网站 AI模型网页 | |
提供商 提供该模型的实体机构 | |
聊天 输入消息开始聊天 | |
发布日期 模型首次发布时间 | 6 个月 ago 11月 24, 2025 |
模态 模型可处理的数据类型 | 文本 图像 |
API提供商 提供此模型的供应商（非完整列表） | Anthropic API, Amazon Bedrock, Google Vertex AI, Claude developer platform |
知识截止日期 模型知识最后更新时间 | 未知 |
开源 模型代码是否公开可用 | 否 |
输入定价 处理提示词中token的成本 | $5 每百万token |
输出定价 模型生成token的成本 | $25 每百万token |
MMLU 多任务语言理解测试 - 评估数学、历史、法律等57个学科的知识掌握 | 90.8% 来源 |
MMLU-Pro 增强版MMLU基准测试，包含更难的推理题、更多选项集并降低提示敏感性 | - |
MMMU 多任务多模态理解测试 - 评估文本、图像、音频和视频的综合理解能力 | 80.7% Validation 来源 |
HellaSwag 高难度句子补全基准测试 | - |
HumanEval 评估代码生成和问题解决能力 | - |
MATH 测试不同难度级别的数学问题解决能力 | - |
GPQA 通过需要深度专业知识的选择题测试化学、生物和物理领域的博士水平知识 | 87% Diamond 来源 |
IFEval 测试模型准确遵循格式指令、生成适当输出并在不同任务中保持指令一致性的能力 | - |
SimpleQA 评估简单问题的准确性 | - |
AIME 2024 | - |
AIME 2025 | 92.77% 来源 |
Aider Polyglot 多语言编程基准。 | - |
LiveCodeBench v5 实时编程基准测试 | - |
Global MMLU (Lite) 用于评估模型在全球层面通用性的简化基准测试。 | - |
MathVista 评估人工智能模型在视觉环境中的数学推理能力 | - |
移动应用 |