 0813 DeepSeek | Gemini 3.8 Flash Google |
|---|---|---|---|---|
| 输出吞吐 tokens/s 越高越好 | — | 177.3 | 83.2 | 238.7 最优 |
| 首 token 延迟 s 越低越好 | — | 1.79 | 1.66 最优 | 21.75 |
| 端到端响应 s 越低越好 | — | 15.88 最优 | 31.72 | 23.84 |
| 上下文窗口 tokens 越高越好 | 200,000 | 1,000,000 最优 | 1,000,000 | 1,000,000 |
| 指标 | o1-pro OpenAI | Inkling | DeepSeek V4 Pro 0813 DeepSeek | Gemini 3.8 Flash Google |
|---|---|---|---|---|
| 输入价 ¥/百万 越低越好 | 1,007.1830 | 6.7146 | 8.8632 | 5.0359 最优 |
| 输出价 ¥/百万 越低越好 | 4,028.7318 | 27.1939 | 26.5896 | 25.1796 最优 |
| 每任务成本 ¥ 越低越好 | — | — | 4.5258 最优 | 8.3448 |
| 性价比（指数 ÷ 输入价） 分/元 越高越好 | 0.0 | 3.7 | 4.1 | 8.1 最优 |
| 指标 | o1-pro OpenAI | Inkling | DeepSeek V4 Pro 0813 DeepSeek | Gemini 3.8 Flash Google |
|---|---|---|---|---|
| 厂商 | OpenAI | 未知 | DeepSeek | |
| 榜单排名 越低越好 | 327 | 149 | 69 | 45 最优 |
| 推理档位 | 是 | 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。