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。
截至 2026年11月16日,BenchLeader 在“效率”榜上将 GPT-6 Luna 排在第一(8945)。其后为 Claude Haiku 5.5(1090)和 Granite 4.2 8B(1016)。
121 个模型 · 数据截至 2026年11月16日
质量与为此付出的代价
悬停或轻点某个模型可将其突出显示并查看其他推理强度档位;单击固定(按 Esc 清除)。点眼睛图标可隐藏模型。
单任务成本是 Intelligence Index 中一项平均任务按标价计算的花费,取 Artificial Analysis 对该配置整次运行的平均值(来源:Artificial Analysis)。它统计模型实际输出的 token,所以思考越久的模型在这里代价越高。 每个点代表一个模型在其最佳推理强度档位(Index 最高)下的表现;选中某个模型可看到它的其他档位,按推理强度从低到高相连;越靠左上越好。
推理强度对各模型的影响有多大
每个模型一条横条,覆盖其各推理强度档位中的最低值到最高值,每个档位一个标记。模型与上图相同。
单任务 token 数
输出 token,含推理输出 token(完整 Index 运行)
整次运行的全部任务(AA 统计的合计)这是 Artificial Analysis 对整次运行给出的合计:9 项评测、5,000 多项任务,其中几项运行了三次或五次。其每项任务数值是按各评测在 Index 中的权重加权的平均值,因此相乘并不能得到这个合计。
单任务成本
美元,按标价计算完整 Index 运行的成本
美元,按标价计算(AA 统计的合计)这是 Artificial Analysis 对整次运行给出的合计:9 项评测、5,000 多项任务,其中几项运行了三次或五次。其每项任务数值是按各评测在 Index 中的权重加权的平均值,因此相乘并不能得到这个合计。
单任务耗时
每项 Index 任务每项任务的成本、token 数和耗时,以及整次运行的合计,均来自 Artificial Analysis 的 Intelligence Index 运行,注明出处展示,不提供再使用许可。Index 为 BenchLeader 自有。
- 1GPT-6 Luna (low)8945
- 2Claude Haiku 5.5 (low)1090
- 3Granite 4.2 8B1016
- 4Mistral Small 4 (thinking)1015
- 5GPT-6.1 Terra (low)793
- 6MiMo-V2.6-Flash426
- 7Muse Ember (xhigh)422
- 8GPT-6.1 Sol (low)372
- 9Gemini 3.1 Flash Lite271
- 10Muse Glimmer (high)261
- 11Inkling Small256
- 12MiMo-V2.6-Pro224
- 13GPT-5.6 Luna (max)170
- 14Beam 1.0161
- 15Nemotron 3.5 Lightning132
引用格式:BenchLeader,《token 效率:按实际工作计算的每美元质量》,数据截至 2026年11月16日,https://www.benchleader.com/zh/leaderboards/efficiency。