对比:大模型 & 显卡
大模型对比:任选最多 6 个模型,规格参数与评测成绩放在同一页逐项比分;显卡对比:显存容量、带宽速度、功耗与每 GB 成本并排看。
规格参数对比
| 参数 | ||||
|---|---|---|---|---|
| 厂商 | Anthropic | OpenAI | Google DeepMind | DeepSeek |
| 授权形态 | 闭源商业 | 闭源商业 | 闭源商业 | 开源 · MIT |
| 发布日期 | 2026-11-09 | 2026-11-17 | 2026-11-10 | 2026-08-13 |
| 参数规模 | 未公开 | 未公开 | 未公开 | MoE 1.6T / A49B |
| 上下文窗口 | 1M | 1.05M | 1.05M | 1.02M |
| 最大输出 | 128K | 128K | 66K | 384K |
| 输入模态 | Text + Image + PDF | Text + Image + PDF | Text + Image + Video + Audio + PDF | Text |
| 深度思考 | ✅ | ✅ | ✅ | ✅ |
| 输入价 /1M | $8 | $8 | $2 | $1.32 |
| 输出价 /1M | $40 | $40 | $10 | $3.96 |
| 缓存命中价 /1M | $0.2 | $0.4 | $0.1 | $0.044 |
八维能力雷达(全库相对位置)
Claude Fable 5.2(单项胜 8)GPT-6.2 Astra(单项胜 2)Gemini 4 Carbon(单项胜 2)DeepSeek-V4-Pro (1.6T MoE)(单项胜 0)
| 能力维度(分数 · 全库排名) | ||||
|---|---|---|---|---|
| 🏆 综合能力 | 🏆 63.7 #1 | 62.4 #3 | 60.7 #5 | 45.1 #64 |
| 🧠 深度推理 | 🏆 63.7 #1 | 61.0 #3 | 58.8 #5 | 45.5 #59 |
| 💻 代码编程 | 🏆 55.0 #1 | 52.5 #2 | 50.6 #5 | 35.2 #58 |
| 📐 数学 | 🏆 58.7 #1 | — | 25.0 #107 | 45.2 #25 |
| 🤖 Agent 智能体 | 🏆 50.6 #2 | 49.9 #3 | 47.9 #4 | 27.4 #71 |
| 🛠️ 工具调用 | 44.7 #3 | 🏆 46.2 #1 | 41.4 #5 | 29.3 #58 |
| 🎨 多模态 | 🏆 49.5 #1 | — | 42.8 #9 | — |
| 👁️ 视觉理解 | 🏆 53.6 #1 | — | 43.1 #12 | 35.4 #44 |
| 📜 长上下文 | — | — | 🏆 42.3 #2 | 34.7 #13 |
| 🖌️ 前端开发 | — | — | 31.5 #30 | 🏆 40.2 #8 |
| 🌐 多语言 | 38.7 #20 | — | — | 🏆 45.1 #5 |
| 🔎 联网搜索 | — | — | — | 🏆 31.2 #23 |
| ⚛️ 理科(物理) | — | 🏆 53.5 #1 | — | 42.5 #30 |
| 🩺 医疗健康 | 🏆 44.0 #8 | 40.0 #21 | — | 43.7 #9 |
| 💹 金融 | — | — | — | 🏆 43.7 #7 |
| ⚖️ 法律 | — | — | — | 🏆 43.7 #7 |
📋 逐项评测比分(12 项至少 2 个模型都有成绩)
颜色越深越接近该项第一名;— 表示厂商未公布该项成绩;点击评测名查看全库排名
| 评测项目 | Claude Fable 5.2 | GPT-6.2 Astra | Gemini 4 Carbon | DeepSeek-V4-Pro (1.6T MoE) |
|---|---|---|---|---|
| Terminal-Bench-Science 0.1 由斯坦福大学牵头构建的科研终端智能体基准,包含生命科学、物理、地球科学、数学与工程领域的 70 项真实科研命令行工作流任务。 | 74.6% | 🏆 77.1% | 64.8% | — |
| GPQA 研究生级防搜索科学问答基准(GPQA Diamond),含 448 道物理、化学与生物学专家编写的高难度选择题(人类博士跨领域准 确率仅约 65%),重点检验深度专业推理。 | — | 🏆 97% | — | 90.1% |
| Humanity's Last Exam 「人类最后的考试」(HLE),由全球学者联合出题的 2,500 道数学、人文与自然科学前沿难题(图文多模态),专门测试大模型在人类知识边界上的推理极限。 | 🏆 73.2% | — | — | 48.2% |
| SWE-Bench Pro SWE-Bench 高阶专业版,聚焦需要跨文件长链推理与复杂架构改动的真实工业级软件工程任务。 | 🏆 93% | — | — | 55.4% |
| SWE-bench Multilingual 覆盖 Java、TypeScript、JavaScript、Go、Rust、C 与 C++ 等主流语言的 1,632 道真实开源仓库 Issue 修复评测。 | 🏆 96.6% | — | — | 76.2% |
| AutomationBench 真实工作流自动化基准,测试 AI 智能体编排多种工具自动完成跨应用日常办公任务的成功率。 | 51.4% | — | 🏆 53.9% | — |
| HealthBench Professional OpenAI 临床医生专业医疗评测,使用真实临床诊疗风格对话并由执业医师编写多维评分细则,衡量医疗辅助准确性与安全性。 | 🏆 67.7% | 66.3% | — | — |
| SEC-bench Pro 自演化软件安全漏洞挖掘基准,在 V8 与 SpiderMonkey 浏览器引擎等高复杂度真实核心系统中检验智能体自主找洞能力。 | — | 86.8% | 🏆 88.2% | — |
| Chartography (no tools) 不使用外部代码工具、纯靠原生视觉能力解读复杂专业图表的 Chartography 评测。 | 🏆 73.4% | — | 72.5% | — |
| OSWorld 2.1 (partial) OSWorld 2.1 桌面电脑操作按步骤部分得分(Partial-Credit)评测。 | 🏆 89.3% | — | 81.5% | — |
| FrontierSWE V2 FrontierSWE V2 开放式大型技术工程项目智能体评测(按 5 次运行均值 mean@5 计分)。 | 🏆 69.9% | — | 61.2% | — |
| FrontierCode 2.0 Cognition 推出的端到端编码智能体质量基准(2.0),不仅检验单测通过率,还评估代码变更是否达到开源维护者可直接合并(Mergeable)的工程标准。 | 🏆 49.1% | 44.2% | — | — |