常识问答 排名
看看哪些 AI 模型在 常识问答 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: 总成本 ↑.
250/250
筛选模型
没有模型匹配当前搜索和筛选条件。
| 排名 | 模型 | 公司 | 常识问答 得分 | 分数 | 总成本 | 测试正确 | 响应时间（平均） |
|---|---|---|---|---|---|---|---|
| #172 | Gemini 3.1 Flash Lite high | 0.0 | 5.6 | $2.044 | 0/0 | 0ms | |
| #56 | Claude Sonnet 4.6 medium | Anthropic | 3.0 | 7.8 | $2.057 | 0/1 | 30.1s |
| #58 | Claude Opus 4.8 low | Anthropic | 3.0 | 7.8 | $2.077 | 0/1 | 5.48s |
| #196 | Gemini 3.1 Flash Lite Preview high | 0.0 | 5.3 | $2.310 | 0/0 | 0ms | |
| #10 | Claude Opus 5 high | Anthropic | 3.0 | 9.2 | $2.835 | 0/1 | 14.1s |
| #60 | Claude Opus 4.6 medium | Anthropic | 3.0 | 7.7 | $3.059 | 0/1 | 63.2s |
| #48 | Kimi K3 max | Moonshot AI | 3.0 | 8.0 | $3.112 | 0/1 | 19.7s |
| #27 | Claude Fable 5 medium | Anthropic | 3.0 | 8.6 | $3.478 | 0/1 | 25.6s |
| #15 | GPT-5.5 medium | OpenAI | 2.8 | 9.0 | $4.137 | 0/1 | 37.9s |
| #216 | Grok 4.20 Multi Agent Beta medium | X AI | 0.0 | 4.8 | $5.599 | 0/0 | 0ms |