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"。
为「模型 4」选择厂商
共 25 个厂商 · 按主流程度排序（榜上款数 → 最好名次 → 档案数）- OpenAI 榜上 92 款 · 最好第 6 名 · 档案 79 个
- Alibaba 榜上 65 款 · 最好第 25 名 · 档案 98 个
- Anthropic 榜上 48 款 · 最好第 1 名 · 档案 41 个
- Google 榜上 46 款 · 最好第 42 名 · 档案 68 个
- DeepSeek 榜上 28 款 · 最好第 51 名 · 档案 25 个
- xAI 榜上 25 款 · 最好第 21 名 · 档案 25 个
- Zhipu AI 榜上 22 款 · 最好第 28 名 · 档案 16 个
- Meta 榜上 17 款 · 最好第 17 名 · 档案 43 个
- Mistral AI 榜上 17 款 · 最好第 283 名 · 档案 48 个
- Moonshot AI 榜上 11 款 · 最好第 34 名 · 档案 8 个
- Amazon 榜上 11 款 · 最好第 285 名 · 档案 22 个
- Xiaomi 榜上 10 款 · 最好第 23 名 · 档案 8 个
- NVIDIA 榜上 9 款 · 最好第 169 名 · 档案 18 个
- MiniMax 榜上 7 款 · 最好第 103 名 · 档案 12 个
- IBM 榜上 4 款 · 最好第 274 名 · 档案 16 个
- Perplexity 榜上 4 款 · 最好第 332 名 · 档案 8 个
- Tencent 榜上 3 款 · 最好第 137 名 · 档案 15 个
- ByteDance 榜上 2 款 · 最好第 244 名 · 档案 13 个
- Baidu 榜上 2 款 · 最好第 281 名 · 档案 3 个
- Cohere 榜上 2 款 · 最好第 303 名 · 档案 9 个
- 未知 未上榜单 · 档案 236 个
- Microsoft 未上榜单 · 档案 12 个
- Allen Institute 未上榜单 · 档案 8 个
- AI21 Labs 未上榜单 · 档案 7 个
- Reka AI 未上榜单 · 档案 6 个
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。
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-1o-turbo-202506
step-1o-turbo-202506
这个口径下没有数据（该榜源没有这类指标）
- 能力指数
- 1335.8824
- 性价比
- 无数据
- 吞吐
- 无数据
- 上下文
- 无数据
- 输入成本
- 无数据
- 输出成本
- 无数据
GPT-5.2 Codex
gpt-5-2-codex
- 能力指数
- 28.5017
- 性价比
- 2.42
- 吞吐
- 无数据
- 上下文
- 400000
- 输入成本
- 11.76812175
- 输出成本
- 94.144974
Inkling
inkling
- 能力指数
- 24.9848
- 性价比
- 3.72
- 吞吐
- 169.566
- 上下文
- 1000000
- 输入成本
- 6.724641
- 输出成本
- 27.23479605
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 | step-1o-turbo-202506 | GPT-5.2 Codex OpenAI | Inkling |
|---|---|---|---|
| 综合智能指数 越高越好 | 1,335.88 最优 | 28.50 | 24.98 |
|
编程与工程
scicode / terminalBench 取均值 越高越好 |
— | — | 34.4 |
|
智能体与工具
tau / apex / analyst 取均值 越高越好 |
— | 92.1 最优 | 26.4 |
|
知识与推理
omniscience / gpqa / hle 取均值 越高越好 |
— | 55.6 最优 | 47.2 |
| SciCode 越高越好 | — | — | 47.0% |
| Terminal-Bench 2.1 越高越好 | — | — | 55.1% |
| Terminal-Bench 4.0 越高越好 | — | — | 1.0% |
| τ²-Banking（工具调用） 越高越好 | — | — | 29.1% |
| GPQA（科学问答） 越高越好 | — | 89.9% 最优 | 87.2% |
| HLE（Humanity's Last Exam） 越高越好 | — | 35.7% 最优 | 31.9% |
| 知识准确性 越高越好 | — | 41.1% | 41.5% 最优 |
| 非幻觉率 越高越好 | — | 26.6% | 32.3% 最优 |
| IFBench（指令遵循） 越高越好 | — | 77.6% | — |
| MMMU-Pro（多模态） 越高越好 | — | 76.3% 最优 | 73.5% |
| ITBench-SRE（运维） 越高越好 | — | — | — |
| GDPval（经济价值任务） 越高越好 | — | — | 28.2% |
| Analyst Agent（分析师智能体） 越高越好 | — | — | 23.8% |
| Apex Agents 越高越好 | — | — | — |
| 指标 | step-1o-turbo-202506 | GPT-5.2 Codex OpenAI | Inkling |
|---|---|---|---|
| 输出吞吐 tokens/s 越高越好 | — | — | 169.6 |
| 首 token 延迟 s 越低越好 | — | — | 1.87 |
| 端到端响应 s 越低越好 | — | — | 16.61 |
| 上下文窗口 tokens 越高越好 | — | 400,000 | 1,000,000 最优 |
| 指标 | step-1o-turbo-202506 | GPT-5.2 Codex OpenAI | Inkling |
|---|---|---|---|
| 输入价 ¥/百万 越低越好 | — | 11.7681 | 6.7246 最优 |
| 输出价 ¥/百万 越低越好 | — | 94.1450 | 27.2348 最优 |
| 每任务成本 ¥ 越低越好 | — | — | 4.0822 |
| 性价比（指数 ÷ 输入价） 分/元 越高越好 | — | 2.4 | 3.7 最优 |
| 指标 | step-1o-turbo-202506 | GPT-5.2 Codex OpenAI | Inkling |
|---|---|---|---|
| 厂商 | 未知 | OpenAI | 未知 |
| 榜单排名 越低越好 | 213 | 106 最优 | 143 |
| 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。