BenchLeader

Agnes 2.5 Pro Theta vs Apodex 1.1

完整资料:Agnes 2.5 Pro Theta(Sapiens AI)和 Apodex 1.1(Apodex),包括全部基准测试、价格和排名。

更新于 · 数据来自 1 个来源

截至 2026年11月21日,Agnes 2.5 Pro Theta 与 Apodex 1.1 的质量不相上下(BenchLeader Index 50.7 比 48.1,在 ±12.2 的误差范围内)。Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 6.5 倍(每百万 token 混合价格 $0.150 比 $0.975)。在两者都有成绩的所有类别中,Agnes 2.5 Pro Theta 均领先。

要点(截至 2026年11月21日)

  • Agnes 2.5 Pro Theta 的 BenchLeader Index 为 50.7,Apodex 1.1 为 48.1(BenchLeader,2026年11月21日)。
  • Agnes 2.5 Pro Theta 每百万 token 混合价格为 $0.150(标价,2026年11月21日)。
  • Apodex 1.1 每百万 token 混合价格为 $0.975(标价,2026年11月21日)。
  • 在两者都有结果的 18 项基准测试中,Agnes 2.5 Pro Theta 领先 16 项(BenchLeader,2026年11月21日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Agnes 2.5 Pro Theta类别得分 45 比 36;FrontierCode 2.0 (AA) 16.6% 比 6.9%高
推理Agnes 2.5 Pro Theta类别得分 43 比 39;HLE-Diamond (AA) 16.8% 比 11.6%中
知识Agnes 2.5 Pro Theta类别得分 40 比 31;AA-Omniscience v1.1 -11.2 比 -27.9高
长文档Agnes 2.5 Pro Theta类别得分 67 比 64;AA-LCR v1.1 84.7% 比 79.3%中
图像及其他媒体均可类别得分 60 比 61;MMMU-Pro 78.4% 比 79.2%均可
成本最低Agnes 2.5 Pro Theta每百万 token 混合价格 $0.150 比 $0.975;智能体编程会话 $0.007 比 $0.030–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Agnes 2.5 Pro Theta 与 Apodex 1.1 的质量不相上下(50.7 比 48.1,在 ±12.2 的误差范围内)。
  • Agnes 2.5 Pro Theta 在编程、知识、长上下文、推理方面更强。
  • Apodex 1.1 在多模态方面更强。
  • Agnes 2.5 Pro Theta 更便宜,对方的价格是它的 6.5 倍(每百万 token 混合价格 $0.150 比 $0.975)。

概览

规格Agnes 2.5 Pro ThetaApodex 1.1
提供商Sapiens AIApodex
发布日期2026年11月7日2026年8月30日
上下文窗口(token)1,000,000256,000
对比时的配置Agnes 2.5 Pro ThetaApodex 1.1
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$0.100 / $0.300 / $0.010$0.300 / $3.00 / $0.030

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Agnes 2.5 Pro ThetaApodex 1.1领先者
推理43.238.5Agnes 2.5 Pro Theta
编程45.335.7Agnes 2.5 Pro Theta
智能体与工具–53.3无法比较
知识39.531.1Agnes 2.5 Pro Theta
多模态60.461.2持平
长上下文67.164.3Agnes 2.5 Pro Theta

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程知识长上下文多模态Agnes 2.5 Pro Theta, 推理: 43.2Agnes 2.5 Pro Theta, 编程: 45.3Agnes 2.5 Pro Theta, 知识: 39.5Agnes 2.5 Pro Theta, 长上下文: 67.1Agnes 2.5 Pro Theta, 多模态: 60.4Apodex 1.1, 推理: 38.5Apodex 1.1, 编程: 35.7Apodex 1.1, 知识: 31.1Apodex 1.1, 长上下文: 64.3Apodex 1.1, 多模态: 61.2

未绘制(测得的模型少于两个):智能体与工具, 数学, 指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 18 项基准测试中,Agnes 2.5 Pro Theta 领先 16 项,Apodex 1.1 领先 2 项。所有同时评测两者的综合评分都认为 Agnes 2.5 Pro Theta 更强。

综合 IndexAgnes 2.5 Pro ThetaApodex 1.1领先者
BenchLeader Index50.748.1不相上下
AA Intelligence Index v5.0.124.013.7Agnes 2.5 Pro Theta

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Agnes 2.5 Pro ThetaApodex 1.1
每百万 token 混合价格$0.150$0.975
每百万 token 输入 / 输出$0.100 / $0.300$0.300 / $3.00
每百万 token 缓存输入$0.010$0.030
每项任务价格:聊天回复$0.0001$0.0010
每项任务价格:总结一份 30 页的报告$0.0014$0.0054
每项任务价格:代码编辑$0.0011$0.0063
每项任务价格:智能体编程会话$0.0072$0.030
每项任务价格:结构化信息提取$0.0003$0.0012
智能体编程会话(输入大多命中缓存)$0.0032$0.018
每项基准测试任务成本(AA Index)$0.575$0.764
每项任务输出 token(AA Index)278k116k
其中推理部分229k76k
每项任务耗时(AA Index)24 min–
输出速度189 tok/s–
首次回答时间8.8 秒–
完整回答耗时(最近一次测量 2026年11月13日)16.9 秒45.0 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Agnes 2.5 Pro Theta 上花费 $0.575,在 Apodex 1.1 上花费 $0.764;完成同样的工作,Agnes 2.5 Pro Theta 输出的 token 是对方的 2.4 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Agnes 2.5 Pro Theta 得分 50.7,首个回答 token 需 9 秒。Apodex 1.1 得分 48.1。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 25 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。

