Opus 5 目前在人工智能分析排行榜上排名第一

人工分析 K 模型比较：智能、性能和价格分析 Microevals Playground 对 AI 模型的关键性能指标（包括质量、价格、输出速度、延迟、上下文窗口等）进行比较和分析。单击任意模型即可查看详细指标。有关更多详细信息，包括与我们的方法相关的信息，请参阅我们的常见问题解答。智力 Claude Opus 5（最大）和 Claude Opus 5（xhigh）是智力最高的模型，其次是 Claude Fable 5（有后备）和 GPT-5.6 Sol（最大）。输出速度（令牌/秒）Mercury 2（821 t/s）和HyperNova 60B 2605（429 t/s）是最快的型号，其次是Gemini 3.5 Flash-Lite和Granite 4.0 H Small。延迟（秒）Gemini 2.5 Flash-Lite（0.34s）和Command A+（0.42s）是延迟最低的型号，其次是North Mini Code和Gemini 2.5 Flash。价格（每 M 代币美元） Devstral 2 (0.00 美元) 和 North Mini Code (0.00 美元) 是最便宜的型号，其次是 Gemma 3 4B 和 Gemma 3 27B 。上下文窗口 Llama 4 Scout (10M) 和 Grok 4.20 0309 (2M) 是最大的上下文窗口模型，其次是 Gemini 1.5 Pro（5 月）和 Grok 4.1 Fast。亮点 智能人工分析智能指数 · 越高越好 速度 每秒输出代币 · 越高越好 每个任务的成本 每个智能指数任务的加权平均成本（美元） · 越低越好 提示选项 智能人工智能指数 编码指数 Agentic Index 人工分析智能指数 人工分析智能指数 v4.1 包含 9 个评估：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、 CritPt、AA-Omniscience、AA-LCR 586 个模型中的 28 个 添加来自特定提供商的模型 推理模型由灯泡图标指示 Artificial Analysis Intelligence Index Artificial Analysis Intelligence Index v4.1 包括：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。有关更多详细信息，请参阅智力指数方法，包括每次评估的详细信息以及我们如何进行评估。开放权重/专有推理/非推理仅文本/多模态输入开放权重/专有人工智能分析智能指数 v4.1 包含 9 项评估：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR 28 of 586 个模型 从特定提供商添加模型 专有开放权重 开放权重（商业使用受限） 推理模型由灯泡图标指示 人工智能指数 人工智能指数 v4.1 包括：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR 。有关更多详细信息，请参阅智力指数方法，包括每次评估的详细信息以及我们如何进行评估。开放权重 指示模型权重是否可用。如果重量可用但商业用途受到限制（通常需要获得付费许可证），则模型会被标记为“商业用途受限”。智力分解 智力评估 通过人工分析独立测量的智力评估 · 越高越好 22 个评估中的 18 个 586 个模型中的 28 个 添加来自特定提供商的模型 GDPval-AA v2 代理现实世界工作任务，(Elo-500)/2000 𝜏³-银行 代理工具使用 Terminal-Bench v2.1 代理编码和终端使用 SciCode 编码 人类的最后考试推理和知识 GPQA 钻石科学推理CritPt 物理推理 AA-Omniscience 准确性 知识 AA-Omniscience 非幻觉率 1 - 幻觉率 AA-LCR 长上下文推理 AA-Briefcase 代理知识工作，Elo AutomationBench-AA 代理 SaaS 工作流程 Harvey LAB-AA 法律代理工作，标准通过率 EnterpriseOps-Gym-AA 新代理业务运营 IFBench 遵循 APEX-Agents-AA 的指令 长视野代理任务 ITBench-AA Kubernetes 事件根本原因分析 MMMU-Pro 视觉推理 推理模型由灯泡图标指示 智能评估相关性 虽然模型智能通常跨用例进行转换，但特定评估可能与某些用例更相关。人工分析智能指数 人工分析智能指数 v4.1 包括：GDPval-AA v2、𝜏³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR。有关更多详细信息，请参阅智力指数方法，包括每次评估的详细信息以及我们如何进行评估。 AA-Briefcase AA-Briefcase Elo AA-Briefcase 评分 (%) 分析质量和演示 Elo AA-Briefcase Elo AA-Briefcase 是由 Artificial Analysis 开发的代理知识工作基准。 AA-Briefcase Elo 是一个综合指标，聚合了标题通过率、分析质量 Elo 和演示 Elo · 越高越好 25