模型能力-成本边界

多来源能力比较

按同一能力类别展示 BenchLM.ai、DeepSWE、CodexRadar 与 Artificial Analysis 的原始分数。不同基准的任务集和评分口径不同，仅用于观察来源内相对位置。任务数不足 3 的档位（半透明虚线点）视为样本不足：该档不评定质量档，排序时也不计入，仅供观察。