BenchLeader

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

规模

质量与为此付出的代价

5560657075$0.2$0.5$1$2$5$10$20Intelligence Index 单任务成本(美元)(对数坐标)BenchLeader Index v1.4Claude Fable 5.2Gemini 4 CarbonClaude Opus 5.5GPT-6 AstraClaude Fable 5.1GPT-6.1 Sol

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。

排序

单任务 token 数

输出 token,含推理
0100k200kGPT-6 Astra9.1k – 52klowmaxGPT-6.1 Sol5.8k – 68klowmaxClaude Fable 5.138k – 118klowmaxGemini 4 Carbon86k – 123klowhighClaude Opus 5.519k – 173klowmaxClaude Fable 5.236k – 274klowmax

输出 token(完整 Index 运行)

整次运行的全部任务(AA 统计的合计)
0100M200MGPT-6 Astra10.3M – 54.3MlowmaxGPT-6.1 Sol8.2M – 63.7MlowmaxClaude Fable 5.136.3M – 163MlowmaxGemini 4 Carbon83.9M – 205MlowhighClaude Opus 5.521.1M – 218MlowmaxClaude Fable 5.234.9M – 275Mlowmax

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
$0$10$20GPT-6.1 Sol$0.161 – $1.27Gemini 4 Carbon$4.68 – $5.48GPT-6 Astra$1.42 – $6.24lowmaxClaude Opus 5.5$0.976 – $10lowmaxClaude Fable 5.1$4.47 – $13lowmaxClaude Fable 5.2$3.10 – $27lowmax

完整 Index 运行的成本

美元,按标价计算(AA 统计的合计)
$0$10k$20kGPT-6.1 Sol$238 – $1.1kGemini 4 Carbon$4k – $5.3kGPT-6 Astra$1.7k – $5.7klowmaxClaude Opus 5.5$980 – $8.9klowmaxClaude Fable 5.1$3.9k – $13.3klowmaxClaude Fable 5.2$2.9k – $22.2klowmax

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
010 min20 min30 min40 minGPT-6 Astra3.4 min – 21 minlowmaxClaude Fable 5.17.6 min – 22 minlowmaxGPT-6.1 Sol1.9 min – 22.7 minlowmaxClaude Opus 5.53 min – 24.9 minlowmaxGemini 4 Carbon25.9 min – 32.1 minlowhighClaude Fable 5.25.5 min – 41.7 minlowmax

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。

58 / 58
#
1GPT-6 Lunalow894545.8$0.0051–
2Claude Haiku 5.5low109047.7$0.044–
3Granite 4.2 8B101641.1$0.040小型
4Mistral Small 4thinking101540.5$0.040中型
5GPT-6.1 Terralow79356.6$0.071–
6MiMo-V2.6-Flash42654.8$0.129大型
7新Muse Emberxhigh42249.1$0.116–
8GPT-6.1 Sollow37260.0$0.161–
9Gemini 3.1 Flash Lite27152.6$0.194–
10Muse Glimmerhigh26146.5$0.178小型
11Inkling Small25652.0$0.203大型
12MiMo-V2.6-Pro22457.5$0.257大型
13GPT-5.6 Lunamax17056.2$0.331–
14Beam 1.016145.9$0.284大型
15Nemotron 3.5 Lightning13241.4$0.314小型
16gpt-oss-120bhigh13145.3$0.345中型
17DeepSeek V4.1 Flash 1017high11251.2$0.456大型
18MiniMax M3.1 Flash11154.3$0.491大型
19Claude Sonnet 5.5low99.250.7$0.511–
20GLM 5.3 Flash99.157.8$0.583大型
21Qwen3.8-Flash-Next94.753.9$0.569大型
22新Agnes 2.5 Pro Theta88.450.8$0.575–
23Claude Haiku 4.5thinking85.945.7$0.532–
24Nemotron 3.5 Super VL82.245.8$0.557中型
25Gemini 3.5 Flash Lite74.251.4$0.693–
26DeepSeek V4 Prohigh66.056.0$0.849大型
27Apodex 1.162.848.0$0.764–
28Claude Opus 5.5low60.458.9$0.976–
29Hy455.056.7$1.03–
30Solar Pro 451.248.9$0.956–
31Inkling 2 Small49.157.9$1.18大型
32Mistral Medium 3.544.846.6$1.04中型
33MiniMax M343.756.1$1.29大型
34GPT-6 Astralow43.562.0$1.42–
35Inklingxhigh37.050.0$1.35大型
36新Gemini 4 Hydrogenhigh33.863.4$1.87–
37Mistral Large 4medium32.545.9$1.41大型
38GLM 5.3low30.047.3$1.57大型
39Muse Spark Openxhigh26.553.5$2.02大型
40Qwen3.8 27Blow25.749.0$1.91小型
41GPT-6 Solmax25.462.6$2.47–
42Muse Spark 1.3max25.460.6$2.39–
43Step 5 Preview23.956.0$2.35大型
44Kimi K3low22.653.6$2.37大型
45Nemotron 3 Ultra 550B A55Bthinking22.249.1$2.21大型
46新Claude Fable 5.2low21.165.3$3.10–
47Grok 4.7low19.055.4$2.92–
48Kimi K3.1 Pro16.861.8$3.68大型
49GPT-5.6 Terramax15.959.5$3.73–
50Ling 3.1 Flash15.950.8$3.19大型
51Gemini 4 Argonmedium14.361.6$4.31–
52Gemini 4 Carbonmedium14.165.8$4.68–
53Claude Fable 5.1low13.258.8$4.47–
54Muse Wonderhigh12.356.2$4.56–
55Grok 4.6xhigh12.056.1$4.68–
56Gemini 3.8 Flashmedium9.660.2$6.26–
57Qwen3.8 Maxmax5.958.7$10.02–
58Claude Opus 5max5.565.0$11.82–

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。