AI Model Benchmarks
我们使用必要 Cookie 来保障开桥正常运行。经你同意，可选 Cookie 将帮我们记住你的偏好，并了解你如何使用我们的服务。你可以接受或拒绝可选 Cookie，也可以随时管理你的选择。详情请参阅我们的 隐私政策。
开桥 Benchmark
性价比曲线
时间
会话 1 20250922_122904准确率
更优
更便宜
成本 (USD)
评判模型
| 模型 | 提供商 | 更新时间 | 成本 | 用量 |
|---|---|---|---|---|
模型 | 提供商 | 更新时间 | 成本 | 用量 |
| openai | 2025-09-22 12:29:00 | $ 646.9 | 293.81 MTokens |
评估模型
时间
会话 1 20250922_122904| 排名 | 模型 | 提供商 | 指标 | 更新时间 | 延迟 | 吞吐量 | 成本 | 用量 | 日志文件 |
|---|---|---|---|---|---|---|---|---|---|
排名 | 模型 | 提供商 | 指标 | 更新时间 | 延迟 | 吞吐量 | 成本 | 用量 | 日志文件 |
| 1 | x-ai | x-ai/grok-4 26.7 ±1.96 校准误差: 54.87 | 2025-09-22 12:29:00 | 1975.9 ms | 0.82 tokens/s | $ 506.25 | 2.15 MTokens | ||
| 1 | openai | openai/gpt-5 25.43 ±1.84 校准误差: 50.2 | 2025-09-22 12:29:00 | 16583.37 ms | 50.13 tokens/s | $ 178.65 | 18.46 MTokens | ||
| 1 | azure | openai/gpt-5 24.66 ±1.82 校准误差: 51.14 | 2025-09-22 12:29:00 | 17103.53 ms | 53.59 tokens/s | $ 182.08 | 18.81 MTokens | ||
| 4 | google-vertex | google/gemini-2.5-pro 20.02 ±1.69 校准误差: 72.96 | 2025-09-22 12:29:00 | 5951.89 ms | 113.13 tokens/s | $ 226.46 | 23.24 MTokens | ||
| 4 | skyrouter | google/gemini-2.5-pro 19.28 ±1.66 校准误差: 73.49 | 2025-09-22 12:29:00 | 5513.9 ms | 113.03 tokens/s | $ 228.96 | 23.49 MTokens | ||
| 4 | x-ai | x-ai/grok-4-fast 19.01 ±1.66 校准误差: 67.47 | 2025-09-22 12:29:00 | 1851.03 ms | 6.47 tokens/s | $ 12.76 | 1.46 MTokens | ||
| 7 | openai | openai/gpt-5-mini 15.38 ±1.52 校准误差: 63.21 | 2025-09-22 12:29:00 | 15677.34 ms | 53.81 tokens/s | $ 17.8 | 9.50 MTokens | ||
| 7 | volcengine | deepseek/deepseek-r1-0528 14.71 ±1.8 校准误差: 73.17 | 2025-09-22 12:29:00 | 548.3 ms | 33.19 tokens/s | $ 45.39 | 14.41 MTokens | ||
| 7 | azure | openai/gpt-5-mini 14.69 ±1.49 校准误差: 64.11 | 2025-09-22 12:29:00 | 10299.82 ms | 74.88 tokens/s | $ 18.13 | 9.65 MTokens | ||
| 7 | azure | openai/o4-mini 13.39 ±1.44 校准误差: 58.79 | 2025-09-22 12:29:00 | 37295.01 ms | 105.16 tokens/s | $ 42.8 | 10.24 MTokens | ||
| 7 | openai | openai/o4-mini 12.89 ±1.41 校准误差: 59.76 | 2025-09-22 12:29:00 | 32507.08 ms | 96.98 tokens/s | $ 36.3 | 8.76 MTokens | ||
| 7 | alibaba | qwen/qwen3-max 12.52 ±1.4 校准误差: 73.19 | 2025-09-22 12:29:00 | 978.47 ms | 31.06 tokens/s | $ 55.76 | 9.87 MTokens | ||
| 7 | z-ai | z-ai/glm-4.5 12.35 ±2.1 校准误差: 75.42 | 2025-09-22 12:29:00 | 738.37 ms | 65.36 tokens/s | $ 46.86 | 13.49 MTokens | ||
| 14 | z-ai | z-ai/glm-4.5-air 11.72 ±2.13 校准误差: 70.66 | 2025-09-22 12:29:00 | 705.32 ms | 63.15 tokens/s | $ 18.95 | 13.98 MTokens | ||
