葬AI Benchmark

160/160 个正式测试产物

真实工作任务多轮复现；模型、provider、runner 分开记录；结果只代表本次 Web4 复杂个人网站工程任务。

模型总榜按平均分每 10 分划档，同档不做精确排名；原始交付文件以完整归档保存，网页浏览副本只做路径兼容处理。

模型总榜

模型总榜不做精确排名；按 10 分区间划分 S–E 档位。

档位	模型版本	平均分	中位数	平均耗时/任务	调用数（10任务）	10任务 API 成本
S	GPT-5.6 Sol	69.95	82.71	6.26 分钟	175	估算 ¥86.606
S	Claude Fable 5	62.39	71.47	8.58 分钟	207	估算 ¥188.394
A	Qwen 3.8 Max Preview	53.23	49.34	16.91 分钟	292	订阅制，无法折现
A	Kimi K3	50.71	47.53	13.09 分钟	225	¥37.995
B	Claude Opus 4.8	42.55	37.27	6.51 分钟	178	估算 ¥82.736
B	GLM 5.2	41.42	23.14	12.64 分钟	239	¥31.192
C	Hunyuan Hy3	36.93	37.03	3.70 分钟	165	¥3.103
C	MiniMax M3	35.55	25.66	6.97 分钟	161	¥4.568
C	Qwen 3.7 Max	31.43	32.40	8.73 分钟	235	¥29.312
C	LongCat 2.0	30.38	22.52	7.02 分钟	229	¥2.847
C	Grok 4.5	30.08	18.88	3.49 分钟	59	¥12.025
D	DeepSeek V4 Pro	28.07	18.75	10.32 分钟	291	¥3.819
D	MiMo V2.5 Pro	25.64	26.23	6.97 分钟	171	¥2.646
D	Doubao Seed Evolving	24.92	17.96	5.31 分钟	192	¥11.889
D	Step 3.7 Flash	21.66	28.36	7.54 分钟	372	¥10.034
E	ERNIE 5.1	6.58	2.73	10.40 分钟	90	¥37.674

