领域专项模型排名

看看哪些 AI 模型在领域专项上表现最好，哪些更稳定，以及差距主要出现在哪里。排序方式: 指标 ↑.

显示的模型数

领域专项得分平均值

4.4

最佳模型

Seed 2.1 Turbo 2.9

失败原因

失败原因为答案错误659 失败原因为超时42 失败原因为无答案35 失败原因为额外格式23 失败原因为 API 错误17 失败原因为未遵循指令2

316/316

排名	模型	公司	领域专项得分	分数	总成本	测试正确	响应时间（平均）
#17	Grok 4.6 high	X AI	5.3	9.3	$1.908	1/3	369.9s
总测试数 3 错误测试数 2 总成本 $1.908 响应时间（平均） 369.9s
#26	Gemini 3.5 Flash medium	Google	5.3	9.0	$0.665	1/3	7.28s
总测试数 3 错误测试数 2 总成本 $0.665 响应时间（平均） 7.28s
#37	Claude Opus 5 low	Anthropic	5.3	8.7	$1.121	1/3	8.91s
总测试数 3 错误测试数 2 总成本 $1.121 响应时间（平均） 8.91s
#42	Muse Spark 1.2 medium	Meta	5.3	8.6	$1.339	1/3	77.2s
总测试数 3 错误测试数 2 总成本 $1.339 响应时间（平均） 77.2s
#45	Qwen3.6 Max Preview medium	Qwen	5.3	8.6	$1.132	1/3	88.5s
总测试数 3 错误测试数 2 总成本 $1.132 响应时间（平均） 88.5s
#49	Muse Spark 1.2 low	Meta	5.3	8.4	$0.655	1/3	28.5s
总测试数 3 错误测试数 2 总成本 $0.655 响应时间（平均） 28.5s
#53	Qwen3.8 27B high	Qwen	5.3	8.4	~$0.287	1/3	526.7s
总测试数 3 错误测试数 2 总成本 ~$0.287 响应时间（平均） 526.7s
#55	Inkling Small high	Thinkingmachines	5.3	8.4	$0.398	1/3	56.3s
总测试数 3 错误测试数 2 总成本 $0.398 响应时间（平均） 56.3s
#60	Claude Sonnet 5 medium	Anthropic	5.3	8.2	$0.922	1/3	20.5s
总测试数 3 错误测试数 2 总成本 $0.922 响应时间（平均） 20.5s
#70	GPT-5.6 Terra high	OpenAI	5.3	8.0	$0.836	1/3	42.6s
总测试数 3 错误测试数 2 总成本 $0.836 响应时间（平均） 42.6s
#73	Step 3.7 Flash medium	Stepfun	5.3	7.9	$0.495	1/3	27.3s
总测试数 3 错误测试数 2 总成本 $0.495 响应时间（平均） 27.3s
#74	Qwen3.8 27B low	Qwen	5.3	7.9	~$0.071	1/3	60.8s
总测试数 3 错误测试数 2 总成本 ~$0.071 响应时间（平均） 60.8s
#79	GPT-5.6 Terra medium	OpenAI	5.3	7.8	$0.523	1/3	21.5s
总测试数 3 错误测试数 2 总成本 $0.523 响应时间（平均） 21.5s
#81	Qwen3.8 27B medium	Qwen	5.3	7.8	~$0.058	1/3	77.0s
总测试数 3 错误测试数 2 总成本 ~$0.058 响应时间（平均） 77.0s
#83	Claude Opus 4.8 low	Anthropic	5.3	7.8	$2.089	1/3	46.5s
总测试数 3 错误测试数 2 总成本 $2.089 响应时间（平均） 46.5s

领域专项排名

筛选模型

按领域专项得分排名的顶级模型

领域专项得分 vs 总成本

按响应时间（平均）排名的顶级模型

领域专项 排名

筛选模型

按 领域专项 得分 排名的顶级模型

领域专项 得分 vs 总成本仅估算 GPU 的电费，不包括计算机其他部件及硬件购置成本。 NVIDIA GeForce RTX 3090: 2.8999 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.286715.

按 响应时间（平均） 排名的顶级模型

领域专项排名

按领域专项得分排名的顶级模型

领域专项得分 vs 总成本

按响应时间（平均）排名的顶级模型