| 15 | skyrouter | google/gemini-2.5-flash 11.17 ±1.33 校准误差: 83.62 | 2025-09-22 12:29:00 | 6969.15 ms | 237.94 tokens/s | $ 91.32 | 37.13 MTokens | ||
| 15 | google-vertex | google/gemini-2.5-flash 11.13 ±1.33 校准误差: 83.45 | 2025-09-22 12:29:00 | 10080.15 ms | 238.6 tokens/s | $ 91.71 | 37.28 MTokens | ||
| 17 | deepseek | deepseek/deepseek-chat 8.43 ±1.17 校准误差: 78.16 | 2025-09-22 12:29:00 | 2814.07 ms | 19.47 tokens/s | $ 6.64 | 4.40 MTokens | ||
| 18 | azure | openai/gpt-5-nano 8.11 ±1.15 校准误差: 45.58 | 2025-09-22 12:29:00 | 5056.8 ms | 154.27 tokens/s | $ 7.55 | 19.47 MTokens | ||
| 18 | openai | openai/gpt-5-nano 7.69 ±1.12 校准误差: 46.4 | 2025-09-22 12:29:00 | 5718.74 ms | 132.33 tokens/s | $ 7.44 | 19.19 MTokens | ||
| 18 | azure | openai/gpt-5-chat 6.86 ±1.07 校准误差: 82.28 | 2025-09-22 12:29:00 | 1309.4 ms | 54.75 tokens/s | $ 25.61 | 3.15 MTokens | ||
| 18 | amazon-bedrock | anthropic/claude-opus-4.1 6.8 ±1.07 校准误差: 72.06 | 2025-09-22 12:29:00 | 3685.29 ms | 19.57 tokens/s | $ 130.93 | 2.35 MTokens | ||
| 18 | anthropic | anthropic/claude-opus-4.1 6.64 ±1.05 校准误差: 72.44 | 2025-09-22 12:29:00 | 3330.71 ms | 36.33 tokens/s | $ 132.84 | 2.38 MTokens | ||
| 18 | volcengine | deepseek/deepseek-chat-v3.1 6.58 ±1.05 校准误差: 81.17 | 2025-09-22 12:29:00 | 1428.91 ms | 41.21 tokens/s | $ 5.82 | 3.89 MTokens | ||
| 18 | google-vertex | anthropic/claude-opus-4.1 6.49 ±1.04 校准误差: 72.52 | 2025-09-22 12:29:00 | 2027.2 ms | 29.77 tokens/s | $ 131.37 | 2.35 MTokens | ||
| 18 | google-vertex | anthropic/claude-opus-4 6.4 ±1.04 校准误差: 75.11 | 2025-09-22 12:29:00 | 1952.5 ms | 29.66 tokens/s | $ 125.74 | 2.28 MTokens | ||
| 18 | anthropic | anthropic/claude-opus-4 6.36 ±1.03 校准误差: 75.09 | 2025-09-22 12:29:00 | 1993.04 ms | 36.43 tokens/s | $ 125.17 | 2.27 MTokens | ||
| 18 | openai | openai/gpt-5-chat 6.3 ±1.03 校准误差: 83.73 | 2025-09-22 12:29:00 | 781 ms | 41.76 tokens/s | $ 22.96 | 2.89 MTokens | ||
| 18 | volcengine | moonshotai/kimi-k2-0711 6.26 ±1.02 校准误差: 85.03 | 2025-09-22 12:29:00 | 1675.91 ms | 34.72 tokens/s | $ 9.59 | 4.80 MTokens | ||
| 29 | amazon-bedrock | anthropic/claude-opus-4 6.11 ±1.01 校准误差: 75.1 | 2025-09-22 12:29:00 | 3935.85 ms | 19.08 tokens/s | $ 125.16 | 2.27 MTokens | ||
| 29 | x-ai | x-ai/grok-code-fast-1 5.98 ±1 校准误差: 81.91 | 2025-09-22 12:29:00 | 1875.62 ms | 7.17 tokens/s | $ 16.9 | 1.41 MTokens | ||
| 31 | alibaba | qwen/qwen3-vl-plus 5.89 ±0.99 校准误差: 79.49 | 2025-09-22 12:29:00 | 2676.21 ms | 31.35 tokens/s | $ 9.07 | 6.30 MTokens | ||
