綜合表現最佳
封閉模型
Anthropic
- 智慧指標
- 58.4
- 速度
- 96.6tok/s
- 輸入/輸出
- $4 / $20
- Context
- 1M
最適合
複雜推理、程式開發與長程 Agent 任務
先看結論
綜合表現最佳
封閉模型
Anthropic
最適合
複雜推理、程式開發與長程 Agent 任務
最佳開放模型
開放權重
DeepSeek
最適合
採用稀疏 MoE 的文字與圖片處理
最佳價格效能比
封閉模型
Anthropic
最適合
大量摘要、子 Agent 與瀏覽器操作
OpenRouter 使用量
依 OpenRouter 實際處理的 Prompt、Completion 與 Reasoning token 排序,只顯示前 20 名。
從 Benchmark 回到決策
九種常見的正式環境情境,以及團隊在承諾採用一個模型之前,需要看清楚的取捨。
目前情境
01 / 09
決策視圖
匹配理由
排名方法
排行榜綜合公開 Benchmark 訊號、價格、實測吞吐量、Context 與部署限制。它是決策工具,不是對模型品質的唯一答案。
價值分數
(智慧指標 − 25)² × min(1,速度 ÷ 30)÷(輸入成本 + 輸出成本 × 3)
輸出成本以 3 倍計入,反映正式環境多半偏輸出的使用型態;智慧指標平方,避免便宜但能力不足的模型主導排名。
公開參考來源
價格與效能可能隨時變動。採購前,請用自己的 Prompt、基礎設施與風險條件重新驗證最後候選。
FAQ
第一列與「整體最佳」卡片會顯示目前以智慧指標為主的領先模型。但當價格、延遲、部署與任務評測加入後,適合的選擇可能完全不同。
「最佳開放模型」卡片只會從已驗證可下載權重的模型中,依照與主表相同的智慧指標排序重新計算。
「最佳價值」卡片會在智慧指標、速度或基礎 token 價格獲得新驗證資料後,依照頁面公開公式重新計算。
不代表。Context 容量只說明能送入多少內容;檢索設計、指令品質、模型注意力行為與評測方式,才決定這些內容是否真的產生好答案。
排程會每週及重大模型發布後重新校驗。若來源失敗或互相矛盾,頁面會保留上一份已驗證快照,不會發布不完整資料。
預設順序採用公開智慧指標;速度、價格、Context、開放性與獨立的價值公式會並列呈現,讓團隊可以挑戰預設排序。
Tenten 不透過這個頁面販售模型 token。所有公開來源與假設都會列出,正式採用前仍建議進行任務專屬評測。
TENTEN AI · MODEL EVALUATION
排行榜只是起點
模型探索器
沒有任何一個分數能說完整個故事。先縮小範圍、看懂取捨,再把最後候選放在一起比較。
23個模型
| 比較模型 | 模型 | 適合情境 | ||||||
|---|---|---|---|---|---|---|---|---|
| #1 | 58.4 | 96.6 tok/s | 17.4 | $4 / $20input / output | 1M | 複雜推理、程式開發與長程 Agent 任務 | ||
| #2 | 56.9 | 78.2 tok/s | 6.3 | $10 / $50input / output | 1.1M | 深度分析、軟體開發與科學研究 | ||
| #3 | 54.5 | 79.3 tok/s | 27.2 | $2 / $10input / output | 1.1M | 程式 Agent、電腦操作與大量文件處理 | ||
| #4 | 54.2 | 139.3 tok/s | 26.7 | $2 / $10input / output | 1M | 日常功能開發與錯誤修正 | ||
| #5 | 51.0 | 97.2 tok/s | 42.2 | $1 / $5input / output | 1.1M | 日常 Agent、程式開發與螢幕截圖判讀 | ||
| #6 | 49.0 | 68.7 tok/s | 3.6 | $10 / $50input / output | 1M | 大型程式重構與長時間 Agent 工作流 | ||
| #7 | 46.0 | 30.9 tok/s | 13.8 | $2 / $10input / output | 1.0M | 長程程式任務與圖片、影片輸入 | ||
| #8 | 43.3 | 143.1 tok/s | 5.2 | $4 / $20input / output | 1.0M | 支援多模態輸入的個人與工作用 Agent | ||
