Claude Opus 4,Claude Sonnet 4,Gemini-2.5-Pro-Preview-05-06,OpenAI o3,GPT-4.1,Claude Sonnet 3.7,Grok 3大模型评测基准与性能对比
本页面提供了Claude Opus 4,Claude Sonnet 4,Gemini-2.5-Pro-Preview-05-06,OpenAI o3,GPT-4.1,Claude Sonnet 3.7,Grok 3模型在GPQA Diamond,SWE-bench Verified,AIME2025等评测基准中的详细对比数据，评测数据来源当前系统收录结果生成。数据如有问题可以通过微信公众号联系更正，感谢！
详细评测数据对比
| 评测基准 (Benchmark) | Claude Opus 4 | Claude Sonnet 4 | Gemini-2.5-Pro-Preview-05-06 | OpenAI o3 | GPT-4.1 | Claude Sonnet 3.7 | Grok 3 |
|---|---|---|---|---|---|---|---|
| -- | -- | -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | -- | -- | |
| -- | -- | -- | -- | -- | -- | -- |
性能可视化对比 (条形图)
新功能：点击图表右上角的 图标开启选择模式，可拖动鼠标框选您感兴趣的评测组。按住Shift键可进行多项不连续选择。
性能概览 (热力图)
颜色越深，代表得分越高。可快速发现模型在不同评测项上的整体表现模式。