| 31 | skyrouter | google/gemini-2.5-flash-lite 5.89 ±0.99 校准误差: 87.47 | 2025-09-22 12:29:00 | 2287.62 ms | 397.85 tokens/s | $ 20.74 | 52.35 MTokens | ||
| 31 | google-vertex | google/gemini-2.5-flash-lite 5.79 ±0.99 校准误差: 87.55 | 2025-09-22 12:29:00 | 2290.77 ms | 414.25 tokens/s | $ 20.73 | 52.35 MTokens | ||
| 34 | x-ai | x-ai/grok-4-fast-non-reasoning 5.1 ±0.93 校准误差: 85.72 | 2025-09-22 12:29:00 | 1556.13 ms | 60.95 tokens/s | $ 0.59 | 1.68 MTokens | ||
| 34 | anthropic | anthropic/claude-sonnet-4 5.1 ±0.93 校准误差: 75.86 | 2025-09-22 12:29:00 | 2159.98 ms | 45.07 tokens/s | $ 28.33 | 2.49 MTokens | ||
| 34 | amazon-bedrock | anthropic/claude-sonnet-4 5 ±0.92 校准误差: 76.27 | 2025-09-22 12:29:00 | 2308.77 ms | 49.19 tokens/s | $ 27.29 | 2.42 MTokens | ||
| 34 | moonshotai | moonshotai/kimi-k2-0905 4.96 ±0.92 校准误差: 89.02 | 2025-09-22 12:29:00 | 2128.3 ms | 13.59 tokens/s | $ 2.68 | 1.58 MTokens | ||
| 34 | google-vertex | anthropic/claude-sonnet-4 4.91 ±0.91 校准误差: 76.95 | 2025-09-22 12:29:00 | 1343.51 ms | 49.42 tokens/s | $ 27.29 | 2.42 MTokens | ||
| 39 | azure | openai/gpt-4.1-mini 4.73 ±0.9 校准误差: 83.32 | 2025-09-22 12:29:00 | 1324.62 ms | 41.96 tokens/s | $ 4.43 | 3.28 MTokens | ||
| 40 | anthropic | anthropic/claude-3.7-sonnet 4.54 ±0.88 校准误差: 78.31 | 2025-09-22 12:29:00 | 2253.21 ms | 43.64 tokens/s | $ 18.62 | 1.85 MTokens | ||
| 41 | google-vertex | anthropic/claude-3.7-sonnet 4.45 ±0.87 校准误差: 78.04 | 2025-09-22 12:29:00 | 907.15 ms | 52.95 tokens/s | $ 18.74 | 1.85 MTokens | ||
| 41 | google-vertex | google/gemini-2.0-flash 4.4 ±0.87 校准误差: 85.32 | 2025-09-22 12:29:00 | 659.03 ms | 111.01 tokens/s | $ 0.96 | 2.91 MTokens | ||
| 43 | alibaba | qwen/qwen3-coder-plus 4.36 ±0.86 校准误差: 74.25 | 2025-09-22 12:29:00 | 923.21 ms | 54.15 tokens/s | $ 11.44 | 2.86 MTokens | ||
| 44 | openai | openai/gpt-4.1 4.12 ±0.84 校准误差: 87.59 | 2025-09-22 12:29:00 | 856.69 ms | 48.16 tokens/s | $ 27.87 | 3.99 MTokens | ||
| 44 | azure | openai/gpt-4o-mini 4.08 ±0.83 校准误差: 80.71 | 2025-09-22 12:29:00 | 1494.25 ms | 51.93 tokens/s | $ 0.78 | 1.81 MTokens | ||
| 46 | amazon-bedrock | anthropic/claude-3.7-sonnet 4.03 ±0.83 校准误差: 78.99 | 2025-09-22 12:29:00 | 1869.04 ms | 44.98 tokens/s | $ 18.27 | 1.82 MTokens | ||
| 46 | openai | openai/gpt-4.1-nano 4.03 ±0.83 校准误差: 78.81 | 2025-09-22 12:29:00 | 826.65 ms | 66.89 tokens/s | $ 0.58 | 1.95 MTokens | ||
| 48 | openai | openai/gpt-4.1-mini 3.94 ±0.82 校准误差: 84.19 | 2025-09-22 12:29:00 | 753.24 ms | 56.15 tokens/s | $ 5 | 3.63 MTokens | ||
