开发者生态
morning
CursorBench 3.1
2026-07-02
1 阅读
约6分钟阅读
handfuloflight
字号:
散点图和折线图,比较 Fable 5、Opus 4.8、Opus 4.7、GPT-5.5、Sonnet 5、Sonnet 4.6、GLM 5.2、Composer 2.5 和 Composer 2 得分与每项任务的平均成本。 75 % CursorBench 3.1 得分 70 % 65 % 60 % 55 % 50 % 45 % $20 $16 $12 $8 $4 $0 每任务平均成本 Fable 5 高 Composer 2.5 GPT-5.5 中 Gemini 3.5 Flash Opus 4.8 高 Sonnet 5 高 Kimi K2.7 Code GLM 5.2 高 成本代币 步骤 模型得分 成本 成本/任务 代币/任务 步骤 步骤/任务 1 Fable 5 Max 72.9 % $ 18.02 63,842 76 2 Fable 5 Extra High 72.0 % $ 13.74 48,754 63 3 Fable 5 High 70.6 % $ 10.81 37,173 54 4 神鬼寓言 5 中 69.8 % $ 8.27 28,507 47 5 Opus 4.7 最高 64.8 % $ 11.02 62,989 96 6 GPT-5.5 超高 64.3 % $ 4.37 17,905 46 7 神鬼寓言 5 低 64.2 % $ 5.70 18,882 36 8 Opus 4.8 最大 63.8 % $ 7.59 77,370 60 9 作曲家 2.5 63.2 % $ 0.55 15,152 37 10 GPT-5.5 高 62.6 % $ 3.59 13,329 40 11 Opus 4.8 特高 62.1 % $ 6.14 55,622 54 12 Opus 4.7 特高 61.6 % $ 7.11 43,942 72 13 Sonnet 5 Max 61.2 % $ 6.87 93,485 93 14 Opus 4.7 高 59.4 % $ 5.01 32,227 59 15 GPT-5.5 中 59.2 % $ 2.22 9,065 35 16 Opus 4.8 高 58.4 % $ 4.41 36,788 45 17 Sonnet 5 超高 58.4 % $ 5.23 58,228 86 18 Sonnet 5 高57.0 % $ 3.74 41,735 66 19 Opus 4.8 中型 56.6 % $ 3.83 31,684 41 20 Sonnet 5 中型 54.9 % $ 2.57 27,469 53 21 GLM 5.2 最大 54.6 % $ 3.11 51,312 83 22 Opus 4.8 低 54.3 % $ 2.93 22,726 36 23 Opus 4.7 中 52.7 % $ 2.93 19,193 41 24 Kimi K2.7 代码 52.7 % $ 1.92 32,902 70 25 Composer 2 52.2 % $ 0.56 14,163 40 26 GLM 5.2 高 50.7 % $ 2.46 30,621 76 27 Gemini 3.5 Flash 49.8 % $ 1.94 35,105 79 28 Sonnet 4.6 Max 49.0 % $ 3.09 40,280 55 29 GPT-5.5 低 48.8 % $ 1.19 4,923 24 30 Sonnet 4.6 高 48.8 % $ 3.06 37,352 57 31 Opus 4.7 低 48.3 % $ 1.87 13,164 29 32 Sonnet 5 低 47.7 % $ 1.46 17,028 37 33 Kimi 2.6 47.6 % $ 1.27 24,783 56 34 Sonnet 4.6 中 46.0 % $ 2.64 31,360 50 35 Sonnet 4.6 低 41.5 % $ 1.89 21,211 50 36 Kimi 2.5 31.9 % $ 0.87 9,446 30 变更日志 CursorBench 3.1 引入了侧重于代码库理解、错误查找、规划和代码审查的问题。 Improved grading criteria for some edit tasks. CursorBench 3.0 初始任务集侧重于编辑、重构和错误修复问题。通过将每个模型发布的每百万代币定价(输入、缓存读取、缓存写入和输出)应用于每个 CursorBench 3.1 任务上使用的代币,然后对各个任务进行平均,计算出/任务的平均成本。 Results are subject to variance;分数的微小差异可能没有统计意义。
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