科学与数学推理指数 Beta
7 个模型配置 · 按综合指数排序。点分接近不代表可靠胜出。 评测来源 ↗
| 模型 / 推理档日期为评测开始日 · 完整记录见数据来源 | Beta · 0–100 | GPQADiamond · % | FrontierMathv2 · Tiers 1–3 · % | 输入USD / 百万 Token | 输出USD / 百万 Token | 缓存读取USD / 百万 Token | USD · 固定用量 |
|---|---|---|---|---|---|---|---|
| 94.9 | 95.77 | 93.68 | 10 | 50 | 1 | $20.00 | |
| 94.7 | 95.39 | 93.68 | 2 | 10 | 0.1 | $4.00 | |
| 92.9 | 95.58 | 88.77 | 2 | 10 | 0.1 | $4.00 | |
| 90.8 | 90.59 | 91.23 | 4 | 20 | 0.2 | $8.00 | |
| 84.6 | 95.39 | 68.42 | 0.75 | 3.75 | 0.075 | $1.50 | |
| 81.6 | 92.30 | 65.61 | 2 | 6 | 未公开 | $3.00 | |
| 76.8 | 92.74 | 52.98 | 2 | 6 | 0.5 | $3.00 |
点模型查看来源与条件
能力与价格的取舍
向上点分更高 · 向左参考成本更低统一用量：75 万未缓存输入 + 25 万输出（含推理 Token）。对数横轴让低价区更易辨识；纵轴显示 70–100 分。点模型查看精确配置与证据。
Sol 的参考成本为 Astra 的 1/5，点分接近；这些取舍仅适用于本版两项评测和同一用量，不能证明统计胜出或所有场景的最高性价比。
评分方法与本版范围
综合指数 = 60% GPQA + 40% FrontierMath · 仅科学问答与数学推理 · 代码、文献与工作流不计入。
数据与费用来源
官方定价及特殊条件集中如下。每项原始 mean、SE、Started at、记录 ID 和完整计费条件均保留在 JSON；未独立复跑。 下载完整数据 JSON ↓
Epoch ↗ · GPQA Diamond ↗ · FrontierMath v2 ↗
| 模型 | 官方来源 | 特殊计费 · USD / 1M tokens |
|---|---|---|
| GPT-6 Astramax | API ↗ · 缓存 ↗ | 缓存写入 $12.5 / 30m · USD/1M 长上下文：input_tokens > 272000 → $20 / $75.0 输入/输出 地区选项 ×1.1 |
| GPT-6.1 Solmax | API ↗ · 缓存 ↗ | 缓存写入 $2.5 / 30m · USD/1M 长上下文：input_tokens > 272000 → $4 / $15.0 输入/输出 地区选项 ×1.1 |
| Claude Sonnet 5.5max | API ↗ · 缓存 ↗ | 缓存写入 $2.5 / 5m / $4 / 1h · USD/1M 全上下文无溢价 地区选项 ×1.1 |
| Claude Opus 5.5max | API ↗ · 缓存 ↗ | 缓存写入 $5 / 5m / $8 / 1h · USD/1M 全上下文无溢价 地区选项 ×1.1 |
| Gemini 3.8 Flashhigh | API ↗ · 缓存 ↗ | 缓存存储 $0.5 / 1M / h 引导价至 2026-12-31；后续价见 JSON |
| Qwen3.8 Max 0902xhigh | API ↗ · 缓存 ↗ | 缓存写入 显式 $2.5 / 5m；隐式 $2 · USD/1M Singapore / International；地区替代价与未公开缓存读取价见 JSON |
| Grok 4.7xhigh | API ↗ · 缓存 ↗ | 长上下文：prompt_tokens >= 200000 in main pricing table → $4 / $12 输入/输出 地区选项 ×1.1 |
其他评测 · 科研代码、文献与完整工作流
以下保留已有原始证据与历史参考。未计入本版推理指数；不同任务、旧型号与模型＋Agent 组合不混排。
科研工作流 · 工作流成绩
科研工作流Terminal-Bench Science 0.1 · 日期核验待补
原始来源 ↗当前 GPT-6 Astra、Opus 5.5 等组合成绩确实存在；公开元数据未给实际运行日及不可变 snapshot，未计入本版科学与数学推理指数。
当前官方原榜 ↗当前型号的来源记录 · 实测日期待核验
以下三条公开组合成绩均为 70 题 × 3 次试验。源表创建 / 更新日期与模型发布日期分别保留，未把它们当成运行日。
| 源模型＋Agent | 原始解决率 ± SE | 实际运行日期 | 记录日期 |
|---|---|---|---|
| GPT-6 Astra | 68.1% ± 3.2 | 未公开 | 2026-09-22 榜单记录创建 |
| Opus 5.5 | 63.3% ± 3.3 | 未公开 | 2026-09-23 榜单记录创建 |
| Fable 5.1 | 40.0% ± 3.4 | 未公开 | 2026-09-13 榜单记录创建 |
