通用智能模型排名

看看哪些 AI 模型在通用智能上表现最好，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

通用智能得分平均值

0.6

最佳模型

Span-02 0.0

失败原因

失败原因为未遵循指令143 失败原因为答案错误134 失败原因为 API 错误17 失败原因为超时4

461/461

排名	模型	公司	通用智能得分	分数	总成本	测试正确	响应时间（平均）
#161	Qwen3.6 Flash medium	Qwen	0.5	0.7	$0.783	0/1	9.88s
总测试数 1 错误测试数 1 总成本 $0.783 响应时间（平均） 9.88s
#87	Claude Sonnet 5 medium	Anthropic	0.5	0.9	$1.438	0/1	4.32s
总测试数 1 错误测试数 1 总成本 $1.438 响应时间（平均） 4.32s
#124	GPT-5.6 Terra low	OpenAI	0.5	0.8	$0.435	0/1	3.52s
总测试数 1 错误测试数 1 总成本 $0.435 响应时间（平均） 3.52s
#152	Qwen3.8 Flash Next medium	Qwen	0.5	0.8	~$0.047	0/1	7.29s
总测试数 1 错误测试数 1 总成本 ~$0.047 响应时间（平均） 7.29s
#163	Seed-2.0-Code medium	Bytedance Seed	0.5	0.7	$1.275	0/1	11.4s
总测试数 1 错误测试数 1 总成本 $1.275 响应时间（平均） 11.4s
#183	LongCat 2.0 medium	Meituan	0.5	0.7	$0.767	0/1	16.4s
总测试数 1 错误测试数 1 总成本 $0.767 响应时间（平均） 16.4s
#191	MiMo-V2.6-Flash low	Xiaomi	0.5	0.7	$0.200	0/1	1.60s
总测试数 1 错误测试数 1 总成本 $0.200 响应时间（平均） 1.60s
#208	Claude Sonnet 5.5 low	Anthropic	0.5	0.7	$0.909	0/1	2.33s
总测试数 1 错误测试数 1 总成本 $0.909 响应时间（平均） 2.33s
#290	KAT-Coder-Pro V2.5 default	Kwaipilot	0.5	0.6	$0.742	0/1	5.16s
总测试数 1 错误测试数 1 总成本 $0.742 响应时间（平均） 5.16s
#148	Qwen3.5 Plus 2026-04-20 medium	Qwen	0.5	0.8	$0.435	0/1	25.3s
总测试数 1 错误测试数 1 总成本 $0.435 响应时间（平均） 25.3s
#44	Claude Haiku 5.5 xhigh	Anthropic	0.5	0.9	$0.140	0/1	9.80s
总测试数 1 错误测试数 1 总成本 $0.140 响应时间（平均） 9.80s
#72	Muse Spark 1.2 low	Meta	0.5	0.9	$0.881	0/1	8.46s
总测试数 1 错误测试数 1 总成本 $0.881 响应时间（平均） 8.46s
#74	Qwen3.8 27B high	Qwen	0.5	0.9	~$0.298	0/1	8.45s
总测试数 1 错误测试数 1 总成本 ~$0.298 响应时间（平均） 8.45s
#119	GPT-5.6 Luna high	OpenAI	0.5	0.8	$0.118	0/1	3.65s
总测试数 1 错误测试数 1 总成本 $0.118 响应时间（平均） 3.65s
#154	Qwen3.8 27B low	Qwen	0.5	0.8	~$0.089	0/1	5.37s
总测试数 1 错误测试数 1 总成本 ~$0.089 响应时间（平均） 5.37s

通用智能排名

筛选模型

按通用智能得分排名的顶级模型

通用智能得分 vs 总成本

按响应时间（平均）排名的顶级模型

通用智能 排名

筛选模型

按 通用智能 得分 排名的顶级模型

通用智能 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: 0.4752 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.046984.

按 响应时间（平均） 排名的顶级模型

通用智能排名

按通用智能得分排名的顶级模型

通用智能得分 vs 总成本

按响应时间（平均）排名的顶级模型