跳转到内容
Alpha
  • 模型
  • 排行榜
  • Ori
联系销售

页脚

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

产品

  • 聊天
  • 排行榜
  • 基准测试
  • 应用
  • 发现
  • 模型
  • Ori
  • 合集
  • 提供商
  • 工具
  • 定价
  • Business
  • Enterprise
  • 实验室

公司

  • 关于
  • 博客
  • 客户
  • 招聘
    招聘
  • 隐私
  • 服务条款
  • 信任中心
  • 支持
  • 兼容 OR
  • 数据
  • 品牌

开发者

  • 文档
  • API 参考
  • 开发者平台
  • 状态
  • AI 站点地图

连接

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube

基准测试

对您在 OpenRouter 请求中实际可设置的参数进行独立、可复现的测量：模型、提供商、搜索引擎和工具预算。每项得分都链接到其背后的配置、成本和遥测数据。

13 基准测试2,447,619 任务评估上次运行 2026年11月3日

Benchmarks API

通过 API 获取基准测试结果和元数据

智能体与工具

基准测试质量值速度

  • τ²-Bench Airline

    在严格的策略约束下调用工具的多轮服务智能体。

    140 模型上次运行 2026年11月3日

    80.0%
    openai 的网站图标
    GPT-5.1
    US$0.009
    z-ai 的网站图标
    GLM 5.3 Flash
    42s
    z-ai 的网站图标
    GLM 5.3
    质量80.0%
    openai 的网站图标
    GPT-5.1
    值US$0.009
    z-ai 的网站图标
    GLM 5.3 Flash
    速度42s
    z-ai 的网站图标
    GLM 5.3

媒体

生成的图像、视频片段和语音，根据请求进行评分，并按输出计费。

基准测试样本值速度

  • Image

    专为触发失败而设计的图像提示词：深度、方向、计数和画面中的文字。

    60 模型

    Black Forest Labs: FLUX.2 Flex 针对 Full wine glass 的输出Black Forest Labs: FLUX.2 Klein 4B 针对 Closed umbrellas 的输出Black Forest Labs: FLUX.2 Max 针对 Three fingers 的输出
    US$0.007
    recraft 的网站图标
    Recraft: Recraft V4.1 Flash
    2s
    recraft 的网站图标
    Recraft: Recraft V4.1 Flash
    Black Forest Labs: FLUX.2 Flex 针对 Full wine glass 的输出Black Forest Labs: FLUX.2 Klein 4B 针对 Closed umbrellas 的输出Black Forest Labs: FLUX.2 Max 针对 Three fingers 的输出
    值US$0.007
    recraft 的网站图标
    Recraft: Recraft V4.1 Flash
    速度2s
    recraft 的网站图标
    Recraft: Recraft V4.1 Flash

  • Video

    六秒视频，所有模型均采用相同的时长和分辨率。

    28 模型

    Alibaba: HappyHorse 1.0 针对 Traffic light 的输出Alibaba: HappyHorse 1.1 针对 Five candles 的输出Alibaba: Wan 2.6 针对 Wrong-way escalator 的输出
    US$0.050
    tbc 的网站图标
    TBC: mischief 1
    24s
    tbc 的网站图标
    TBC: mischief 1
    Alibaba: HappyHorse 1.0 针对 Traffic light 的输出Alibaba: HappyHorse 1.1 针对 Five candles 的输出Alibaba: Wan 2.6 针对 Wrong-way escalator 的输出
    值US$0.050
    tbc 的网站图标
    TBC: mischief 1
    速度24s
    tbc 的网站图标
    TBC: mischief 1

  • Speech

    同一句话，每一种声音：是否还原了原文，是否遵循了表演指导？

    36 模型

    US$0.000
    mistralai 的网站图标
    Mistral: Voxtral Mini TTS
    1s
    elevenlabs 的网站图标
    ElevenLabs: Eleven Flash v2.5
    值US$0.000
    mistralai 的网站图标
    Mistral: Voxtral Mini TTS
    速度1s
    elevenlabs 的网站图标
    ElevenLabs: Eleven Flash v2.5

  • Memes

    将表情包编辑为图像或制作成动画短片，并根据是否达成创作要求评分。

    71 模型

    Black Forest Labs: FLUX.2 Flex 针对 I am once again asking 的输出Black Forest Labs: FLUX.2 Klein 4B 针对 Disaster girl 的输出Black Forest Labs: FLUX.2 Max 针对 Laughing Leo 的输出
    US$0.009
    black-forest-labs 的网站图标
    Black Forest Labs: FLUX 3 Image Klein
    7s
    black-forest-labs 的网站图标
    Black Forest Labs: FLUX.2 Klein 4B
    Black Forest Labs: FLUX.2 Flex 针对 I am once again asking 的输出Black Forest Labs: FLUX.2 Klein 4B 针对 Disaster girl 的输出Black Forest Labs: FLUX.2 Max 针对 Laughing Leo 的输出
    值US$0.009
    black-forest-labs 的网站图标
    Black Forest Labs: FLUX 3 Image Klein
    速度7s
    black-forest-labs 的网站图标
    Black Forest Labs: FLUX.2 Klein 4B

