信息杂货铺24H 营业
GENERAL STORE · V1
MODULE 06LLM BENCHMARK OBSERVATORY · 大模型实测天梯

大模型实测天梯榜

汇集前沿与主流旗舰真实基准:LMSYS 人类盲测 Elo、SWE-bench 真实代码修复率、AIME 数学奥赛与官方价格横评。

GPQA 榜首
GPT-6 Astra
96.0 GPQA
SWE-bench SOTA
Claude Fable 5
95.0% SWE
长程工程旗舰
Claude Opus 4.6
80.8% SWE
实测基准口径:• LMSYS Arena (盲测 Elo)• SWE-bench Verified (真实代码修复)• AIME 2024 (数学奥赛)• GPQA Diamond (专家科学)· 分数口径:厂商官方优先,官方未公布项为第三方/社区评测值(仅供参考);Elo 为 LMArena 快照口径;AA 智能指数 = Artificial Analysis Intelligence Index(max 档,2026-10-02),综合评分与 AA 指数 50/50 校准;默认排序:现役/预览优先,其后 上代 → 历史 → 已停运
🎯场景选型预设 (SCENARIO PRESETS):
家族:
ClaudeS+ 顶尖旗舰综合 99.4
Anthropic

Claude Opus 5.5

混合思考推理• 上下文 1M
Arena 总分
1502
代码 1530
SWE-bench
82.4%
代码修复率
AA 智能
58
Artificial Analysis
官方价格
$4.00
出 $20.00
SWE-bench Pro 89.9 的自适应思考旗舰
GeminiS+ 顶尖旗舰综合 97.9
Google

Google Gemini 4 Argon

超长上下文旗舰预览• 上下文 未公布
Arena 总分
1532
代码 1548
SWE-bench
80.2%
代码修复率
AA 智能
53
Artificial Analysis
官方价格
$2.00
出 $10.00
2026-09-30 公告,仅限政府/防御项目与受信测试方
GPTS+ 顶尖旗舰综合 97.9
OpenAI

GPT-6 Astra

深度思考推理• 上下文 1M
Arena 总分
1478
代码 1552
SWE-bench
79.6%
代码修复率
AA 智能
53
Artificial Analysis
官方价格
$10.00
出 $50.00
官方 $10/$50 的旗舰(1,050,000 上下文)
GPTS+ 顶尖旗舰综合 97.6
OpenAI

GPT-6.1 Sol (Reasoning)

深度思考推理• 上下文 1M (1,050,000)
Arena 总分
1526
代码 1548
SWE-bench
78.4%
代码修复率
AA 智能
52
Artificial Analysis
官方价格
$2.00
出 $10.00
官方 $2/$10 的新一代性价比主力
GPTS+ 顶尖旗舰综合 96.5
OpenAI

GPT-5.6 Sol (Reasoning)

深度思考推理• 上下文 1M (1,050,000)
Arena 总分
1462.5
代码 1490.8
SWE-bench
73.2%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$4.00
出 $20.00
官方 $4/$20(2026-08-21 降价超 20%)
KimiS+ 顶尖旗舰综合 95.2
月之暗面

Kimi K3 (2.8T 开源推理与智能体旗舰)

超长上下文旗舰• 上下文 1M (1,048,576)
Arena 总分
1520
代码 1545
SWE-bench
81.6%
代码修复率
AA 智能
44
Artificial Analysis
官方价格
$3.00
出 $15.00
2.8T 参数 / 1M 上下文,官方 $3/$15
GLMS+ 顶尖旗舰综合 94.4
智谱AI

智谱 GLM-5.3 (代码/推理旗舰)

混合思考推理• 上下文 1M
Arena 总分
1485
代码 1512
SWE-bench
72.8%
代码修复率
AA 智能
45
Artificial Analysis
官方价格
$1.40
出 $4.40
官方 $1.4/$4.4 的 1M 上下文旗舰
DeepSeekS+ 顶尖旗舰综合 92.3
DeepSeek

DeepSeek-V4-Pro-0813 (全血 MoE 旗舰)

混合思考推理• 上下文 1M
Arena 总分
1496
代码 1528
SWE-bench
74.5%
代码修复率
AA 智能
36
Artificial Analysis
官方价格
$0.63
出 $1.90
1M 上下文 / 384K 输出的 DeepSeek 旗舰
GLMA+ 高性价比主力综合 89.4
智谱AI

智谱 GLM-5.3-Flash (高性价比极速档)

性价比轻量• 上下文 1M
Arena 总分
1398
代码 1415
SWE-bench
54.2%
代码修复率
AA 智能
42
Artificial Analysis
官方价格
$0.15
出 $0.50
GLM-5.3 世代的低成本多模态底座($0.15/$0.50)
GPTA+ 高性价比主力综合 88.7
OpenAI

GPT-6 Luna (Flash/Fast)

