后端与测试
- 测试内容
- 服务契约、重试策略、事务状态与缓存回归中的规则和边界。
- 评分依据
- 检查约束分析、异常场景与回归测试是否覆盖关键问题。
35 个模型 · 83 个配置
综合前五名
满分 1001
gpt-6-astraxhigh95.3
gpt-6-astraxhigh95.32gpt-6.1-solmax93.8
gpt-6.1-solmax93.83
claude-opus-5-5max89.1
claude-opus-5-5max89.14claude-fable-5-1max89.0
claude-fable-5-1max89.05claude-sonnet-5-5xhigh85.8
claude-sonnet-5-5xhigh85.8代际与档位差异
综合得分后端 40% · 前端 30% · 推理 30%，采用同一实测配置。
私有数据集上的公开评测比较模型，
比较模型，
需要不同的测试依据。
同一个模型在不同榜单上的名次可能不同。部分公开基准的得分已接近上限；测试题公开后，也可能进入训练数据或被用于针对性优化。
ModelDial 使用自建私有数据集，公开后端、前端和知识推理的评测成绩。你可以据此比较新旧模型，以及同一模型不同思考档位的表现。
了解我们的评测集评测内容与评分依据
分别测试后端开发、前端交互和知识推理，在对比页查看任务与学科的详细成绩。
前端与交互
- 测试内容
- 页面布局、交互行为，以及多步操作后的状态变化。
- 评分依据
- 按功能、状态连续性、可访问性与回归测试等检查项计分。
知识与推理
- 测试内容
- 数学、计算机、物理、工程、生物医学及人文社科等学科。
- 评分依据
- 核对答案正确性，并保留各学科的答对情况。
对比页提供各项任务和学科的成绩。
查看评测说明 →得分与费用对比
按综合或单项成绩筛选，在预算范围内比较模型和思考档位。费用按本次评测的 API 用量估算。