排行榜
同一批模型,按你真正关心的问题排序。每个排行榜每天根据最新数据重新生成。综合排名请看2026 大模型排行榜。
已经有两个候选?任选模型并排对比。
本月推荐: 综合最佳大模型(2026年11月) · 最适合编程的大模型(2026年11月) · 最适合智能体的大模型(2026年11月) · 最佳低价大模型(2026年11月) · 最佳开放权重大模型(2026年11月) · 最快的大模型(2026年11月)
质量对比…
显示 23 个模型:在两个轴上都不被其他模型超越的前沿、Index 前八名、各价格区间里最好的模型,以及最近 7 天的新模型。 越靠左上越好:花更少的钱,得到更高的质量。 悬停或轻点某个模型可将其突出显示,单击固定(按 Esc 清除),双击打开其页面。
- Claude Fable 5.2 (max)
- Gemini 4 Carbon (high)
- Claude Opus 5.5 (max)
- GPT-6 Astra (max)
- Claude Fable 5.1 (max)
- GPT-6.1 Sol (max)
- Claude Fable 5
- GPT-5.6 Sol (max)
- GPT-6.1 Terra (max)
- Gemini 4 Hydrogen (high)
- Gemini 3.7 Flash (high)
- Kimi K2.5 (thinking)
- Qwen3.6 Plus
- GPT-5.6 Luna (xhigh)
- GLM 5.3 Flash
- DeepSeek V4.1 Flash 1017 (max)
- Claude Haiku 5.5 (xhigh)
- MiMo-V2.5
- Muse Ember (max)
- Ling 3.0 Flash
- Agnes 2.5 Pro Theta
- Mistral Small 3.2
- Granite 4.2 8B
直接回答
用今天的数据回答大家最常问的问题。每项列出前五名,点一下即可查看完整排行榜。
- 使用最多
上周实际承接工作量最多的模型,按 OpenRouter 的 token 份额计算。
- 1
DeepSeek V4.1 Flash 1017max28.0%
- 2
Hy48.6%
- 3
DeepSeek V4.1 Flashmax7.4%
- 4
GLM 5.3 Flash5.6%
- 5
GPT-6 Lunamax4.0%
- 1
- 编程智能体中使用最多
过去 30 天在编程智能体(Claude Code、Codex、OpenCode 等)中使用最多的模型,按 T3 Code 使用遥测中的轮次份额计算。这是单一客户端用户的数据,并非整个市场。
- 1
Claude Opus 5.5max57.6%
- 2
GPT-6.1 Solmax18.6%
- 3
GPT-6 Astramax4.8%
- 4
Claude Sonnet 5.5max3.9%
- 5
Claude Fable 5.1max1.7%
- 1
- $2/M 以内最佳
混合价格低于每百万 token 2 美元、质量最高的模型。
- 1
Gemini 3.7 Flashhigh$1.50/M
- 2
Gemini 3.6 Flashhigh$1.50/M
- 3
Gemini 3.8 Flashmedium$1.50/M
- 4
GLM-5thinking$1.55/M
- 5
Kimi K2.5thinking$1.20/M
- 1
- $0.50/M 以内最佳
面向低预算场景,每百万 token 低于 50 美分、质量最高的模型。
- 1
GPT-5.6 Lunaxhigh$0.450/M
- 2
Inkling 2 Small$0.475/M - 3
GLM 5.3 Flash$0.238/M
- 4
DeepSeek V4 Flashhigh$0.262/M
- 5
DeepSeek V3.2thinking$0.315/M
- 1
- 又快又好
每秒至少 100 个 token,且 Index 高于 55 的模型。
- 1
Grok 4.20 Multi-Agent349 tok/s - 2
DeepSeek V4.1 Flashmax240 tok/s
- 3
Claude Haiku 5.5xhigh231 tok/s
- 4
Muse Spark 1.2xhigh208 tok/s
- 5
GPT-5.4 Minixhigh200 tok/s
- 1
- 快速响应
