gpt-5.3-codex
偏代码工作的 GPT 模型
更偏向仓库编辑、软件工程流程和 agent 循环的 GPT 档位。
代码生成仓库编辑Agent 循环
在已检查来源中未确认到精确公开 coding benchmark 行。
本模型列表中的所有模型都参与统一账号等级折扣：注册即省 25%，用量增长后最高省 30%。页面按模型家族和厂商分组展示，benchmark 仅采用可确认的公开精确行，不用相近型号强行替代。
按模型家族和厂商分组，并将 GLM 5.2 与 DeepSeek V4 排在 Gemini 之前。
3 个模型
偏代码工作的 GPT 模型
更偏向仓库编辑、软件工程流程和 agent 循环的 GPT 档位。
面向通用推理的旗舰 GPT 模型
更偏向强推理、复杂指令跟随和通用助手任务的 GPT 档位。
适合高吞吐场景的轻量 GPT 模型
更轻量的 GPT 选项，适合低成本流量、后台任务和简单代码辅助。
3 个模型
适合轻量任务的快速 Claude 模型
更轻量的 Claude 选项，适合快速响应、常规助手对话和低成本后台任务。
面向复杂推理的高端 Claude 模型
Claude 家族中的高能力档位，适合复杂推理、审阅密集型流程和高准确度工程任务。
适合日常工程工作的均衡 Claude 模型
更均衡的 Claude 档位，适合日常编码、助手工作流和混合推理任务。
2 个模型
多语言通用助手模型
适合多语言助手流程和通用应用集成的 GLM 家族模型。
面向多语言推理与编码的高能力 GLM 模型
GLM 家族的当前型号，适合复杂推理、代码辅助、工具编排和多语言工作流。
2 个模型
快速且兼顾成本的 DeepSeek V4 模型
DeepSeek V4 的高吞吐型号，适合推理、编码、自动化和重视成本效率的生产负载。
能力更强的 DeepSeek V4 模型
DeepSeek V4 的高能力型号，适合复杂推理、Agent 编码和长上下文生产任务。
1 个模型
偏推理导向的通用模型
Kimi 家族中适合长上下文和工程类工作流的型号，在公开软件工程榜单中已有明确信号。
1 个模型
兼顾推理与编码的模型
MiniMax 家族中公开 SWE-bench Verified 信号较强的一款模型。
3 个模型
快速响应的 Qwen 模型
更偏向低延迟和轻量助手、轻量编码流程的 Qwen 档位。
均衡型 Qwen 模型
位于 flash 和更重推理档位之间的均衡 Qwen 选项。
能力更强的 Qwen 模型
更新一代的 Qwen 型号，适合更复杂的推理和企业助手场景。
3 个模型
快速响应的 Gemini 预览模型
偏向快速响应与交互式助手工作流的 Gemini 预览档位。
轻量级 Gemini 预览模型
更轻量的 Gemini 预览选项，适合低成本高吞吐和简单助手场景。
能力更强的 Gemini 预览模型
更偏向复杂推理和更重任务的 Gemini 预览档位。
下表优先展示可公开验证的精确结果，而不是把同一家族的近似型号强行折算成一个分数。这样覆盖率会更低，但信息更可信。
| 模型 | 厂商 | 公开 benchmark |
|---|---|---|
claude-haiku-4.5 适合轻量任务的快速 Claude 模型 | Anthropic | 在当前已检查来源中未确认到精确公开分数。 |
claude-opus-4.6 面向复杂推理的高端 Claude 模型 | Anthropic | |
claude-sonnet-4.6 适合日常工程工作的均衡 Claude 模型 | Anthropic | SWE-bench VerifiedClaude 4.5 Sonnet (high reasoning) 71.40 % resolved 快照日期: 2026-02-17 仅作同家族参考。公开榜单可查到 Claude 4.5 Sonnet，但没有 claude-sonnet-4.6 的精确行。 查看来源 |
deepseek-v4-flash 快速且兼顾成本的 DeepSeek V4 模型 | DeepSeek | 在当前已检查来源中未确认到精确公开分数。 |
deepseek-v4-pro 能力更强的 DeepSeek V4 模型 | DeepSeek | 在当前已检查来源中未确认到精确公开分数。 |
gemini-3-flash-preview 快速响应的 Gemini 预览模型 | 在当前已检查来源中未确认到精确公开分数。 | |
gemini-3.1-flash-lite-preview 轻量级 Gemini 预览模型 | 在当前已检查来源中未确认到精确公开分数。 | |
gemini-3.1-pro-preview 能力更强的 Gemini 预览模型 | 在当前已检查来源中未确认到精确公开分数。 | |
glm-4.7 多语言通用助手模型 | Zhipu AI | OpenCompass69.3 Code 分数 快照日期: 2026-02-11 CompassBench LLM 榜单行：GLM-4.7 Open Source - Zhipu AI。这里引用的是榜单中的 Code 维度，不是 SWE-bench resolved rate。 查看来源 |
glm-5.2 面向多语言推理与编码的高能力 GLM 模型 | Zhipu AI | 在当前已检查来源中未确认到精确公开分数。 |
gpt-5.3-codex 偏代码工作的 GPT 模型 | OpenAI | SWE-bench VerifiedGPT-5-2 Codex 72.80 % resolved 快照日期: 2026-02-19 仅作同家族参考。公开榜单可查到 GPT-5-2 Codex，但没有 gpt-5.3-codex 的精确行。 查看来源 |
gpt-5.4 面向通用推理的旗舰 GPT 模型 | OpenAI | SWE-bench VerifiedGPT-5-2 (high reasoning) 72.80 % resolved 快照日期: 2026-02-17 仅作同家族参考。公开榜单可查到 GPT-5-2，但没有 gpt-5.4 的精确行。 查看来源 |
gpt-5.4-mini 适合高吞吐场景的轻量 GPT 模型 | OpenAI | SWE-bench VerifiedGPT-5 Mini 56.20 % resolved 快照日期: 2026-02-17 仅作同家族参考。公开榜单可查到 GPT-5 Mini，但没有 gpt-5.4-mini 的精确行。 查看来源 |
kimi-k2.5 偏推理导向的通用模型 | Moonshot AI | |
MiniMax-M2.5 兼顾推理与编码的模型 | MiniMax | |
qwen3.5-flash 快速响应的 Qwen 模型 | Alibaba Qwen | 在当前已检查来源中未确认到精确公开分数。 |
qwen3.5-plus 均衡型 Qwen 模型 | Alibaba Qwen | 在当前已检查来源中未确认到精确公开分数。 |
qwen3.6-plus 能力更强的 Qwen 模型 | Alibaba Qwen | 在当前已检查来源中未确认到精确公开分数。 |
这些公开来源用于判断某个模型是否可以展示精确 benchmark 行。
来源 1
SWE-bench Verified
SWE-bench Verified 官方榜单，用于确认精确公开模型行和 resolved 比例。
来源 2
Aider public leaderboards
Aider 公共 coding leaderboard，用于补充编码能力信号，但只有精确当前型号才适合放进正式页面。
来源 3
LiveCodeBench
LiveCodeBench 公开榜单，用于在存在明确同名模型行时补充参考。
来源 4
OpenCompass
OpenCompass CompassBench LLM 榜单，当精确模型行包含可直接引用的 Code 维度时纳入参考。
如果你需要页面里暂未列出的模型，可以联系我们：[email protected]。