源榜更新：2026-09-23。记录创建日、修改日、模型发布日期都不表示重新实测；Codex / Claude Code 组合也不能当底模单独得分。
历史参考 · 默认收起
旧型号、旧快照仅保留为历史证据，不用于当前模型比较。
科研工作流Terminal-Bench Science 0.1 · 3 条旧型号组合成绩
Stanford / Harbor · 原榜 ↗| 模型 / 提供方 | Agent / 推理档 | 原始解决率 ± SE ↑ | 模型发布日期 | 来源 / 条件 |
|---|---|---|---|---|
| Claude Code 推理档：max | 30.0% ± 3.2 | 2026-07-24 模型发布日期 | ||
| Codex 推理档：max | 22.4% ± 2.9 | 2026-07-09 模型发布日期 | ||
| Claude Code 推理档：max | 21.4% ± 2.8 | 2026-06-09 模型发布日期 |
左右滑动查看配置与来源 →
这是模型＋Agent 的工作流成绩，Claude Code 与 Codex 配置各自保留。SE 为原榜标准误。实际运行日及榜单更新日未列，页面核验日另记。与 AA / Vals 的 mini-swe-agent 协议分开；源榜 Cost 为整次评测总花费，未换算成 USD/题。本页不据此做底模单独排名。
科学代码 · 代码评测
科学代码SciCode · 当前成绩待核验
原始来源 ↗原版榜的新增成绩公告仍停在 2025 年；近期外部复跑的协议、运行日期与使用权限须另外核实。
原版协议与历史榜 ↗原版、AA v1.0.1、SciCode-Verified 独立记录。旧 o3-mini / o1 / Claude 3.5 成绩不进入当前表。
历史参考 · 默认收起
旧型号、旧快照仅保留为历史证据，不用于当前模型比较。
科学代码SciCode 原版 · 6 条官方历史成绩
SciCode · 官方原表 ↗| 模型 / 提供方 | 主问题 Resolve Rate ↑ | 子问题 ↑ | 来源 / 条件 |
|---|---|---|---|
| 10.8% | 33.3% | ||
| 9.2% | 34.4% | ||
| 9.2% | 33.0% | ||
| 7.7% | 28.5% | ||
| 4.6% | 28.5% | ||
| 4.6% | 26.0% |
左右滑动查看配置与来源 →
2026-10-08 核验仍可见这张原版榜。它不是 2026 当前模型全榜；SciCode-AA v1.0.1 与 SciCode-Verified 分开，不替换或合并分数。
文献与分析 · 文献与分析评测
文献与分析AstaBench · 当前模型成绩待核验
原始来源 ↗官方公开 test 提交目录共 85 个文件，最新提交为 2026-08-24。较新的提交有自定义 Agent 与底模，但未核实可与当前 GPT / Claude 固定配置比较的运行证据。
后续公开提交 ↗8/24 是 submit_time，不能冒充生成 / 运行日期。春季换判官、重评旧输出也不等于新模型重跑。
历史参考 · 默认收起
旧型号、旧快照仅保留为历史证据，不用于当前模型比较。
文献与分析AstaBench · 2 条官方春季快照
Ai2 · 官方快照 ↗| 模型＋框架 / 提供方 | 版本 / 配置 | 原始 Overall ↑ | LLM 花费 / 题 | 来源 / 条件 |
|---|---|---|---|---|
| suite 1.0.0 max · adaptive thinking | 58.0% | 3.54USD/题 | ||
| suite 1.0.0 xhigh reasoning | 52.9% | 1.61USD/题 |
左右滑动查看配置与来源 →
这里只展示有明确出处的春季记录；后续公开提交未全量汇总。Overall 是 Asta 来源自身指标，未合成跨评测科研总分。LLM 费用包含本轮模型调用，未覆盖完整算力、检索、存储或人工成本。
先按检索起点选
| 工具 / 工作重点 | 相较其他候选，适合什么 | 免费额度 | 每月费用 | 什么情况下值得升级 | 评测依据 |
|---|
此任务没有匹配的候选；可切换任务，或在完整目录中查找。
核验 2026.10.08 · 有月付按月付；仅季付或年付按最短周期折合，并注明实际扣款。年付优惠见详情。选型基于官方功能和费用，历史研究见各行依据；本页未现场实测。
完整工具目录 · 18 项
检索、阅读、文献管理、数据分析、制图与写作的其他入口。收录不代表性能排名。
| 工具 | 适合做什么 | 什么时候用 | 进一步了解 |
|---|---|---|---|
