正在读取模型档案与评测数据…
正在读取模型档案与评测数据…
Meta·4 个数据来源·更新于 2026-09-26
只在同一来源、同一口径下比较。切换来源可查看不同测试结果。
当前配置：各基准设置见下表
综合分数和同榜图表来自 LLM Stats 榜单（采集于 2026-09-25）；下方逐项成绩来自模型页。榜单出处
LLM Stats Score · 同一来源与榜单口径，分数越高越好
| 模型与配置 | LLM Stats Score | 每任务成本 |
|---|---|---|
| GPT-5.6 Sol | 54.4 | 未公布 |
| Claude Mythos Preview | 54.3 | 未公布 |
| Claude Fable 5 | 54 | 未公布 |
| Muse Spark 1.3 · 当前模型 | 53.8 | 未公布 |
| Kimi K3 | 52.5 | 未公布 |
| GLM-5.3 | 52.1 | 未公布 |
| Atria Dawn Preview | 51.6 | 未公布 |
不同来源的分数不能直接相加或横向比较；评测任务成本不是 API Token 单价。
11 项已收录成绩 · 保留原始单位和测试条件
Meta internal composite instruction-following evaluation for agentic workflows.
成绩出处AutomationBench public v3 task set; deterministic end-state grading; pass@1.
成绩出处Official 900-question dataset with a common browser harness; F1 score.
成绩出处DeepSWE v1.1 official 113-task set with mini-swe-agent; max reasoning; task pass rate.
成绩出处GDPval-AA v2 Elo in the Artificial Analysis Stirrup agentic harness; human baseline 1,000 (max_score 3000).
成绩出处Official 65-task set with a file-aware rubric grader; mean rubric score.
成绩出处OpenAI MRCR v2 8-needle, 256K-512K context range; 100 examples; mean sequence-matcher ratio.
成绩出处OpenAI MRCR v2 8-needle, 512K-1M context range; 100 examples; mean sequence-matcher ratio.
成绩出处OSWorld 2.0 version 08.08 in Meta's common internal computer-use evaluation framework; mean per-task partial score.
成绩出处SWE-Atlas public Codebase QnA split with mini-swe-agent and task-specific rubric grading; mean pass@1.
成绩出处Terminal-Bench 2.1 official 89-task set in an isolated cloud sandbox; mean pass@1.
成绩出处只展示有可靠来源的资料；优先采用厂商官网与官方模型仓库。
美元 / 百万 Token。不同服务商或测试配置的报价分别列出。
| 来源 / 服务商 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|
| Meta Model API | $1.25 | $4.25 | $0.15 |
同名模型通过开发机构和明确版本关联。预览版、日期版本和不同规模模型分别建档。
公开评测数据；保留来源原始口径
公开模型页与公开榜单；自报成绩单独标识
Arena 官方公开数据集 · CC BY 4.0
公开模型目录与 API 报价
| 来源 / 配置 | 采集时间 | 原始数据 |
|---|---|---|
| Artificial AnalysisMuse Spark 1.3 (max)SHA-256 b9324ff6388c2fd3… | 2026-09-25T19:40:27Z | 查看来源 |
| Artificial AnalysisMuse Spark 1.3 (xhigh)SHA-256 b9324ff6388c2fd3… | 2026-09-25T19:40:27Z | 查看来源 |
| Artificial AnalysisMuse Spark 1.3 (max)SHA-256 5beb2f0dcdc468c1… | 2026-09-26T00:27:47Z | 查看来源 |
| Artificial AnalysisMuse Spark 1.3 (xhigh)SHA-256 5beb2f0dcdc468c1… | 2026-09-26T00:27:47Z | 查看来源 |
| LLM StatsMuse Spark 1.3 | 2026-09-25T19:40:20Z | 查看来源 |
| LLM StatsMuse Spark 1.3SHA-256 d440a9da1c34661a… | 2026-09-26T00:28:58Z | 查看来源 |
| ArenaMuse Spark 1.3 (Max) | 2026-09-25T19:40:08Z | 查看来源 |
| Arenamuse-spark-1.3 (xHigh) | 2026-09-25T19:40:08Z | 查看来源 |
| OpenRouterMuse Spark 1.3SHA-256 4c26b1452fbd2acd… | 2026-09-26T00:28:52Z | 查看来源 |
