Velg kapasitet før pris
Hver modell i API Compare viser katalograpporterte innganger, verktøykalling og strukturerte utdatafunksjoner ved siden av prisen. Dette er grensesnittkrav, ikke uavhengig testede kvalitetsvurderinger. Et fraværende katalogflagg er ukjent, ikke en målt feil. Bildeinndata betyr å forstå bilder, ikke å generere bilder.
Evalueringsstandarder og originalkilder
Velg en evaluering som samsvarer med oppgaven din. Kildene nedenfor er uavhengige evalueringsprosjekter, ikke påtegninger av TokenPico. Disse lenkene forklarer standardene; de hevder ikke at hver modell i katalogen vår vises på hver ledertavle.
Artificial Analysis Intelligence Index
Generell resonnement og kunnskap
Sammensatt av flere evalueringer. Sammenlign den samme indeksversjonen og resonneringsinnstillingene. Primært engelsk og tekst; det etablerer ikke bilde, lyd eller flerspråklig kvalitet.
Opprinnelig metodikk ↗ · Opprinnelige resultater ↗
LiveBench
Resonnement, matematikk og instruksjonsfølge
Bruker objektive sannhetssvar på tvers av flere oppgaver. Sjekk referanseutgivelsen, kategorien, modellversjonen og slutningsinnstillingene; utgivelser er ikke utskiftbare.
Opprinnelig metodikk ↗ · Opprinnelige resultater ↗
LiveCodeBench
Kodegenerering og problemløsning
Evaluerer kode med utførelsestester og daterte problemsett. Match oppgaven, problemdatoområdet, samplingsinnstillinger og pass@k; konkurransekoding er ikke det samme som å vedlikeholde en applikasjon.
Opprinnelig metodikk ↗ · Opprinnelige resultater ↗
SWE-benk Verifisert
Programvareingeniører
Rapporterer prosentandelen av depotproblemer som er løst. Modellen, agentselen, verktøy og budsjett bestemmer sammen resultatet. Sammenlign samme verifiserte delsett og sele.
Opprinnelig metodikk ↗ · Opprinnelige resultater ↗
Hvordan en poengsum kan legges inn i denne sammenligningen
Krev en nøyaktig modell/versjonsmatch, benchmarkversjon eller problemdatoperiode, resonnementinnstillinger, agentutstyr og verktøy der det er relevant, slutnings-/tokenbudsjett, poengskala, resultatdato, originalkilde og tillatelse til å publisere på nytt. Leverandørrapporterte resultater og uavhengige kjøringer må merkes separat. Aldri arv en familiescore eller bland forskjellige benchmark-skalaer til en oppfunnet totalscore.
Kvalitetspoeng: ikke importert betyr at ingen autorisert, konfigurasjonsmatchende resultat er vedlagt her. Det betyr ikke null, dårlig kvalitet eller fraværende testing andre steder. Ingen kvalitetssortering, pris-per-score eller beste modellanbefalinger er aktivert uten sammenlignbare bevis.
Artificial Analysis gir en versjonert metodikk og et data-API med attribusjons- og lisensbetingelser. Offentlig synlighet alene er ikke republiseringstillatelse. API-attribusjon og lisensiering ↗
Kildereferanser sjekket 25. oktober 2026. Testutgivelser og dekning kan endres; se det originale resultatet før du velger en modell. Validere utvalgte modeller på representative oppgaver for dine egne.