AI 模型评测

Nuvora 的每一款模型，
都用公开成绩说话。

Nuvora 可选的文本、图像与视频 AI 模型，逐一放进公开评测比较。选模型，看数据，不凭习惯。

每月更新两次

快速

速度快、成本低，适合草稿与短帖

默认运行 GPT-6 Luna

均衡

质量可靠、成本合理，胜任大多数工作

默认运行 Claude Sonnet 5.5

旗舰

能力最强，用于重要内容与复杂问题

默认运行 Claude Opus 5.5

评测成绩：文本

Nuvora 中可选的文本模型。点击列标题即可排序。

Nuvora 中可选的文本模型。点击列标题即可排序。
Claude Opus 5.5 Anthropic 旗舰 57.6 （在新标签页打开） 1508 （在新标签页打开） 95 （在新标签页打开） 61.4% （在新标签页打开）
Claude Sonnet 5.5 Anthropic 均衡 56 （在新标签页打开） 1475 （在新标签页打开） 137 （在新标签页打开） 55% （在新标签页打开）
GPT-6.1 Sol OpenAI 51.8 （在新标签页打开） 1484 （在新标签页打开） 59 （在新标签页打开） 52.9% （在新标签页打开）
Claude Fable 5 Anthropic 49.6 （在新标签页打开） 1503 （在新标签页打开） 66 （在新标签页打开） 55.5% （在新标签页打开） 92.6% （在新标签页打开） 98.5% （在新标签页打开）
GPT-5.6 Sol OpenAI 47 （在新标签页打开） 1485 （在新标签页打开） 94 （在新标签页打开） 49.5% （在新标签页打开） 94.1% （在新标签页打开） 85.1% （在新标签页打开）
Grok 4.7 xAI 46.4 （在新标签页打开） 1444 （在新标签页打开） 86 （在新标签页打开） 43.1% （在新标签页打开）
GLM 5.3 Zhipu 44.8 （在新标签页打开） 1479 （在新标签页打开） 62 （在新标签页打开） 42.3% （在新标签页打开） 91.7% （在新标签页打开）
Grok 4.6 xAI 44.3 （在新标签页打开） 1455 （在新标签页打开） 56 （在新标签页打开） 42.9% （在新标签页打开） 94.9% （在新标签页打开）
Kimi K3 Kimi 43.6 （在新标签页打开） 1488 （在新标签页打开） 45 （在新标签页打开） 46.9% （在新标签页打开） 93.5% （在新标签页打开）
Claude Haiku 5.5 Anthropic 43.4 （在新标签页打开） 237 （在新标签页打开） 44.4% （在新标签页打开）
GPT-5.6 Terra OpenAI 42.1 （在新标签页打开） 1466 （在新标签页打开） 132 （在新标签页打开） 42.9% （在新标签页打开） 92.5% （在新标签页打开） 86.3% （在新标签页打开）
GLM 5.3 Flash Zhipu 41.8 （在新标签页打开） 1474 （在新标签页打开） 67 （在新标签页打开） 39.9% （在新标签页打开） 91.2% （在新标签页打开）
GLM 5.3 FlashX Zhipu 41.8 （在新标签页打开） 1474 （在新标签页打开） 39.9% （在新标签页打开） 91.2% （在新标签页打开）
Qwen 3.8 Max Qwen 40.2 （在新标签页打开） 1482 （在新标签页打开） 39 （在新标签页打开） 43% （在新标签页打开） 92.7% （在新标签页打开）
Qwen 3.8 Flash Qwen 39.8 （在新标签页打开） 51 （在新标签页打开） 38% （在新标签页打开） 92.3% （在新标签页打开）
Mistral Large 4 Mistral 38.4 （在新标签页打开） 1431 （在新标签页打开） 35% （在新标签页打开）
GPT-6 Luna OpenAI 快速 38.1 （在新标签页打开） 1443 （在新标签页打开） 135 （在新标签页打开） 38.5% （在新标签页打开）
GPT-5.6 Luna OpenAI 37.3 （在新标签页打开） 1453 （在新标签页打开） 122 （在新标签页打开） 39.5% （在新标签页打开） 91.1% （在新标签页打开）
GPT-5.2 OpenAI 30.4 （在新标签页打开） 1435 （在新标签页打开） 81 （在新标签页打开） 37.7% （在新标签页打开） 90.3% （在新标签页打开） 84.8% （在新标签页打开）
DeepSeek V4 Pro DeepSeek 30.4 （在新标签页打开） 1458 （在新标签页打开） 100 （在新标签页打开） 37.5% （在新标签页打开） 88.8% （在新标签页打开） 96.2% （在新标签页打开）
Qwen 3.7 Plus Qwen 25.2 （在新标签页打开） 1456 （在新标签页打开） 56 （在新标签页打开） 35.6% （在新标签页打开） 90% （在新标签页打开） 93% （在新标签页打开）
Grok 4.20 Reasoning xAI 25.2 （在新标签页打开） 1472 （在新标签页打开） 32.4% （在新标签页打开） 88.5% （在新标签页打开） 96.5% （在新标签页打开）
DeepSeek V4 Flash DeepSeek 24.2 （在新标签页打开） 1436 （在新标签页打开） 37 （在新标签页打开） 34.8% （在新标签页打开） 89.4% （在新标签页打开） 95% （在新标签页打开）
GLM 5V Turbo Zhipu 23.5 （在新标签页打开） 1434 （在新标签页打开） 17.1% （在新标签页打开） 80.9% （在新标签页打开） 98.5% （在新标签页打开）
Grok 4.1 Fast xAI 20.4 （在新标签页打开） 1430 （在新标签页打开） 19.3% （在新标签页打开） 85.3% （在新标签页打开） 93.3% （在新标签页打开）
GPT-5 Mini OpenAI 16.8 （在新标签页打开） 1390 （在新标签页打开） 157 （在新标签页打开） 21.5% （在新标签页打开） 82.8% （在新标签页打开） 68.4% （在新标签页打开）
Mistral Medium 3.5 Mistral 14.2 （在新标签页打开） 1427 （在新标签页打开） 167 （在新标签页打开） 13.8% （在新标签页打开） 74.8% （在新标签页打开） 94.2% （在新标签页打开）
GPT-5 Nano OpenAI 13 （在新标签页打开） 1338 （在新标签页打开） 199 （在新标签页打开） 9.5% （在新标签页打开） 67.6% （在新标签页打开） 36.5% （在新标签页打开）
Mistral Small Mistral 11.3 （在新标签页打开） 165 （在新标签页打开） 9.9% （在新标签页打开） 76.9% （在新标签页打开） 41.2% （在新标签页打开）
Mistral Large 3 Mistral 9.3 （在新标签页打开） 1414 （在新标签页打开） 74 （在新标签页打开） 4.2% （在新标签页打开） 68% （在新标签页打开） 24.6% （在新标签页打开）
Qwen 3.8 Omni Flash Qwen 91% v (由模型厂商自行公布) （在新标签页打开）
  • 价格档位从 $ 到 $$$$，仅表示文本模型之间的相对高低，并非实际价格。
  • 由模型厂商自行公布
  • 暂无公开数据，我们从不自行估算