产物生成

文本模型承担绘图和创建可玩游戏等非常规任务。

基准测试样本值速度

  • Sketch

    文本模型根据提示词绘图。结果以图像形式评分。

    243 模型

    Amazon: Nova Lite 1.0 针对 Pelican on a bike 的输出Amazon: Nova 2 Lite 针对 Penguin with an umbrella 的输出Amazon: Nova Premier 1.0 针对 Pelican riding a bicycle 的输出
    US$0.000034
    mistralai 的网站图标
    Mistral: Mistral Nemo
    2s
    meta-llama 的网站图标
    Meta: Llama 3.2 3B Instruct
    Amazon: Nova Lite 1.0 针对 Pelican on a bike 的输出Amazon: Nova 2 Lite 针对 Penguin with an umbrella 的输出Amazon: Nova Premier 1.0 针对 Pelican riding a bicycle 的输出
    值US$0.000034
    mistralai 的网站图标
    Mistral: Mistral Nemo
    速度2s
    meta-llama 的网站图标
    Meta: Llama 3.2 3B Instruct

  • Games

    文本模型根据单个简要说明，在一次尝试中创建可玩的游戏。

    52 模型

    Anthropic: Claude Opus 4.8 针对 Fruit ninja 的输出Anthropic: Claude Opus 5 针对 Marble ball maze 的输出DeepSeek: DeepSeek V4.1 Flash 针对 First-person shooter 的输出
    US$0.004
    openai 的网站图标
    OpenAI: gpt-oss-120b
    15s
    google 的网站图标
    Google: Gemini 3.1 Flash Lite
    Anthropic: Claude Opus 4.8 针对 Fruit ninja 的输出Anthropic: Claude Opus 5 针对 Marble ball maze 的输出DeepSeek: DeepSeek V4.1 Flash 针对 First-person shooter 的输出
    值US$0.004
    openai 的网站图标
    OpenAI: gpt-oss-120b
    速度15s
    google 的网站图标
    Google: Gemini 3.1 Flash Lite

推理

基准测试质量值速度

  • GPQA Diamond

    难以通过检索解答、需要仔细推理的研究生水平科学问题。

    160 模型上次运行 2026年11月2日

    96.5%
    google 的网站图标
    Gemini 4 Argon
    US$0.003
    unbiased 的网站图标
    Pareto 26.10 Preview
    20s
    anthropic 的网站图标
    Claude Sonnet 5.5
    质量96.5%
    google 的网站图标
    Gemini 4 Argon
    值US$0.003
    unbiased 的网站图标
    Pareto 26.10 Preview
    速度20s
    anthropic 的网站图标
    Claude Sonnet 5.5

  • VGI-Bench

    关于长视频的多项选择题：视频中展示了什么、说了什么，或什么从未发生。

    60 模型上次运行 2026年11月2日

    66.2%
    bytedance-seed 的网站图标
    Seed 1.6
    US$0.039
    bytedance-seed 的网站图标
    Seed 1.6
    64s
    bytedance-seed 的网站图标
    Seed 1.6
    质量66.2%
    bytedance-seed 的网站图标
    Seed 1.6
    值US$0.039
    bytedance-seed 的网站图标
    Seed 1.6
    速度64s
    bytedance-seed 的网站图标
    Seed 1.6

搜索

基准测试质量值速度

  • BrowseComp

    实时网页上难以查找的事实，根据持续的多步骤研究表现评分。

    4 模型上次运行 2026年8月18日

    89.0%
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    US$0.99
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    1.9m
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    质量89.0%
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    值US$0.99
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    速度1.9m
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high

  • DeepSearchQA

    答案为列表的问题，评分侧重检索的完整性，不允许凑数。

    4 模型上次运行 2026年8月18日

    77.0%
    Parallel 的网站图标
    Parallel
    anthropic 的网站图标
    Claude Opus 5 · high
    US$0.10
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh
    1.6m
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh
    质量77.0%
    Parallel 的网站图标
    Parallel
    anthropic 的网站图标
    Claude Opus 5 · high
    值US$0.10
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh
    速度1.6m
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh

  • HLE

    将 Humanity's Last Exam 用作搜索基准测试：通过实时搜索回答专家级问题。

    3 模型上次运行 2026年9月15日

    77.4%
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    US$0.16
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    48s
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    质量77.4%
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    值US$0.16
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high
    速度48s
    Perplexity 的网站图标
    Perplexity
    anthropic 的网站图标
    Claude Opus 5 · high

  • WideSearch

    填写整张表格；答案项准确率会对部分匹配计分。

    4 模型上次运行 2026年8月18日

    84.0%
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Sol · high
    US$0.063
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh
    1.9m
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Sol · high
    质量84.0%
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Sol · high
    值US$0.063
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Luna · xhigh
    速度1.9m
    Perplexity 的网站图标
    Perplexity
    openai 的网站图标
    GPT-5.6 Sol · high

如需查看这些模型按使用量统计的数据，请参阅 模型排行榜 和 完整模型列表。