性价比轻量• 上下文 1M
Arena 总分
1442
代码 1426
SWE-bench
57.4%
代码修复率
AA 智能
37
Artificial Analysis
官方价格
$0.10
出 $0.50
官方 $0.10/$0.50 的 1,050,000 上下文轻量档
DeepSeekA+ 高性价比主力综合 87.4
DeepSeek

DeepSeek-V4.1-Flash (极速高并发屠夫)

性价比轻量• 上下文 1M
Arena 总分
1386
代码 1408
SWE-bench
49.5%
代码修复率
AA 智能
39
Artificial Analysis
官方价格
$0.14
出 $0.56
官方空闲时段 $0.14/$0.56 的 1M/384K 档
ClaudeS+ 顶尖旗舰综合 99
Anthropic

Claude Opus 4.6 (Thinking)

深度思考推理上代• 上下文 1M (beta)
Arena 总分
1471.2
代码 1495.8
SWE-bench
80.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$5.00
出 $25.00
SWE-bench Verified 80.8 的长程工程主力
ClaudeS+ 顶尖旗舰综合 97.9
Anthropic

Claude Fable 5

深度思考推理上代• 上下文 1M
Arena 总分
1478.4
代码 1508.6
SWE-bench
95%
代码修复率
AA 智能
53
Artificial Analysis
官方价格
$10.00
出 $50.00
SWE-bench Verified 95 的正式 GA 模型
QwenS+ 顶尖旗舰综合 96.7
阿里云通义

Qwen 3 Max

通用旗舰多模态上代• 上下文 262K (262,144)
Arena 总分
1482
代码 1505
SWE-bench
70.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$1.20
出 $6.00
256K 上下文,智能体编程与工具调用专项升级
GPTS+ 顶尖旗舰综合 95.6
OpenAI

GPT-6 Sol (Reasoning)

深度思考推理上代• 上下文 1M
Arena 总分
1457
代码 1536
SWE-bench
74.6%
代码修复率
AA 智能
48
Artificial Analysis
官方价格
$2.00
出 $10.00
官方 $2/$10 的主力档(发布 8 天即被接替)
GLMS 头部第一梯队综合 92.1
智谱AI

智谱 GLM-5.2 (推理旗舰)

深度思考推理上代• 上下文 1M
Arena 总分
1438
代码 1458.2
SWE-bench
57.2%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$1.40
出 $4.40
官方 $1.4/$4.4 的 1M 上下文推理档
GeminiS+ 顶尖旗舰综合 91.3
Google

Google Gemini 2.5 Pro

超长上下文旗舰上代• 上下文 1M (1,048,576)
Arena 总分
1466.2
代码 1469.9
SWE-bench
51.5%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$1.25
出 $10.00
官方 $1.25/$10(≤200K 档)
GPTS 头部第一梯队综合 90.3
OpenAI

GPT-5.6 Terra (Balanced)

通用旗舰多模态上代• 上下文 1M (1,050,000)
Arena 总分
1412
代码 1438.5
SWE-bench
58.6%
代码修复率
AA 智能
42
Artificial Analysis
官方价格
$2.00
出 $12.00
官方 $2/$12(2026-07-30 降价 20%)
GeminiS 头部第一梯队综合 86.6
Google

Google Gemini 2.5 Flash

性价比轻量上代• 上下文 1M (1,048,576)
Arena 总分
1408.9
代码 1420
SWE-bench
42.1%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.30
出 $2.50
官方 $0.30/$2.50
GPTA+ 高性价比主力综合 82.8
OpenAI

GPT-5.6 Luna (Flash/Fast)

性价比轻量上代• 上下文 1M (1,050,000)
Arena 总分
1338
代码 1355.2
SWE-bench
42.5%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.20
出 $1.20
官方 $0.20/$1.20(2026-07-30 降价 80%)
ClaudeS+ 顶尖旗舰综合 91.6
Anthropic

Claude 3.7 Sonnet (Thinking)

混合思考推理历史• 上下文 200K
Arena 总分
1300.6
代码 1339.2
SWE-bench
70.3%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$3.00
出 $15.00
首创双模无缝融合、综合开发效能最高的一线主力
GPTS+ 顶尖旗舰综合 91
OpenAI

OpenAI o3-mini (High)

深度思考推理历史• 上下文 200K
Arena 总分
1420.7
代码 1437.9
SWE-bench
49.3%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$1.10
出 $4.40
数理逻辑极其强悍的高性价比推理利器
DeepSeekS+ 顶尖旗舰综合 89.9
DeepSeek

DeepSeek-R1 (671B)

深度思考推理历史• 上下文 128K
Arena 总分
1424.4
代码 1436.4
SWE-bench
49.2%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.55
出 $2.19
逻辑推理逼近顶尖闭源,性价比无可挑剔的国产骄傲
GPTS+ 顶尖旗舰综合 88.7
OpenAI

OpenAI o1 (Full)