各项评测测的是什么：文本

单项测试得分高，并不代表模型样样都强。写营销文案，建议先看综合指数和竞技场排名：后者由真实用户投票，选出更好的回答。

Intelligence Index

综合十项高难度测试（推理、知识、编程与智能体任务）的总分，是比较整体能力最快捷的方式。

Artificial Analysis （在新标签页打开） · 4.3 版，共十项测试，各模型均采用其最强推理设置

LMArena Text

基于数百万次盲测投票得出的评分：用户在两个回答中选出更好的一个。它反映人们更偏爱哪个模型的回答。

LMArena （在新标签页打开） · 文本总榜（启用风格控制）

输出速度

模型开始作答后每秒输出的 token 数（大致相当于词数）。数值越高，感觉越快。

Artificial Analysis （在新标签页打开） · Artificial Analysis 测得的中位速度

Humanity's Last Exam

约 2,000 道跨多个领域的高难度专家级题目。即便最强的模型，得分也远低于 100%。

Artificial Analysis （在新标签页打开） · 不使用工具

GPQA Diamond

研究生水平的科学题目，即便借助网络搜索也很难作答，用于检验专家级推理能力。

Artificial Analysis （在新标签页打开） · 最新模型已不再参与此项测试，显示为短横线

tau2-bench Telecom

一段客服对话：模型须正确调用工具并遵守规则。

Artificial Analysis （在新标签页打开） · 最新模型已不再参与此项测试，显示为短横线

现在开始

准备好让LinkedIn
开始产生业务价值了吗？

说说你的情况，我们来看看Linkedin上有什么现成的机会。

预约沟通 查看价格

30分钟，不推销，就聊实际的。