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

6.3

最佳模型

Qwen3.5-35B-A3B 2.8

失败原因

失败原因为未遵循指令116 失败原因为答案错误91 失败原因为 API 错误14 失败原因为超时4

319/319

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）
#56	Qwen3.8 27B high	Qwen	5.0	8.4	~$0.287	0/1	8.45s
总测试数 1 错误测试数 1 总成本 ~$0.287 响应时间（平均） 8.45s
#77	Qwen3.8 27B low	Qwen	5.0	7.9	~$0.071	0/1	5.37s
总测试数 1 错误测试数 1 总成本 ~$0.071 响应时间（平均） 5.37s
#84	Qwen3.8 27B medium	Qwen	5.0	7.8	~$0.058	0/1	9.20s
总测试数 1 错误测试数 1 总成本 ~$0.058 响应时间（平均） 9.20s
#94	GPT-5.6 Luna high	OpenAI	5.0	7.6	$0.179	0/1	3.65s
总测试数 1 错误测试数 1 总成本 $0.179 响应时间（平均） 3.65s
#104	Mercury 2.5 Preview medium	Inception	5.0	7.5	$0.024	0/1	2.09s
总测试数 1 错误测试数 1 总成本 $0.024 响应时间（平均） 2.09s
#119	GLM 5.3 Flash high	Z.ai	5.0	7.3	$0.029	0/1	3.33s
总测试数 1 错误测试数 1 总成本 $0.029 响应时间（平均） 3.33s
#131	Muse Glimmer 30B low	Meta	5.0	7.1	$0.143	0/1	2.50s
总测试数 1 错误测试数 1 总成本 $0.143 响应时间（平均） 2.50s
#153	DeepSeek V4 Pro none	DeepSeek	5.0	6.8	$0.210	0/1	2.05s
总测试数 1 错误测试数 1 总成本 $0.210 响应时间（平均） 2.05s
#166	Qwen3.5-27B none	Qwen	5.0	6.6	$0.058	0/1	2.51s
总测试数 1 错误测试数 1 总成本 $0.058 响应时间（平均） 2.51s
#174	Laguna XS 2.1 medium	Poolside	5.0	6.5	$0.068	0/1	4.15s
总测试数 1 错误测试数 1 总成本 $0.068 响应时间（平均） 4.15s
#180	LongCat 2.0 none	Meituan	5.0	6.4	$0.044	0/1	2.76s
总测试数 1 错误测试数 1 总成本 $0.044 响应时间（平均） 2.76s
#182	Ling-3.0-flash high	Inclusionai	5.0	6.4	$0.021	0/1	2.98s
总测试数 1 错误测试数 1 总成本 $0.021 响应时间（平均） 2.98s
#188	GPT-5.6 Luna low	OpenAI	5.0	6.2	$0.051	0/1	2.25s
总测试数 1 错误测试数 1 总成本 $0.051 响应时间（平均） 2.25s
#201	Nemotron 3 Ultra none	NVIDIA	5.0	6.1	$0.093	0/1	13.5s
总测试数 1 错误测试数 1 总成本 $0.093 响应时间（平均） 13.5s
#203	Gemini 2.5 Flash none	Google	5.0	6.0	$0.017	0/1	615ms
总测试数 1 错误测试数 1 总成本 $0.017 响应时间（平均） 615ms

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: 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

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