对比多个大模型在不同评测基准（Benchmark）上的表现得分，帮助您选择性能最优的模型。
💡至少选择 2 个模型，未选评测时会自动填充常见榜单，便于快速生成对比结果。
按每个模型各自的最佳可用成绩重新核对后，GPT-6 Astra 在 14 个共同 benchmark 中领先 13 项，GPT-5.6 Sol 领先 1 项。Astra 在 ARC-AGI-3、Terminal-Bench-Science 0.1、Terminal-Bench 4.0 和 FrontierMath Tier 4 v2 上拉开明显差距，但 AA Intelligence Index 仅为 61.20 对 61.00，GPQA Diamond 也只是 96.00 对 93.50；Sol 则在 AA Coding Agent Index 以 80 对 67 反超。两者上下文均为 1.05M、最大输出均为 128K，而 Astra 标准 API 输入/输出价格是 Sol 的 2.5 倍。
GPT-6 Astra 与 Claude Fable 5.1 是 OpenAI 和 Anthropic 在 2026 年推出的两款旗舰级模型，两者都面向复杂推理、编程、Agent 和长时程知识工作。从目前可直接对比的 8 项评测来看，GPT-6 Astra 以 5 项领先、3 项落后的成绩取得小幅整体优势，在 ARC-AGI、AutomationBench、Terminal-Bench 及科学工具任务上表现更突出；Claude Fable 5.1 则在 HLE、AA Intelligence Index 和 OSWorld 2.0 等知识推理与计算机操作评测中占优。两款模型均提供约 100 万 token 上下文和 128K 最大输出，API 基础价格也同为每百万 token 输入 10 美元、输出 50 美元，因此实际选型更取决于任务类型、Agent 工作流以及缓存使用方式，而非单纯的价格或综合分数。
四款模型共有的 4 项 0–100 量表评测里，Fable 5.1 平均 58.8 分居首，Opus 5 50.3、Fable 5 46.7、GPT-5.6 Sol 42.5；计算机操作（OSWorld 2.0 partial）上 Fable 5.1 以 77.9 对 75.4 小幅领先 Opus 5，但它的价格是 Opus 5 的两倍、Sol 的 2.5 倍。
Fable 5.1 在双方共有的 5 项 0–100 量表评测中全部领先、平均分高 10.2 分，但增益极度集中——Terminal-Bench-Science 0.1 从 21.4 跳到 52.6，而知识密集型的 HLE 只提升 1.9 分。价格与规格完全没变。
HY-4 与 GLM-5.3 的总参数分别为 770B 和 744B，激活参数分别为 49B 和 40B，规模与定位非常接近。当前 12 项共同评测中 GLM-5.3 领先 10 项，HY-4 则在 NL2Repo-Bench 与 Toolathlon-Verified 上小幅领先；前者已 GA，后者仍是 preview。
三款 2026 年 8 月发布的国产 Flash 模型正面交锋：GLM-5.3-Flash 在现有共同评测中整体最稳，DeepSeek-V4-Flash-Vision-Exp 胜在 1M 上下文、384K 输出和分时低价，Qwen3.8-Flash-Next 则以 125B/6B 的紧凑 MoE、视频输入和开放权重形成差异化。
GLM-5.2 在双方共有的 10 项评测中赢下 9 项、平均分高 6.6 分，Terminal-Bench 2.1 一项就差 27.4 分；Kimi K2.6 的体量大出三成，且许可是 Modified MIT 而非标准 MIT。
GLM-5.2 在双方共有的 11 项百分制评测中全部领先、平均分高 6.4 分，但增益高度集中——Terminal-Bench 2.1 从 58.7 跃至 81.0，而常识推理几乎原地踏步。
两款 MIT 许可的开源旗舰，总平均分只差 1.7 分，但强项几乎不重叠：GLM-5.2 在前沿数学上以 29.3 比 2.4 碾压，DeepSeek-V4-Pro 在仓库级编程上反超 18.7 分。
两款都以宽松许可开放权重、都可本地部署，但体量相差十倍。DeepSeek-V4-Flash 在双方共有的 8 项评测中领先 6 项、平均分高 5.5 分，且 API 输出价格只有前者的十分之一；Qwen3.8-27B 则胜在单卡可部署与完整的多模态成绩。
Claude Opus 4.7 于2026年4月16日发布，距离 GPT-5.4 亮相仅六周，Anthropic 在这一轮的模型竞争中完成了反超。在可直接横向比较的9项基准中，Opus 4.7 赢得6项、持平1项，GPT-5.4 仅胜出2项
Anthropic在2026年4月16日发布了Opus 4.7，相比较Opus 4.6，Agentic任务能力明显提升，但是在长上下文等方面居然有了劣化情况，这次小版本升级社区评价并不那么好。
Mythos 定义上限，Opus 4.7 是当下最强可用选项，Claude最强旗舰对比
GLM-5.1 与 GLM-5 全面对比：相同基座架构，不同后训练方向。GLM-5.1 在 SWE-Bench Pro 以 58.4 分跻身全球第一，CyberGym 超越 Claude Opus 4.6，并在 600 轮迭代的 Agentic 任务中展现出显著的长时运行优势；但数学与通用推理能力与 GLM-5 基本持平。查看完整 benchmark 对比数据，快速判断哪款模型更适合你的使用场景。
全面对比 Claude Mythos Preview 与 GPT-5.4 Pro 的评测得分、API 定价与核心规格。Mythos 在 HLE、GPQA Diamond、SWE-bench 等主要基准上全面领先，但目前不对公众开放；GPT-5.4 Pro 在 BrowseComp 和数学方向有优势，是当前可公开调用的最强模型。
Anthropic最强模型Mythos与此前Anthropic最强的Opus 4.6模型对比，能力有多好！
Google DeepMind于2026年4月2日发布了Gemma 4，阿里巴巴Qwen团队于同年2月25日发布了Qwen3.5，两者都是目前30B参数量级里各自最强的开源模型。
GPT-5.4与Opus 4.6是当今全球毫无疑问的最强2个模型，本页面主要对比二者在不同评测上的差异
国产最强2大模型GLM-5和月之暗面K2.5全方位对比，包括基本信息、参数信息和评测结果对比
深入解析 Stepfun-Flash-3.5 的极致推理效率、Kimi-k2.5 的工程逻辑深度与 Qwen3-Max 的全能基准表现，揭示国产大模型在‘快’与‘强’之间的最新平衡。
Kimi K2.5和Qwen3-Max-Thinking哪个更强？Kimi K2.5和Qwen3-Max-Thinking评测对比
2025年最后一个月国产最新2大开源模型小幅升级版本对比：MiniMax M2.1 v.s. GLM 4.7
Gemini 3.0 Flash比前代Gemini 2.5 Pro的对比
这个页面聚合了 DataLearnerAI 收录的主流大模型与评测榜单数据，支持按模型名称和评测基准搜索、勾选，然后一键生成对比结果页。 对比结果中会展示各模型的参数规模、上下文长度、开源与商用授权信息以及在公开评测榜单上的得分。
典型使用场景包括：为企业内部选型不同厂商的大模型 API、在科研中对比多种基础模型在同一评测集上的表现，或为个人项目挑选适合中文、代码、推理等任务的大模型。
如果你已经知道希望对比的模型名称（例如 GPT-4o、Qwen、Llama 等），可以先在左侧搜索并勾选模型，再在右侧选择 MMLU、GSM8K 等评测基准，最后点击上方按钮生成可视化对比页面，便于与团队共享和讨论。
