Chọn công suất trước giá
Mọi mô hình trong API Compare đều hiển thị các thông tin đầu vào được báo cáo theo danh mục, lệnh gọi công cụ và khả năng đầu ra có cấu trúc bên cạnh giá cả. Đây là những yêu cầu về giao diện, không được kiểm tra độc lập về xếp hạng chất lượng. Cờ danh mục vắng mặt là không xác định, không phải là lỗi được đo lường. Đầu vào hình ảnh có nghĩa là hiểu hình ảnh, không tạo ra hình ảnh.
Tiêu chuẩn đánh giá & nguồn gốc
Chọn đánh giá phù hợp với nhiệm vụ của bạn. Các nguồn bên dưới là các dự án đánh giá độc lập, không phải sự chứng thực của TokenPico. Các liên kết này giải thích các tiêu chuẩn; họ không khẳng định rằng mọi mẫu xe trong danh mục của chúng tôi đều xuất hiện trên mỗi bảng xếp hạng.
Chỉ số thông minh phân tích nhân tạo
Lý luận & kiến thức chung
Tổng hợp nhiều đánh giá. So sánh cùng một phiên bản chỉ mục và cài đặt lý luận. Chủ yếu là tiếng Anh và văn bản; nó không thiết lập chất lượng hình ảnh, âm thanh hoặc đa ngôn ngữ.
Phương pháp gốc ↗ · Kết quả gốc ↗
LiveBench
Lý luận, toán học & hướng dẫn sau
Sử dụng các câu trả lời khách quan dựa trên cơ sở thực tế cho nhiều nhiệm vụ. Kiểm tra bản phát hành điểm chuẩn, danh mục, phiên bản mô hình và cài đặt suy luận; bản phát hành không thể thay thế cho nhau.
Phương pháp gốc ↗ · Kết quả gốc ↗
LiveCodeBench
Tạo mã và giải quyết vấn đề
Đánh giá mã bằng các bài kiểm tra thực thi và bộ vấn đề ngày tháng. Khớp nhiệm vụ, phạm vi ngày xảy ra sự cố, cài đặt lấy mẫu và pass@k; mã hóa cuộc thi không giống như việc duy trì một ứng dụng.
Phương pháp gốc ↗ · Kết quả gốc ↗
Đã xác minh băng ghế SWE
Đại lý kỹ thuật phần mềm
Báo cáo phần trăm vấn đề về kho lưu trữ được giải quyết. Mô hình, khai thác tác nhân, công cụ và ngân sách cùng nhau xác định kết quả. So sánh cùng một tập hợp con và bộ khai thác đã được xác minh.
Phương pháp gốc ↗ · Kết quả gốc ↗
Làm thế nào một điểm có thể được đưa vào so sánh này
Yêu cầu đối sánh mô hình/phiên bản chính xác, phiên bản điểm chuẩn hoặc phạm vi ngày của sự cố, cài đặt lý luận, khai thác tác nhân và các công cụ nếu có liên quan, ngân sách suy luận/token, thang điểm, ngày kết quả, nguồn ban đầu và quyền xuất bản lại. Kết quả do nhà cung cấp báo cáo và các lần chạy độc lập phải được dán nhãn riêng. Không bao giờ kế thừa điểm số của gia đình hoặc trộn các thang điểm chuẩn khác nhau vào điểm tổng thể được phát minh.
Điểm chất lượng: không được nhập có nghĩa là không có kết quả phù hợp với cấu hình, được ủy quyền nào được đính kèm tại đây. Nó không có nghĩa là không có, chất lượng kém hoặc không có thử nghiệm ở nơi nào khác. Không có đề xuất phân loại chất lượng, giá mỗi điểm hoặc mô hình tốt nhất nào được bật mà không có bằng chứng so sánh.
Phân tích nhân tạo cung cấp phương pháp được phiên bản và API dữ liệu với các điều kiện cấp phép và phân bổ. Chỉ khả năng hiển thị công khai không phải là sự cho phép tái bản. Phân bổ và cấp phép API ↗
Nguồn tham chiếu được kiểm tra vào ngày 25 tháng 10 năm 2026. Các bản phát hành thử nghiệm và phạm vi áp dụng có thể thay đổi; tham khảo kết quả ban đầu trước khi chọn một mô hình. Xác thực các mô hình lọt vào danh sách rút gọn về các nhiệm vụ tiêu biểu của riêng bạn.