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。
18 基准测试2,294,396 任务评估上次运行 2026年11月15日
路由器
比较模型路由器在各项基准测试中如何平衡质量、成本和速度。
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。
66 模型


US$0.007Recraft: Recraft V4.1 Flash2sRecraft: Recraft V4.1 Flash

值US$0.007Recraft: Recraft V4.1 Flash速度2sRecraft: Recraft V4.1 FlashVideo
六秒视频,所有模型均采用相同的时长和分辨率。
28 模型


US$0.050TBC: mischief 124sTBC: mischief 1

值US$0.050TBC: mischief 1速度24sTBC: mischief 1Speech
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?
37 模型
US$0.000Mistral: Voxtral Mini TTS
1sElevenLabs: Eleven Flash v2.5值US$0.000Mistral: Voxtral Mini TTS
速度1sElevenLabs: Eleven Flash v2.5Memes
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。
75 模型


US$0.009Black Forest Labs: FLUX 3 Image Klein7sBlack Forest Labs: FLUX.2 Klein 4B

值US$0.009Black Forest Labs: FLUX 3 Image Klein速度7sBlack 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。
248 模型


US$0.000034Mistral: Mistral Nemo
2sMeta: Llama 3.2 3B Instruct


值US$0.000034Mistral: Mistral Nemo
速度2sMeta: 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。
60 模型


US$0.000Crouton Alpha15sGoogle: Gemini 3.1 Flash Lite

值US$0.000Crouton Alpha速度15sGoogle: 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。
150 模型上次运行 2026年11月15日
96.5%Gemini 4 ArgonUS$0.021GPT-6.1 Sol20sClaude Sonnet 5.5质量96.5%Gemini 4 Argon值US$0.021GPT-6.1 Sol速度20sClaude Sonnet 5.5VGI-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。
67 模型上次运行 2026年11月14日
66.2%Seed 1.6US$0.039Seed 1.664sSeed 1.6质量66.2%Seed 1.6值US$0.039Seed 1.6速度64sSeed 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
Claude Opus 5 · highUS$0.99Perplexity
Claude Opus 5 · high1.9mPerplexity
Claude Opus 5 · high质量89.0%Perplexity
Claude Opus 5 · high值US$0.99Perplexity
Claude Opus 5 · high速度1.9mPerplexity
Claude Opus 5 · highDeepSearchQA
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%ParallelClaude Opus 5 · highUS$0.10Perplexity
GPT-5.6 Luna · xhigh1.6mPerplexity
GPT-5.6 Luna · xhigh质量77.0%ParallelClaude Opus 5 · high值US$0.10Perplexity
GPT-5.6 Luna · xhigh速度1.6mPerplexity
GPT-5.6 Luna · xhighHLE
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。
2 模型上次运行 2026年8月17日
77.4%Perplexity
Claude Opus 5 · highUS$0.16Perplexity
Claude Opus 5 · high48sPerplexity
Claude Opus 5 · high质量77.4%Perplexity
Claude Opus 5 · high值US$0.16Perplexity
Claude Opus 5 · high速度48sPerplexity
Claude Opus 5 · highWideSearch
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
GPT-5.6 Sol · highUS$0.063Perplexity
GPT-5.6 Luna · xhigh1.9mPerplexity
GPT-5.6 Sol · high质量84.0%Perplexity
GPT-5.6 Sol · high值US$0.063Perplexity
GPT-5.6 Luna · xhigh速度1.9mPerplexity
GPT-5.6 Sol · high