| 从种子论文扩展关联论文与研究网络 | 读到一篇关键论文后，沿关系图补充相关研究并整理集合 | 功能、费用与来源免费与升级 计费口径 官网FAQ明确USD；参考默认国家价格。 官网FAQ把默认价简写为USD10/月；主价格卡区分年付10与按月12.50，展示须用主卡计费口径。 全年120是10×12的算术，未进入结账。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 筛选文献并形成带来源定位的证据表 | 定义研究设计、样本与方法等字段，跨论文抽取、核对并导出对照表 | 功能、费用与来源免费与升级 计费口径 官网价格展示$；本次所读价格页未明确货币代码，未把地区结账币种设为已知。 2026-09-30起Find Papers、Extract Data和Paper Chat并入Research Agent；旧session只读。 价格页宣传无限摘要/论文chat，但最新配额文档说月池耗尽后仅Find Papers继续；不能承诺无条件无限chat/抽取。 Plus价格卡提SLR标准用量，但专门系统综述工作流及最新usage说明为Pro/Scale/Enterprise。 Premium PDF parsing付费档可开，默认关闭，会增加所有PDF用量；图形抽取仅Scale/Enterprise且再增加用量。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 论文阅读/PDF问答与多工具研究套件 | 对难懂段落、方法或公式提问，查看PDF章节引用，再整理多论文比较表 | 功能、费用与来源免费与升级 计费口径 官方credit guide说明用量账本按USD显示；价格参考美元。 SCI30年付额外30%促销标明截至2026-10-07；本次2026-10-08不计入参考价。 年度总额按月度折合价×12推算，未进入结账。 SciSpace Editor/Typeset另有独立计划，不能把其8美元年付等当作研究套件Premium价格。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 围绕研究问题检索并综合论文证据 | 快速查看一个问题的相关论文、Study Snapshot与不同研究的结论 | 功能、费用与来源免费与升级 计费口径 所读官方帮助展示$；货币代码/地区结账币种未明示。 Pro消息、Deep综述与API/MCP调用是不同额度，不能相加或视为相同任务。 团队为custom quote，不沿用个人Pro年价。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 用共被引与书目耦合画论文相似性图 | 以一篇代表论文为起点，查看领域簇、Prior Works与Derivative Works | 限制、费用与来源适用边界 费用与可用性 提供方 算法图谱发现；不强行归类为LLM工具。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 图谱方法与团队 ↗计划与用途区别 ↗ | |
| 可视化文献关系并追踪新论文 | 维护课题文献地图，利用Discover补充相关文章并通过Monitor追踪更新 | 功能、费用与来源免费与升级 计费口径 官网卡展示$，当前所读页未明确代码；国家平价价需账户内查看。 原公开提取把桌面2图与旧移动块1图混在一起；当前桌面及官方取消帮助都为2图。旧响应式文案仍冲突，未保证所有客户端一致。 年总额按当前月折合价×12算；120还出现在旧公开响应式块，未结账。 Pro无团队协作；共享协作是Team特性。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 免费学术搜索、TLDR与影响性引用线索 | 用主题、作者与日期筛选论文，浏览短摘要和引用，搭建初始书目 | 限制、费用与来源适用边界 费用与可用性 提供方 AI功能/产品，底层模型未统一核验。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 检索、TLDR、引用与Reader ↗Ai2提供方与免费定位 ↗ | |
| 查看支持、对比/反对和讨论性的引用语境 | 写综述或论证时，回看一个关键论断如何被后续研究引用与质疑 | 功能、费用与来源免费与升级 计费口径 官网卡展示$；所读页未明确货币代码/当地税，未登录结账。 旧25免费MCP积分/月、前10次免账户调用已经被October官方更正撤销。 7天试用不是永久免费；不取消会自动转为所选订阅。 Pro页面有$60 API credit限时赠送，期限与续期未公开；不当作永久每月额度。 全年总额是选中年付的月度折合价×12，与官网Save96/Save120一致；未结账。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 收集、标注、管理文献并生成规范引用 | 将检索到的论文归档、去重和标注，在Word/LibreOffice/Google Docs中插入引文 | 限制、费用与来源适用边界 费用与可用性 核心为非生成式文献管理工具；第三方AI插件另计。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 核心功能 ↗免费与付费附件存储 ↗Digital Scholar与开源身份 ↗ | |
