Vælg kapacitet før pris
Hver model i API Compare viser dens katalog-rapporterede input, værktøjsopkald og strukturerede output-kapaciteter ved siden af prisen. Disse er grænsefladekrav, ikke uafhængigt testede kvalitetsvurderinger. Et fraværende katalogflag er ukendt, ikke en målt fejl. Billedinput betyder at forstå billeder, ikke at generere billeder.
Evalueringsstandarder & originale kilder
Vælg en evaluering, der matcher din opgave. Kilderne nedenfor er uafhængige evalueringsprojekter, ikke påtegninger af TokenPico. Disse links forklarer standarderne; de hævder ikke, at hver model i vores katalog vises på hvert leaderboard.
Artificial Analysis Intelligence Index
Generel ræsonnement og viden
Sammensat af flere evalueringer. Sammenlign den samme indeksversion og begrundelsesindstillinger. Primært engelsk og tekst; den etablerer ikke billed-, lyd- eller flersproget kvalitet.
Original metode ↗ · Oprindelige resultater ↗
LiveBench
Ræsonnement, matematik & instruktion efter
Bruger objektive sandhedssvar på tværs af flere opgaver. Tjek benchmark-udgivelsen, kategorien, modelversionen og slutningsindstillingerne; udgivelser er ikke udskiftelige.
Original metode ↗ · Oprindelige resultater ↗
LiveCodeBench
Kodegenerering og problemløsning
Evaluerer kode med udførelsestest og daterede problemsæt. Match opgaven, problemets datointerval, prøveudtagningsindstillinger og pass@k; konkurrencekodning er ikke det samme som at vedligeholde en applikation.
Original metode ↗ · Oprindelige resultater ↗
SWE-bænk verificeret
Softwareingeniøragenter
Rapporterer procentdelen af depotproblemer, der er løst. Modellen, agentselen, værktøjer og budget bestemmer tilsammen resultatet. Sammenlign den samme Verificerede undergruppe og sele.
Original metode ↗ · Oprindelige resultater ↗
Hvordan en score kan indgå i denne sammenligning
Kræv en nøjagtig model/versionsmatch, benchmarkversion eller problemdatointerval, begrundelsesindstillinger, agentudstyr og værktøjer, hvor det er relevant, slutnings-/tokenbudget, scoreskala, resultatdato, originalkilde og tilladelse til at genudgive. Leverandørrapporterede resultater og uafhængige kørsler skal mærkes separat. Arv aldrig en familiescore eller bland forskellige benchmark-skalaer til en opfundet samlet score.
Kvalitetsscore: ikke importeret betyder, at der ikke er vedhæftet et autoriseret, konfigurationsmatchet resultat her. Det betyder ikke nul, dårlig kvalitet eller manglende test andre steder. Ingen kvalitetssortering, pris-pr-score eller bedste model-anbefalinger er aktiveret uden sammenlignelig dokumentation.
Kunstig analyse giver en versioneret metode og en data-API med tilskrivnings- og licensbetingelser. Offentlig synlighed alene er ikke genudgivelsestilladelse. API-tilskrivning og licensering ↗
Kildereferencer kontrolleret 25. oktober 2026. Testudgivelser og dækning kan ændre sig; konsulter det originale resultat, før du vælger en model. Validerer udvalgte modeller på dine egne repræsentative opgaver.