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。
Anthropic 的 Haiku 5.5 官网对比图中，Haiku 在 Terminal-Bench 4.0 为 39.2%，Luna 为 16.4%；FrontierCode 1.1 Main 为 46.4% 对 42.4%，Chartography 无工具为 46.4% 对 29.1%。这是厂商公布的对比，具体推理档位未完整注明。两者短提示标准 API 单价相同，但 Haiku 超过 100K 输入 tokens 后涨价，Luna 的阈值为 272K。本文结合官网图表与站内价格讨论质量和成本取舍。
Haiku 5.5 与 DeepSeek-V4.1-Flash 的 API 成本和规格对比：Haiku 提示长度 ≤100K 时，每百万 tokens 普通输入／输出为 0.1／0.5 美元，超过 100K 则为 0.5／2.5 美元；DeepSeek-V4.1-Flash 非高峰为 0.15／0.6 美元。两者上下文均为 1M。当前共同评测尚不足，本文不判定能力胜负，而是结合分档价格、缓存和输出规格给出试用建议。
Haiku 5.5 与 GLM-5.3-Flash 的 API 成本和规格对比：Haiku 提示长度 ≤100K 时，每百万 tokens 普通输入／输出为 0.1／0.5 美元，超过 100K 则为 0.5／2.5 美元；GLM-5.3-Flash standard为 0.15／0.5 美元。两者上下文均为 1M。当前共同评测尚不足，本文不判定能力胜负，而是结合分档价格、缓存和输出规格给出试用建议。
对照 GPT-6.1 Sol 与 Claude Opus 5.5 的编程评测、API 价格和工具能力，评估跨厂商工作流的选择与迁移。
对照 GPT-6.1 Sol 与 GPT-6 Astra 的共同评测和 API 价格，结合复杂任务完成率、延迟与重试成本选择模型。
对照 GPT-6.1 Sol 与 GPT-6 Sol 的共同评测、API 价格和工具配置，评估现有工作流是否值得升级。
两款模型的标准 API 短上下文价格同为每百万输入 token $2、输出 token $10；GPT-6 Sol 在输入超过 272K token 后采用更高费率。站内目前有 Terminal-Bench 4.0 和 FrontierCode 1.1 Main 两项共同评测，但运行配置仍需逐项核对。
GPT-6 Astra 与 Claude Opus 5.5 都面向复杂编程和长周期 Agent 工作。按公开标准短上下文文本价格，Astra 每百万 token 输入 10 美元、输出 50 美元；Opus 5.5 分别为 4 和 20 美元。两家评测的工具、推理档位与运行环境有差异，选型应结合实际任务完成率和总成本。
两款模型都面向高吞吐任务，但计费与评测条件不同。GPT-6 Luna 的标准文本费率为每百万 token 输入 0.10 美元、输出 0.50 美元；DeepSeek V4.1 Flash 公布了峰谷分时价格。选型时应按实际调用时段、推理配置和任务完成率计算总成本。
两代 Luna 都面向高并发、成本敏感的任务。GPT-6 Luna 的标准 API 文本输入为每百万 token 0.10 美元、输出 0.50 美元；GPT-5.6 Luna 分别为 0.20 和 1.20 美元。价格之外，还应在相同任务和推理档位下比较完成率、延迟与总成本。
两款模型都在 2026 年 9 月 22 日发布。现有可对照成绩显示，Opus 5.5 在 AutomationBench 和 FrontierCode 上领先；GPT-6 Sol 的标准 API 输入、输出单价都是其一半。评测来自不同厂商和测试设置，需结合自己的任务验证。
DeepSeek V4.1 Flash 是限时 API 预览版，官方确认其原生多模态，但暂未公开独立评测与完整规格；DeepSeek V4 Flash 则已有 1M 上下文、284B MoE、开源权重和 0731 API 版本的 Agent 评测。若生产工作负载需要稳定接口、可复现实测或本地部署，应优先 V4 Flash；V4.1 Flash 更适合在有效期内做隔离试用，不应仅因版本号更高就默认替换现有方案。
更新至 2026-09-05 核验快照：AA Coding Agent Index v1.4 的 Codex max 对照为 67 对 65，Sol 历史 80 分不与新版本混比。Astra 在多项官方 Agent 和长上下文评测领先，但 AA 编程测试中也有 Sol 更强的子项及更短的耗时。标准 token 单价相差 2.5 倍，不等于任务账单相差 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 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。
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。
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。