GPT-5.6 Sol

69.95

平均分

中位数 82.71

平均耗时 6.26 分钟

调用数 175

10任务成本 估算 ¥86.606

Claude Fable 5

62.39

平均分

中位数 71.47

平均耗时 8.58 分钟

调用数 207

10任务成本 估算 ¥188.394

Qwen 3.8 Max Preview

53.23

平均分

中位数 49.34

平均耗时 16.91 分钟

调用数 292

10任务成本 订阅制，无法折现

Kimi K3

50.71

平均分

中位数 47.53

平均耗时 13.09 分钟

调用数 225

10任务成本 ¥37.995

Claude Opus 4.8

42.55

平均分

中位数 37.27

平均耗时 6.51 分钟

调用数 178

10任务成本 估算 ¥82.736

GLM 5.2

41.42

平均分

中位数 23.14

平均耗时 12.64 分钟

调用数 239

10任务成本 ¥31.192

Hunyuan Hy3

36.93

平均分

中位数 37.03

平均耗时 3.70 分钟

调用数 165

10任务成本 ¥3.103

MiniMax M3

35.55

平均分

中位数 25.66

平均耗时 6.97 分钟

调用数 161

10任务成本 ¥4.568

Qwen 3.7 Max

31.43

平均分

中位数 32.40

平均耗时 8.73 分钟

调用数 235

10任务成本 ¥29.312

LongCat 2.0

30.38

平均分

中位数 22.52

平均耗时 7.02 分钟

调用数 229

10任务成本 ¥2.847

Grok 4.5

30.08

平均分

中位数 18.88

平均耗时 3.49 分钟

调用数 59

10任务成本 ¥12.025

DeepSeek V4 Pro

28.07

平均分

中位数 18.75

平均耗时 10.32 分钟

调用数 291

10任务成本 ¥3.819

MiMo V2.5 Pro

25.64

平均分

中位数 26.23

平均耗时 6.97 分钟

调用数 171

10任务成本 ¥2.646

Doubao Seed Evolving

24.92

平均分

中位数 17.96

平均耗时 5.31 分钟

调用数 192

10任务成本 ¥11.889

Step 3.7 Flash

21.66

平均分

中位数 28.36

平均耗时 7.54 分钟

调用数 372

10任务成本 ¥10.034

ERNIE 5.1

6.58

平均分

中位数 2.73

平均耗时 10.40 分钟

调用数 90

10任务成本 ¥37.674

性价比榜

Qwen 3.8 暂无可换算的公开 API 单价，因此不参与性价比排名。

排名	模型版本	性价比指数	平均分	10任务 API 成本	平均耗时/任务	调用数（10任务）
1	Hunyuan Hy3	9.98	36.93	¥3.103	3.70 分钟	165
2	Grok 4.5	7.92	30.08	¥12.025	3.49 分钟	59
3	GPT-5.6 Sol	7.90	69.95	估算 ¥86.606	6.26 分钟	175
4	MiniMax M3	7.81	35.55	¥4.568	6.97 分钟	161
5	Claude Fable 5	5.36	62.39	估算 ¥188.394	8.58 分钟	207
6	MiMo V2.5 Pro	5.34	25.64	¥2.646	6.97 分钟	171
7	Claude Opus 4.8	4.95	42.55	估算 ¥82.736	6.51 分钟	178
8	Doubao Seed Evolving	4.57	24.92	¥11.889	5.31 分钟	192
9	Kimi K3	4.55	50.71	¥37.995	13.09 分钟	225
10	LongCat 2.0	4.47	30.38	¥2.847	7.02 分钟	229
11	GLM 5.2	3.57	41.42	¥31.192	12.64 分钟	239
12	DeepSeek V4 Pro	2.95	28.07	¥3.819	10.32 分钟	291
13	Qwen 3.7 Max	2.94	31.43	¥29.312	8.73 分钟	235
14	Step 3.7 Flash	2.19	21.66	¥10.034	7.54 分钟	372
15	ERNIE 5.1	0.74	6.58	¥37.674	10.40 分钟	90