指标发布方Agnes 2.5 Pro ThetaApodex 1.1
BenchLeader IndexBenchLeader50.748.1
编程得分BenchLeader45.335.7
知识得分BenchLeader39.531.1
长上下文得分BenchLeader67.164.3
多模态得分BenchLeader60.461.2
推理得分BenchLeader43.238.5
智能体与工具得分BenchLeader–53.3
混合价格(美元/百万 token)BenchLeader$0.150$0.975
输出速度BenchLeader189 tok/s–
首次回答时间BenchLeader8.8 秒–
上下文窗口BenchLeader1,000,000 token256,000 token
推理
GPQA Diamond (AA)Artificial Analysis–86.4%
Humanity's Last Exam (AA)Artificial Analysis37.2%34.1%
HLE-Diamond (AA)Artificial Analysis16.8%11.6%
CritPtArtificial Analysis15.1%4.6%
CritPt v2 hard subset (AA)Artificial Analysis26.0%17.0%
编程
SciCode (AA)Artificial Analysis56.0%45.5%
Terminal-Bench 4.0 (AA)Artificial Analysis10.1%0.0%
Terminal-Bench 2.1 (AA)Artificial Analysis–69.7%
FrontierCode 2.0 (AA)Artificial Analysis16.6%6.9%
智能体与工具
GDPval-AA v2.1, normalised scoreArtificial Analysis–34.4%
GDPval-AA v2.1Artificial Analysis15071195
τ³-Banking (AA)Artificial Analysis–25.1%
APEX-Agents (AA)Artificial Analysis–31.2%
AutomationBenchArtificial Analysis48.8%28.2%
GDP.pdf (AA)Artificial Analysis14.2%11.2%
AA-Briefcase v1.1Artificial Analysis14961014
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.8%0.5%
知识
AA-Omniscience v1.1Artificial Analysis-11.2-27.9
AA-Omniscience v1.1: accuracyArtificial Analysis21.3%28.2%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis58.6%22.0%
多模态
MMMU-ProArtificial Analysis78.4%79.2%
长上下文
AA-LCR v1.1Artificial Analysis84.7%79.3%
综合
AA Intelligence Index v5.0.1Artificial Analysis24.013.7
AA Intelligence Index v4.3.2Artificial Analysis–26.4
AA Progress Index v1Artificial Analysis304.2291.7

数据截至 2026年11月21日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

变化

  • Agnes 2.5 Pro Theta:1 项新结果(AA Progress Index v1)。
  • Apodex 1.1:BenchLeader Index 48.3 → 47.7。
  • Apodex 1.1:2 项新结果(AA Intelligence Index v5.0.1, CritPt v2 hard subset (AA))。
  • Apodex 1.1:4 项新结果(AA-Omniscience v1.1, AA-Omniscience v1.1: accuracy, AA-Omniscience v1.1: non-hallucination…)。
  • Agnes 2.5 Pro Theta:首批结果。
  • Apodex 1.1:1 项新结果(Terminal-Bench-Science 0.1 (AA))。
  • Apodex 1.1:1 项新结果(AA-Briefcase v1.1)。
  • Apodex 1.1:2 项新结果(AA Progress Index v1, HLE-Diamond (AA))。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Agnes 2.5 Pro Theta vs Apodex 1.1:常见问题

Agnes 2.5 Pro Theta 比 Apodex 1.1 更好吗?
Agnes 2.5 Pro Theta 与 Apodex 1.1 的质量不相上下(50.7 比 48.1,在 ±12.2 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月21日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Agnes 2.5 Pro Theta 和 Apodex 1.1 哪个更便宜?价格会变吗?
目前 Agnes 2.5 Pro Theta 更便宜:每百万 token $0.150 比 $0.975(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Agnes 2.5 Pro Theta 还是 Apodex 1.1 更好?
Agnes 2.5 Pro Theta 在编程方面得分更高(类别得分 45 比 36,50 为平均水平)。在两者共同的最主要编程基准测试 FrontierCode 2.0 (AA) 上,Agnes 2.5 Pro Theta 为 16.6%,Apodex 1.1 为 6.9%。
处理长文档哪个更好?
Agnes 2.5 Pro Theta 在长上下文基准测试上得分更高(67 比 64)。Agnes 2.5 Pro Theta 支持更长的上下文:1,000,000 token,Apodex 1.1 为 256,000 token。
第三方基准测试对 Agnes 2.5 Pro Theta 和 Apodex 1.1 的看法一致吗?
在两者都有结果的 18 项基准测试中,Agnes 2.5 Pro Theta 领先 16 项,Apodex 1.1 领先 2 项。所有同时评测两者的综合评分都认为 Agnes 2.5 Pro Theta 更强。
更多问题(1)
Agnes 2.5 Pro Theta 是什么时候发布的?
Agnes 2.5 Pro Theta 于 2026年11月7日 发布。