| 48 | azure | openai/gpt-4.1 3.89 ±0.82 校准误差: 87.02 | 2025-09-22 12:29:00 | 1447.25 ms | 64.64 tokens/s | $ 23.7 | 3.47 MTokens | ||
| 48 | anthropic | anthropic/claude-3.5-haiku 3.75 ±0.8 校准误差: 79.68 | 2025-09-22 12:29:00 | 881.68 ms | 41.64 tokens/s | $ 3.33 | 1.44 MTokens | ||
| 48 | anthropic | anthropic/claude-3.5-sonnet 3.71 ±0.8 校准误差: 83.92 | 2025-09-22 12:29:00 | 1986.18 ms | 37.52 tokens/s | $ 13.36 | 1.50 MTokens | ||
| 48 | azure | openai/gpt-4.1-nano 3.66 ±0.79 校准误差: 79.19 | 2025-09-22 12:29:00 | 1323.87 ms | 73.63 tokens/s | $ 0.55 | 1.89 MTokens | ||
| 48 | google-vertex | anthropic/claude-3.5-haiku 3.66 ±0.79 校准误差: 79.72 | 2025-09-22 12:29:00 | 2120.53 ms | 35.17 tokens/s | $ 3.36 | 1.44 MTokens | ||
| 48 | google-vertex | google/gemini-2.0-flash-lite-001 3.43 ±0.77 校准误差: 85 | 2025-09-22 12:29:00 | 525.59 ms | 83.11 tokens/s | $ 0.66 | 2.60 MTokens | ||
| 55 | amazon-bedrock | anthropic/claude-3.5-haiku 3.38 ±0.76 校准误差: 80.04 | 2025-09-22 12:29:00 | 1602.39 ms | 37.88 tokens/s | $ 3.35 | 1.44 MTokens | ||
| 55 | amazon-bedrock | anthropic/claude-3.5-sonnet 3.34 ±0.76 校准误差: 83.95 | 2025-09-22 12:29:00 | 1820.27 ms | 33.47 tokens/s | $ 13.4 | 1.50 MTokens | ||
| 55 | google-vertex | anthropic/claude-3.5-sonnet 3.34 ±0.76 校准误差: 84.27 | 2025-09-22 12:29:00 | 2723.18 ms | 33.73 tokens/s | $ 13.41 | 1.50 MTokens | ||
| 58 | openai | openai/gpt-4o-mini 3.2 ±0.74 校准误差: 81.75 | 2025-09-22 12:29:00 | 894.21 ms | 37.99 tokens/s | $ 0.76 | 1.78 MTokens | ||
| 59 | azure | openai/gpt-4o 2.09 ±0.6 校准误差: 87.37 | 2025-09-22 12:29:00 | 1395.08 ms | 54.78 tokens/s | $ 14.04 | 1.91 MTokens | ||
| 60 | openai | openai/gpt-4o 1.9 ±0.58 校准误差: 83.72 | 2025-09-22 12:29:00 | 863.9 ms | 40.37 tokens/s | $ 11.22 | 1.63 MTokens |
关于开桥 Benchmark
开桥-Benchmark 是由开桥维护的动态 AI 模型评估排行榜，专注提供全面、客观、及时的 AI 模型性能评估。我们定期对开桥平台上每个提供商渠道的所有 AI 模型进行系统化评估，确保用户能获取最新、最准确的性能数据。
全渠道覆盖
我们对每个模型的每个可用提供商渠道进行独立测试。例如，如果 GPT-5 模型同时通过 OpenAI 和 Azure 提供，我们会分别评估每个渠道，以反映不同提供商在性能、稳定性等方面的差异。
完全开源透明
所有测试代码、流程和结果均在 GitHub 上公开。任何人都可以审查、验证和复现我们的发现。项目仓库：开桥-Benchmark
我们使用 Scale AI 公开发布的数据集，Humanity's Last Exam (Text Only)，作为我们的主要评估基准。该数据集涵盖广泛的知识领域和推理能力，被业界广泛认可为高质量的 AI 评估标准。
有关数据集的详细信息，请参阅：Humanity's Last Exam (Text Only)
我们对每个模型进行全面测试，以提供最完整的性能评估。但由于某些供应商的内容过滤策略和其他技术限制，部分模型可能无法完成所有问题。为公平起见，我们采用以下评分方法：
评分：以模型成功回答的问题数量作为计算分数时的总数。
成本归一化：根据实际完成率按比例调整成本，以确保性价比比较的公平性。
透明度：每个模型的详细成功率和完成状态可在每次基准测试发布中对应提供商来源的原始测试数据中找到。
开桥-Benchmark 用来构建一个动态更新的实时排行榜 ，使业界能追踪 AI 模型的最新性能。我们将持续优化方法论、扩展评估维度，为用户提供更完整的模型选择指南。
我们欢迎社区的反馈和建议！如果你对评估方法、结果分析或排行榜功能有任何想法，请在开桥-Benchmark-Issue
感谢你对开桥-Benchmark 的关注和支持！