上游已不再提供这个模型(最后出现于 2026-11-18),下面的资料停留在当时。
OpenRouter 评测
在 OpenRouter 查看Design Arena 设计对战
真人对比两个模型完成的同一设计任务并投票,按胜负计算 ELO 分;排名是同类别所有参赛模型里的名次。
- 3D 场景#92 / 157
1119
ELO · 胜率 57.8%
- 游戏开发#101 / 166
1127
ELO · 胜率 54.8%
- 数据可视化#96 / 156
1154
ELO · 胜率 56.5%
- 3D 场景#100 / 157
1106
ELO · 胜率 55%
- 游戏开发#108 / 166
1122
ELO · 胜率 55.4%
- 网站#121 / 177
1136
ELO · 胜率 52.4%
- UI 组件#112 / 162
1117
ELO · 胜率 57.9%
- 网站#123 / 177
1130
ELO · 胜率 50.6%
- 编程综合#117 / 168
1129
ELO · 胜率 53.4%
- UI 组件#113 / 162
1113
ELO · 胜率 53.6%
- 编程综合#120 / 168
1124
ELO · 胜率 51.5%
- 数据可视化#116 / 156
1109
ELO · 胜率 53.2%
- SVG 矢量图#90 / 117
1068
ELO · 胜率 51.1%
- SVG 矢量图#95 / 117
1052
ELO · 胜率 47.8%
OpenRouter 实测
OpenRouter 自己调用模型跑的评测,附每道题的平均花费,可以和价格一起看。
GPQA Diamond
研究生水平的科学选择题 · 198 题 · 测于 2026年9月1日
78.6%正确率每题 $0.264τ-bench 航空客服
按航空公司规则调用工具处理客户请求 · 50 题 · 测于 2026年9月1日
70%正确率每题 $0.298
数据来源:OpenRouter benchmarks API(Design Arena 评分由 OpenRouter 转载),本站同步于 。