Index 高于 55,且 2 秒内开始回答的模型。
- 1
Nemotron 3 Ultra 550B A55B0.2 s
- 2
Gemma 4 26B A4B0.4 s
- 3
Claude Sonnet 4.60.6 s
- 4
DeepSeek V4 Flashhigh0.7 s
- 5
Qwen3.8 27B0.7 s
- 1
- 最佳开放权重
可下载并自行部署的模型中质量最高者。
- 1
Kimi K3.1 Pro61.8
- 2
Kimi K360.7
- 3
GLM-5thinking60.2
- 4
Kimi K2.5thinking59.4
- 5
Kimi K2.6thinking59.3
- 1
- 最便宜的百万上下文
上下文窗口至少 100 万 token 的模型,按价格从低到高排序。
- 1
Nemotron 3.5 Lightning$0.10/M
- 2
MiMo-V2.5$0.14/M
- 3
Agnes 2.5 Pro Theta$0.15/M
- 4
MiMo-V2.6-Flash$0.17/M
- 5
Qwen3.5 Flash$0.17/M
- 1
- 最适合编程
编程类别得分最高的模型。
- 1
Claude Fable 5.2max79.7
- 2
Claude Opus 5.5max78.8
- 3
Claude Fable 575.5
- 4
Gemini 4 Carbonhigh74.1
- 5
GPT-6 Astramax73.2
- 1
- 最适合智能体
在至少有三项智能体结果的模型中,智能体与工具类别得分最高者。
- 1
GPT-6 Sol (Daybreak Blue, max)max72.3
- 2
Claude Sonnet 5.5max70.5
- 3
GPT-5.6 Solmax67.5
- 4
Kimi K3.1 Pro64.6
- 5
GPT-6.1 Solmax64.3
- 1
降价
过去 90 天内混合标价下降超过 5% 的模型。
| 模型 | 调整前 | 调整后 | 变化 | 日期 |
|---|---|---|---|---|
| $0.600/M | $0.475/M | −21% | 2026年11月15日 | |
| $8.63/M | $3.00/M | −65% | 2026年11月15日 | |
| $0.300/M | $0.150/M | −50% | 2026年11月13日 | |
| $8.00/M | $4.00/M | −50% | 2026年11月12日 | |
| $8.00/M | $4.00/M | −50% | 2026年11月12日 | |
| $0.125/M | $0.050/M | −60% | 2026年11月11日 | |
| $0.600/M | $0.350/M | −42% | 2026年11月11日 | |
| $0.225/M | $0.138/M | −39% | 2026年11月10日 | |
| $0.855/M | $0.657/M | −23% | 2026年11月6日 | |
| $0.275/M | $0.260/M | −5% | 2026年11月6日 | |
| $0.168/M | $0.153/M | −9% | 2026年11月4日 | |
| $2.15/M | $1.57/M | −27% | 2026年11月3日 | |
| $1.00/M | $0.859/M | −14% | 2026年11月3日 | |
| $0.900/M | $0.448/M | −50% | 2026年11月3日 | |
| $1.90/M | $1.38/M | −27% | 2026年11月3日 | |
| $0.590/M | $0.486/M | −18% | 2026年11月3日 | |
| $0.900/M | $0.258/M | −71% | 2026年11月1日 | |
| $0.175/M | $0.093/M | −47% | 2026年11月1日 | |
| $1.22/M | $0.502/M | −59% | 2026年11月1日 | |
| $1.22/M | $0.502/M | −59% | 2026年11月1日 |
核心排行榜
用六种方式为同一批模型排名。每个排行榜都有图表,以及可搜索、可排序的表格。
- 质量:BenchLeader Index
汇总所有质量基准测试的综合指标:按基准测试逐项标准化,再按类别取平均。须在两个类别中至少有五项基准测试结果。