深度思考推理历史• 上下文 200K
Arena 总分
1365.9
代码 1377.5
SWE-bench
48.9%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$15.00
出 $60.00
初代慢思考系统级标杆,具备深厚数理验证沉淀
GrokS+ 顶尖旗舰综合 88.1
xAI

xAI Grok 3

深度思考推理历史• 上下文 131K (131,072)
Arena 总分
1423.1
代码 1440.7
SWE-bench
48.5%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$3.00
出 $15.00
竞技场高分、数理表现强悍且言论犀利的黑马
QwenS+ 顶尖旗舰综合 88.1
阿里云通义

Qwen 2.5 Max

通用旗舰多模态历史• 上下文 32K (32,768)
Arena 总分
1429
代码 1460.4
SWE-bench
43.5%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$1.60
出 $6.40
LMSYS 竞技榜名列前茅,中文全模态与指令遵循顶级
DeepSeekS 头部第一梯队综合 83.9
DeepSeek

DeepSeek-V3.1

通用旗舰多模态历史• 上下文 128K
Arena 总分
1417.7
代码 1436.4
SWE-bench
42%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.56
出 $1.68
2025-08-21 发布的混合推理/Agent 版
GPTS 头部第一梯队综合 83.6
OpenAI

GPT-4.5 Preview

通用旗舰多模态历史• 上下文 128K
Arena 总分
1415.6
代码 1419.1
SWE-bench
38%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$75.00
出 $150.00
知识面极其宽广的世界模型研究版
GeminiA+ 高性价比主力综合 83.1
Google

Google Gemini 2.0 Flash

混合思考推理历史• 上下文 1000K
Arena 总分
1358.2
代码 1365.1
SWE-bench
38%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.10
出 $0.40
毫秒级响应与超低价格的多模态小钢炮
ClaudeS 头部第一梯队综合 82.5
Anthropic

Claude 3 Opus (20240229)

通用旗舰多模态历史• 上下文 200K
Arena 总分
1355.4
代码 1362.8
SWE-bench
38%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$15.00
出 $75.00
经典文学文采、学术论述与微妙隐喻的永恒标杆
GLMS 头部第一梯队综合 82.2
智谱AI

智谱 GLM-4.5

通用旗舰多模态历史• 上下文 128K
Arena 总分
1429.1
代码 1446.9
SWE-bench
33.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.60
出 $2.20
2025-07-28 发布的国产开源旗舰($0.6/$2.2)
ClaudeS 头部第一梯队综合 80.1
Anthropic

Claude 3.5 Sonnet (1022)

通用旗舰多模态历史• 上下文 200K
Arena 总分
1299.7
代码 1339.5
SWE-bench
50.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$3.00
出 $15.00
前端 UI 审美业界公认第一,无思考等待延迟
GPTS 头部第一梯队综合 78.1
OpenAI

GPT-4o (2024-11-20)

通用旗舰多模态历史• 上下文 128K
Arena 总分
1429.4
代码 1434.7
SWE-bench
30.7%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$2.50
出 $10.00
生态整合度最完备的通用多模态奠基者
GLMA+ 高性价比主力综合 77.8
智谱AI

智谱 GLM-4.5-Air

性价比轻量历史• 上下文 128K
Arena 总分
1389.9
代码 1414
SWE-bench
26.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.11
出 $0.28
响应敏捷、高并发经济实惠的国产对话底座
QwenA+ 高性价比主力综合 76.4
阿里云通义

Qwen 2.5 Coder 32B

代码专用历史• 上下文 128K
Arena 总分
1235.1
代码 1278.3
SWE-bench
35.8%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
—
出 —
单卡可跑、开源私有部署的最强代码模型
ClaudeA+ 高性价比主力综合 74.2
Anthropic

Claude 3.5 Haiku

性价比轻量历史• 上下文 200K
Arena 总分
1256.4
代码 1287.2
SWE-bench
40.6%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.80
出 $4.00
轻量级模型中指令遵循与格式化输出最稳定者
GPTA+ 高性价比主力综合 71.6
OpenAI

GPT-4o mini

性价比轻量历史• 上下文 128K
Arena 总分
1289.2
代码 1299.9
SWE-bench
23.4%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.15
出 $0.60
通用极低价模型先驱,轻量分类过滤守门人
GLMA 轻量走量综合 70
智谱AI

智谱 GLM-4-Flash

性价比轻量历史• 上下文 128K
Arena 总分
1240.5
代码 1245
SWE-bench
18.5%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$0.00
出 $0.00
官方永久免费开放的良心入门基座
GeminiS+ 顶尖旗舰综合 99.1
Google

Google Gemini 3 Pro

超长上下文旗舰已关停• 上下文 1M (1,048,576)
Arena 总分
1501
代码 1502.4
SWE-bench
76.2%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
$2.00
出 $12.00
2025-11-18 预览版,2026-03-09 关停
KimiS 头部第一梯队综合 94.7
月之暗面

Kimi K2 (长程思考推理旗舰)

超长上下文旗舰已下线• 上下文 2M (2048K)
Arena 总分
1466
代码 1475
SWE-bench
65.2%
代码修复率
AA 智能
—
Artificial Analysis
官方价格
—
出 —
K2 系列已于 2026-05-25 下线