AI 模型评测目录

OPEN BENCHMARKS长期追踪目录

观察模型在真实开发任务中的多轮修复、交互与工程完成度。这一页按报告期次列出该类别的全部成绩，分数、成本与数据日期都标在表里，方便在同一类里挑更稳或更省的模型。三类评测（推理 / Agentic / 视觉）分数互不换算，别跨类比较名次。

收录规模 6 个数据集 当前 23 条模型记录 · 按类别与数据集切换

类别：Agentic 数据集：2026-10 · 月榜 记录数：23 该类别数据集：6 个 1/A 代表扣分数/档位


Opus 5.5 (max) 推理 Anthropic Claude	Pass	Pass	4/A+¥341.72	Perfect(211.83)	6/A¥290.08	2/A+¥1365.55	5	Claude Code
GPT-6 Astra (max) 推理 OpenAI	5/A+¥41.53	3/A+¥64.74	4/A+¥75.84	5/A¥61.32	8/B+¥114.59	10/A¥91.22	4	Codex CLI
GPT-6.1 Sol (max) 推理 OpenAI	Pass	Pass	10/A¥16.90	6/A¥46.00	Pending	9/A¥18.70	0	Codex CLI
Fable 5 (high) 推理 Anthropic Claude	2/A+¥90.52	3/A+¥103.95	7/A¥59.02	Skip	Skip	Skip	1	Claude Code
Gemini 4 Argon (high) 推理 Google Gemini	10/B¥5.87	Skip	11/B¥8.46	5/A¥20.88	13/C+¥33.58	Pending	0	OpenCode CLI
DeepSeek V4.1 Flash 1017 (max) 推理 DeepSeek 深度求索	10/B+¥5.88	Skip	17/B¥10.77	4/A+¥21.83	14/C+¥12.01	13/B¥6.21	2	DSH
Kimi-K3.1-Pro (max) 推理月之暗面 Kimi	5/B+¥12.60	Pass	17/B¥38.77	11/B¥80.81	13/D+¥110.89	16/B¥25.80	1	Kimi Code
Kimi-K3 (max) 推理月之暗面 Kimi	6/A¥29.59	5/A¥43.22	22/B¥43.23	28/D+¥383.49	25/D¥193.42	26/C+¥267.49	2	Claude Code
Grok 4.7 (high) 推理 xAI Grok	8/B¥53.87	3/A+¥15.68	14/C+¥32.91	12/C+¥139.47	Skip	Skip	0	Grok Build
GLM-5.3 (max) 推理 Z.AI（智谱国际版）	8/B+¥11.48	7/A¥25.25	20/C+¥90.76	30/D¥83.29	24/D¥343.68	Failed	0	Claude Code
Qwen3.8-Max-0902 (max) 推理阿里云百炼（通义千问）	8/B¥28.26	7/A¥109.76	21/C¥102.71	13/D¥211.18	Skip	26/D¥347.42	0	Claude Code
Gemini 3.7 Flash (high) 推理 Google Gemini	14/B¥9.38	8/B¥16.84	14/B¥14.28	34/D¥28.93	Skip	Skip	4	OpenCode CLI
Hy4 preview (high) 推理	12/B¥4.23	5/B+¥15.32	18/C+¥37.80	20/D¥33.23	Failed	Skip	0	Claude Code
MiMo-V2.6-Pro (high) 推理小米 MiMo	16/C¥10.11	5/B+¥1.55	14/B¥7.23	Failed	Skip	Failed	0	Claude Code
DeepSeek V4.1 Flash (max) 推理 DeepSeek 深度求索	12/B¥2.79	7/B¥2.92	Failed	20/C¥5.88	Skip	Skip	0	Claude Code
Haiku 5.5 (xhigh) 推理 Anthropic Claude	14/B¥9.36	1/A+¥18.81	Failed	28/D+¥24.43	Skip	Skip	0	Claude Code
Seed-2.1-Pro 0915 (high) 推理字节豆包（火山方舟）	11/B¥20.89	5/A¥50.68	Failed	30/D¥71.77	Skip	Skip	0	Claude Code
GLM-5.3-Flash (max) 推理 Z.AI（智谱国际版）	9/B¥4.21	13/B¥6.63	Failed	Skip	Skip	Skip	0	Claude Code
MiniMax-M3.1-Flash (max) 推理 MiniMax 海螺	15/C¥3.84	Skip	Failed	Skip	Skip	Skip	0	Claude Code
Muse Spark 1.2 (xhigh) 推理 Meta	26/C¥15.82	11/B¥17.76	Failed	Skip	Skip	Skip	0	Claude Code
Hy3 (high) 推理腾讯混元	10/B¥2.01	20/C+¥13.29	Failed	Failed	Skip	Skip	0	Claude Code
GPT-5.6 Luna (max) 推理 OpenAI	27/C¥3.84	21/C¥4.90	Failed	Skip	Skip	Skip	0	Codex
MiniMax-M3 推理 MiniMax 海螺	30/D¥2.42	17/C+¥8.28	Failed	Skip	Skip	Skip	1	Claude Code