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。

显示的模型数

通用智能得分平均值

0.6

最佳模型

Gemini 3.6 Flash 1.0

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）
#384	Gemini 3.1 Flash Lite high	Google	0.5	0.5	$2.044	0/1	45.7s
总测试数 1 错误测试数 1 总成本 $2.044 响应时间（平均） 45.7s
#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
#167	DeepSeek V4 Pro 0423 none	DeepSeek	0.5	0.7	$0.083	0/1	2.05s
总测试数 1 错误测试数 1 总成本 $0.083 响应时间（平均） 2.05s
#170	GLM 5.3 Flash high	Z.ai	0.5	0.7	$0.056	0/1	3.33s
总测试数 1 错误测试数 1 总成本 $0.056 响应时间（平均） 3.33s
#177	Qwen3.5-27B none	Qwen	0.5	0.7	$0.116	0/1	2.51s
总测试数 1 错误测试数 1 总成本 $0.116 响应时间（平均） 2.51s
#179	Qwen3.8 27B medium	Qwen	0.5	0.7	~$0.073	0/1	9.20s
总测试数 1 错误测试数 1 总成本 ~$0.073 响应时间（平均） 9.20s
#202	Muse Glimmer 30B low	Meta	0.5	0.7	$0.219	0/1	2.50s
总测试数 1 错误测试数 1 总成本 $0.219 响应时间（平均） 2.50s
#207	GPT-5.6 Luna low	OpenAI	0.5	0.7	$0.049	0/1	2.25s
总测试数 1 错误测试数 1 总成本 $0.049 响应时间（平均） 2.25s
#213	Mercury 2.5 Preview medium	Inception	0.5	0.7	$0.039	0/1	2.09s
总测试数 1 错误测试数 1 总成本 $0.039 响应时间（平均） 2.09s
#227	GLM 5.3 Flash low	Z.ai	0.5	0.7	$0.038	0/1	1.68s
总测试数 1 错误测试数 1 总成本 $0.038 响应时间（平均） 1.68s
#240	Mercury 2.5 high	Inception	0.5	0.6	$0.044	0/1	2.69s
总测试数 1 错误测试数 1 总成本 $0.044 响应时间（平均） 2.69s

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: 3.0102 h × 0.300 kW × €0.2896/kWh × 1.138 USD/EUR = ~$0.297613.

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