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…
openai·2 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
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。
9 项已收录成绩 · 保留原始单位和测试条件
Length-adjusted HealthBench score. Unadjusted score 50.9; mean response length 1,922 characters.
成绩出处Length-adjusted HealthBench Consensus score. Unadjusted score 94.6; mean response length 1,919 characters.
成绩出处Length-adjusted HealthBench Hard score. Unadjusted score 21.3; mean response length 1,794 characters.
成绩出处Length-adjusted HealthBench Professional score. Unadjusted score 40.7; mean response length 2,775 characters.
成绩出处OmniDocBench document parsing average error rate 0.125 inverted to normalized score 0.875 (1 - 0.125).
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 |
|---|---|---|---|
| OpenAI | $5 | $30 | 待补充 |
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。