1Hunyuan Hy3

9.98

性价比指数

平均分 36.93

平均耗时 3.70 分钟

调用数 165

10任务成本 ¥3.103

2Grok 4.5

7.92

性价比指数

平均分 30.08

平均耗时 3.49 分钟

调用数 59

10任务成本 ¥12.025

3GPT-5.6 Sol

7.90

性价比指数

平均分 69.95

平均耗时 6.26 分钟

调用数 175

10任务成本 估算 ¥86.606

4MiniMax M3

7.81

性价比指数

平均分 35.55

平均耗时 6.97 分钟

调用数 161

10任务成本 ¥4.568

5Claude Fable 5

5.36

性价比指数

平均分 62.39

平均耗时 8.58 分钟

调用数 207

10任务成本 估算 ¥188.394

6MiMo V2.5 Pro

5.34

性价比指数

平均分 25.64

平均耗时 6.97 分钟

调用数 171

10任务成本 ¥2.646

7Claude Opus 4.8

4.95

性价比指数

平均分 42.55

平均耗时 6.51 分钟

调用数 178

10任务成本 估算 ¥82.736

8Doubao Seed Evolving

4.57

性价比指数

平均分 24.92

平均耗时 5.31 分钟

调用数 192

10任务成本 ¥11.889

9Kimi K3

4.55

性价比指数

平均分 50.71

平均耗时 13.09 分钟

调用数 225

10任务成本 ¥37.995

10LongCat 2.0

4.47

性价比指数

平均分 30.38

平均耗时 7.02 分钟

调用数 229

10任务成本 ¥2.847

11GLM 5.2

3.57

性价比指数

平均分 41.42

平均耗时 12.64 分钟

调用数 239

10任务成本 ¥31.192

12DeepSeek V4 Pro

2.95

性价比指数

平均分 28.07

平均耗时 10.32 分钟

调用数 291

10任务成本 ¥3.819

13Qwen 3.7 Max

2.94

性价比指数

平均分 31.43

平均耗时 8.73 分钟

调用数 235

10任务成本 ¥29.312

14Step 3.7 Flash

2.19

性价比指数

平均分 21.66

平均耗时 7.54 分钟

调用数 372

10任务成本 ¥10.034

15ERNIE 5.1

0.74

性价比指数

平均分 6.58

平均耗时 10.40 分钟

调用数 90

10任务成本 ¥37.674

Round 矩阵

点击分数打开兼容浏览副本；RAW 下载完整原始归档。每个归档及源目录均记录独立 SHA-256。

Round	GPT-5.6 SolS 档	Claude Fable 5S 档	Qwen 3.8 Max PreviewA 档	Kimi K3A 档	Claude Opus 4.8B 档	GLM 5.2B 档	Hunyuan Hy3C 档	MiniMax M3C 档	Qwen 3.7 MaxC 档	LongCat 2.0C 档	Grok 4.5C 档	DeepSeek V4 ProD 档	MiMo V2.5 ProD 档	Doubao Seed EvolvingD 档	Step 3.7 FlashD 档	ERNIE 5.1E 档
r1	E 1.38 RAW	E 17.68 RAW	B 43.43 RAW	D 21.16 RAW	A 53.13 RAW	S 87.22 RAW	S 69.15 RAW	S 91.74 RAW	C 31.96 RAW	D 25.44 RAW	E 19.86 RAW	E 6.09 RAW	D 21.30 RAW	E 17.73 RAW	C 35.71 RAW	E 0.00 RAW
r2	S 61.25 RAW	E 17.50 RAW	A 55.26 RAW	A 58.62 RAW	E 17.68 RAW	E 17.50 RAW	B 43.36 RAW	E 14.37 RAW	C 36.32 RAW	E 14.35 RAW	E 17.50 RAW	E 10.57 RAW	B 48.56 RAW	B 46.64 RAW	E 8.31 RAW	E 6.09 RAW
r3	S 97.53 RAW	S 87.36 RAW	C 38.70 RAW	S 88.17 RAW	S 78.18 RAW	E 14.70 RAW	E 0.00 RAW	A 55.09 RAW	E 18.20 RAW	E 19.61 RAW	A 54.23 RAW	E 6.09 RAW	E 11.49 RAW	E 16.81 RAW	C 32.61 RAW	E 0.00 RAW
r4	S 83.29 RAW	S 98.88 RAW	B 43.05 RAW	E 13.92 RAW	E 17.55 RAW	E 14.15 RAW	E 14.35 RAW	A 53.54 RAW	S 92.89 RAW	B 42.27 RAW	S 97.53 RAW	E 10.88 RAW	E 14.35 RAW	E 18.19 RAW	D 29.22 RAW	E 0.00 RAW
r5	S 98.82 RAW	S 70.82 RAW	S 78.62 RAW	S 95.45 RAW	S 67.61 RAW	E 12.88 RAW	D 27.81 RAW	A 53.66 RAW	C 35.27 RAW	E 13.23 RAW	E 17.52 RAW	E 11.99 RAW	B 47.18 RAW	E 13.91 RAW	E 2.73 RAW	E 2.73 RAW
r6	S 89.42 RAW	E 3.76 RAW	E 12.78 RAW	S 80.74 RAW	A 56.97 RAW	S 69.50 RAW	A 56.25 RAW	D 24.26 RAW	E 17.50 RAW	E 0.00 RAW	D 21.31 RAW	S 74.62 RAW	E 14.50 RAW	C 36.33 RAW	D 29.62 RAW	C 39.27 RAW
r7	S 96.24 RAW	S 97.95 RAW	E 14.02 RAW	E 12.00 RAW	E 7.39 RAW	S 83.76 RAW	C 35.14 RAW	E 14.35 RAW	C 32.84 RAW	B 40.72 RAW	E 18.35 RAW	D 28.00 RAW	E 0.00 RAW	E 10.60 RAW	C 32.63 RAW	E 6.09 RAW
r8	S 71.66 RAW	S 67.54 RAW	S 72.46 RAW	C 36.44 RAW	E 17.50 RAW	D 28.67 RAW	E 4.11 RAW	D 27.06 RAW	E 0.00 RAW	E 18.92 RAW	E 17.58 RAW	B 48.65 RAW	C 35.92 RAW	E 14.09 RAW	D 27.50 RAW	E 2.73 RAW
r9	E 17.83 RAW	S 72.11 RAW	S 89.86 RAW	C 32.08 RAW	S 88.12 RAW	S 68.18 RAW	S 80.15 RAW	E 0.00 RAW	C 34.44 RAW	S 81.67 RAW	E 19.40 RAW	A 58.31 RAW	C 31.16 RAW	A 54.79 RAW	E 4.84 RAW	E 8.89 RAW
r10	S 82.12 RAW	S 90.29 RAW	S 84.07 RAW	S 68.53 RAW	D 21.40 RAW	E 17.60 RAW	C 38.93 RAW	D 21.45 RAW	E 14.89 RAW	B 47.63 RAW	E 17.52 RAW	D 25.52 RAW	C 31.96 RAW	D 20.09 RAW	E 13.46 RAW	E 0.00 RAW