LLM API费效比图（每个任务的平均花费，cost per task）
-
这篇文章本来是吹GLM5.2的，但后面的费效比图非常有趣，如下：
下图是每个模型的“费效比”（横坐标，平均执行benchmark的每个项目的总花费，纵坐标，总体benchmark的评分）
注意，横坐标价格是对数坐标，右侧模型的花费是指数级增长的。总结来看，Mimo-v2.5 Pro、DeepSeek-V4系列，用比其他模型少一、甚至两个数量级的钱，就可以跑完相同分数的benchmark。
相较于DeepSeek-V4-Pro（MAX思考长度）
模型名称 提高分数比例 消费提高比例 GLM5.2 15.9% 1000% GPT5.5 25% 2000% Claude Opus 4.8 27% 4000% Claude Fable 5 36% 6000% -
-
-
-
-
-
-