| #9 | 36.2 | 235.2 tok/s | 78.9 | $0.10 / $0.50input / output | 1M | 大量摘要、子 Agent 與瀏覽器操作 | ||
| #10 | 34.3 | 86.8 tok/s | 4.4 | $2 / $6input / output | 500K | 長時間軟體開發與知識工作 | ||
| #11 | 33.6 | 40.1 tok/s | 3.7 | $2 / $6input / output | 1M | 文字、圖片與影片的多模態處理 | ||
| #12 | 32.5 | 175 tok/s | 28.8 | $0.15 / $0.60input / output | 1.0M | 採用稀疏 MoE 的文字與圖片處理 | ||
| #13 | 31.7 | 75.8 tok/s | 4.1 | $0.08 / $3.6input / output | 1.0M | 複雜軟體開發與長程 Agent 任務 | ||
| #14 | 30.5 | 120.3 tok/s | 2.3 | $0.83 / $4.13input / output | 1.0M | 程式開發、Agent 與多步驟推理 | ||
| #15 | 29.9 | 49.4 tok/s | 7.9 | $0.44 / $0.87input / output | 1.1M | 文字、圖片、影音等多模態任務 | ||
| #16 | 28.9 | 118.9 tok/s | 15.7 | $0.08 / $0.30input / output | 1.0M | 複雜 Agent、程式開發與資安任務 | ||
| #17 | 28.5 | 165.4 tok/s | 1.4 | $1 / $2.7input / output | 1.0M | 結合圖片、影片輸入的程式 Agent | ||
| #18 | 27.8 | 118.3 tok/s | 4.7 | $0.10 / $0.50input / output | 1.1M | 大量對話、分類與輕量 Agent | ||
| #19 | 26.0 | 161.3 tok/s | 0.2 | $0.70 / $2.1input / output | 1.0M | 多模態推理、程式開發與 Agent 任務 | ||
| #20 | 24.7 | 139.3 tok/s | 0.0 | $1.25 / $4.25input / output | 1.0M | 程式 Agent、工具呼叫與程式庫理解 | ||
| #21 | 20.1 | 38.3 tok/s | 4.1 | $0.15 / $1.88input / output | 1M | 程式開發、研究與長程多模態 Agent | ||
| #22 | 17.7 | 299.3 tok/s | 16.3 | $0.25 / $1input / output | 1.0M | 程式開發與長程 Agent 工作流 | ||
| #23 | 12.5 | 195.7 tok/s | 11.9 | $1 / $4.05input / output | 524K | 通用推理、程式開發與工具型 Agent |
最適合
複雜推理、程式開發與長程 Agent 任務
最適合
深度分析、軟體開發與科學研究
最適合
程式 Agent、電腦操作與大量文件處理
最適合
日常功能開發與錯誤修正
最適合
日常 Agent、程式開發與螢幕截圖判讀
最適合
大型程式重構與長時間 Agent 工作流
最適合
長程程式任務與圖片、影片輸入
最適合
支援多模態輸入的個人與工作用 Agent
最適合
大量摘要、子 Agent 與瀏覽器操作
最適合
長時間軟體開發與知識工作
最適合
文字、圖片與影片的多模態處理
最適合
採用稀疏 MoE 的文字與圖片處理
最適合
複雜軟體開發與長程 Agent 任務
最適合
程式開發、Agent 與多步驟推理
最適合
文字、圖片、影音等多模態任務
最適合
複雜 Agent、程式開發與資安任務
最適合
結合圖片、影片輸入的程式 Agent
最適合
大量對話、分類與輕量 Agent
最適合
多模態推理、程式開發與 Agent 任務
最適合
程式 Agent、工具呼叫與程式庫理解
最適合
程式開發、研究與長程多模態 Agent
最適合
程式開發與長程 Agent 工作流
最適合
通用推理、程式開發與工具型 Agent