- 性价比:每美元的质量
BenchLeader Index 除以每百万 token 的混合价格(输入 3 : 输出 1)。数值越高,花同样的钱得到的质量越高。
- 速度:每秒输出 token 数
每秒输出 token 数:Artificial Analysis 覆盖的模型取其实测中位数,其余取 OpenRouter 实际流量的中位数,并按最近 7 天平滑。
- 延迟:首次回答时间
回答开始前的秒数中位数,包含推理阶段(Artificial Analysis);若无此数据,则采用首个 token 流式输出的时间。
- 成本:每百万 token 混合价格
采用官方公布的标价,按每 1 个输出 token 对应 3 个输入 token 混合计算。
- token 效率:按实际工作计算的每美元质量
BenchLeader Index 除以该配置完成 Artificial Analysis Intelligence Index 中一项平均任务的成本。与单 token 价格不同,它计入模型实际消耗的 token,因此思考时间长的模型,得分会比只看标价时更低。
- 单任务成本:一项基准任务的费用
各配置完成 Artificial Analysis Intelligence Index 中一项平均任务的成本,整次运行均按标价计算。冗长的推理会成倍增加 token 数,因此模型间的差距远大于单 token 价格的差距。
- token 用量:每项任务的输出 token 数
各配置在 Artificial Analysis Intelligence Index 中每项任务输出的 token 数(含推理),取整次运行的平均值。完成同样的工作所用 token 越少,模型越便宜、越快;但它不是质量指标,请与 Index 一起看。
- 单任务耗时:一项基准任务所需时间
各配置完成 Artificial Analysis Intelligence Index 中一项任务所用时间,取整次运行的平均值。大多数任务是多轮的智能体任务,因此这是以分钟计的工作时间,而非一次回复的等待时间;推理强度越高,任务通常越长。
- 响应时间:完整回答所需秒数
从请求到最后一个 token 的秒数中位数,含推理(Artificial Analysis)。首次回答时间表示输出何时开始,这一指标表示何时结束。Artificial Analysis 已于 2026年11月14日停止公布该数据。所示为 2026年11月13日的最近一次测量。
- 上下文窗口
提供商公布的最大上下文长度(token 数)。
按任务
每百万 token 的价格看不出实际工作的全貌。这些排行榜根据每个模型的标价、输出速度和首 token 延迟,计算五种典型工作的费用与耗时。
| 工作负载 | 输入 token | 输出 token | 排行榜 |
|---|---|---|---|
聊天回复 一次简短的助手回复:输入 400 个 token 的上下文,输出 300 个 token。 | 400 | 300 | 成本耗时 |
总结一份 30 页的报告 输入 12,000 个 token 的文档,输出 600 个 token 的摘要。 | 12,000 | 600 | 成本耗时 |
代码编辑 输入 6,000 个 token 的文件和指令,输出 1,500 个 token 的 diff。 | 6,000 | 1,500 | 成本耗时 |
智能体编程会话 一次长时间的工具调用循环:多轮共输入 60,000 个 token,输出 4,000 个 token。 | 60,000 | 4,000 | 成本耗时 |
结构化信息提取 输入 2,000 个 token 的源文本,输出 200 个 token 的 JSON。 | 2,000 | 200 | 成本耗时 |
常见问题
- 应该看哪个大模型排行榜?
- 从你要回答的问题出发:看整体质量用质量榜(BenchLeader Index);控制预算看成本榜或性价比榜;做聊天和语音看速度与延迟;处理长文档看上下文。按任务划分的排行榜给出五种典型工作的费用。
- 排行榜多久更新一次?
- 所有排行榜每 6 小时(UTC 04:03、10:03、16:03、22:03 开始运行)重新生成一次;当前数据截至 2026年11月16日。
- 排行榜上最快的模型是哪个?价格多少?
- 截至 2026年11月16日,最快的是 Celeris-1,为 799 token/秒,混合价格每百万 token $0.325。