Возможности моделей

Сравните модели по восьми измерениям: от интеллекта до стоимости использования и скорости отклика.

Общий интеллект

Сравните общие способности к рассуждению, программированию и интеллектуальной работе.

В этой выборке Opus 5.5 лидирует с 58; Fable 5.1 и GPT-6 Astra округляются до 53. Учитывайте настройки рассуждения.

Отдельно изучите программирование, рассуждение, фактические знания, длинный контекст и визуальное мышление.

Показать 19 графиков оценок19 оценок · разные шкалы

Лидеры зависят от задачи: код — Terminal-Bench и SciCode, длинный контекст — AA-LCR, визуальное рассуждение — MMMU-Pro.

Оцените способность агента превратить сложное задание в полезный результат.

В этой выборке Opus 5.5 достигает 1822 Elo, Fable 5.1 — 1678, Grok 4.7 — 1657.

Найдите нужные возможности при приемлемой стоимости задачи.

Левая верхняя область сочетает высокие способности и низкую стоимость. Пунктирная граница помогает найти эффективные варианты в выборке.

Узнайте расход токенов рассуждения и ответа на одну тестовую задачу.

Opus 5.5 расходует около 119k выходных токенов на задачу, GPT-6 Sol — 31k. Значительная доля приходится на рассуждение.

Сравните доступный объём для документов, кода и истории диалога.

Многие модели в выборке предлагают контекст около 1M токенов; Grok 4.7 — 500k, Mistral Medium 3.5 — 256k.

Сравните скорость поступления текста после начала генерации.

В выборке Gemini 3.5 Flash-Lite достигает 337 токенов/с, Gemini 3.8 Flash при high — 285. Высокая скорость полезна для длинных ответов.

Измерьте ожидание первого токена ответа для пользователя.

Grok 4.7 при xhigh показывает 54,4 с, GPT-6 Astra при max — 292,2 с. Размышление может составлять основную часть ожидания.