| 组织多人筛选、冲突解决与综述流程 | 导入数据库结果，去重，按纳排标准筛选题名/摘要与全文并记录决策 | 功能、费用与来源免费与升级 计费口径 官网显示$；美国App Store为美元列表，但不能据此保证官网地区币种。 Essential官网当前Annual总额59.88；美国App Store的Essential Annual59.99是另一个销售渠道。 Advanced每月8.33为四舍五入标价，年总额99.99；不能8.33×12改成99.96。 Business41.67是每license月折合；2500是最少5席全年总额，不是每人全年。 Advanced订阅链接当前带quantity2但公开计算器显示quantity1；未进入结账，因此不保证1席最低结账数量，须买前检查。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 多步网络检索并整合带来源的研究报告 | 初探新课题时整理概念、相关机构和文献入口，再回到原始论文确认 | 功能、费用与来源免费与升级 计费口径 官方公开页展示$；账单可使用地区货币，参考数值不代表用户结账币种。 Max年付只有web可选。 Pro年付200/12=16.666…，显示16.67仅为约数；Max同理。 消费订阅不含程序化API费用；Computer积分与Research查询额度不同。 官网FAQ有无限Pro宣传，但帮助中心列周限额；用后者并保留未公开数字。 官方资料核查：2026.10.08；本页未现场实测。 官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗官方费用 / 条件 ↗ | |
| 把科学文献查找、综合与数据分析串起来 | 描述研究问题，查找和汇总论文，再探索数据分析与可视化 | 限制、费用与来源适用边界 费用与可用性 提供方 AI功能/产品，底层模型未统一核验。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 当前Find/Summarize/Analyze能力 ↗产品与Preview区分 ↗官方试用入口，仅动态壳 ↗ | |
| 将复杂文档解析为结构化Markdown/JSON | 在本地批量解析科研PDF、表格与公式，为后续检索或字段抽取准备输入 | 限制、费用与来源适用边界 费用与可用性 提供方 可配置的解析/OCR/VLM管线；不是单一LLM产品。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 能力、模型、部署与许可证 ↗可选GraniteDocling模型卡 ↗ | |
| 托管文档转换与按schema抽取；另有本地工具 | 把扫描或多栏PDF转为Markdown/JSON，或按指定字段结构提取数据 | 限制、费用与来源适用边界 费用与可用性 提供方 OCR/VLM与可选LLM管线，托管与本地模式区分。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 托管Convert/Extract等处理器 ↗当前免费用量、按量与团队/企业费用 ↗Marker模式与源码/权重分离许可 ↗Chandra实现与模型许可 ↗ | |
| 将论文图像中的曲线/点转为数值 | 原始数据缺失时，校准坐标轴后数字化曲线并导出数据供进一步分析 | 限制、费用与来源适用边界 费用与可用性 提供方 核心为计算机视觉辅助数字化；AI Assist为独立闭源云功能。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 官方代码、免费定位与闭源AI Assist边界 ↗官方文档入口 ↗导出与项目文件 ↗ | |
| 把代码、数据、图表和解释保存在Notebook | 用Python/R/Julia清洗实验数据、运行统计分析并保留可重复计算过程 | 限制、费用与来源适用边界 费用与可用性 核心是非生成式计算环境；AI扩展可选且另行核验。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 交互环境、语言与免费开源定位 ↗ | |
| 用科学图标/模板与可编辑AI元素制作示意图 | 绘制实验流程、机制图或图形摘要，统一图标与版式后按投稿要求导出 | 限制、费用与来源适用边界 费用与可用性 科学制图环境，当前提供Leo/可编辑AI功能；不是证据正确性评审器。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 图标/模板及Leo可编辑AI功能 ↗计划与免费无发表/商用权利 ↗ | |
| 协作LaTeX写作、模板与在线编译 | 与合作者使用期刊模板整理论文、公式、图表和参考文献，在线评论修改 | 限制、费用与来源适用边界 费用与可用性 提供方 核心是LaTeX写作/编译平台；当前AI功能为辅助而非核心证据判断。功能来自官方资料，本次未独立实测，不构成性能排名。 资料核验：2026.10.08 编辑、模板与协作能力 ↗当前Free/付费与AI额度 ↗提供方与Digital Science关系 ↗当前运营法律主体 ↗ |
左右滑动查看完整目录 →
没有匹配条目。试试其他名称、用途或提供方。
能力与 API 价格来源
Epoch 官方数据 ↗ · 原有两项成绩及 60 / 40 权重保持不变。来源数据包更新 2026.10.08；原始记录、官方链接与特殊计费集中于“数据与费用来源”。Epoch 内部成绩数据按 CC BY 4.0 使用，题目与外部数据不在此授权范围。本站未独立复跑。
API 价格来自各提供方官方文档，核验于 2026.10.08。固定参考用量为 75 万未缓存输入＋25 万输出（含推理 Token），逐模型条件见“数据与费用来源”。商业 API 价不代表评测账单。
工具收录与本版范围
工具选型按五项任务比较候选的功能、免费额度与适用付费档；8 款工具的当前费用及公开证据已核查。18 项完整目录保留其他入口，工具不继承底层模型分数。
本页为 2026.10.08 的资料快照，不自动刷新。科研代码、文献、工作流证据见“其他评测”，不计入当前指数。