Güvenlik Kıyaslamaları
Cybench
cybench.github.io üzerinden açıklayıcı anlık görüntü (profesyonel CTF görevlerinde yönlendirmesiz çözülen %). Birçok satır tek bir homojen tam paket çalıştırması yerine sistem kartı / alt küme sonuçlarıdır. Maliyetler göreceli ajan çalıştırma tahminleridir — Cybench görev başına maliyet yayınlamaz. Canlı OpenCodex ölçümü değildir.
Bu panodaki maliyetler tahmin veya API fiyatı karmasıdır — puan/$ sıralaması ve En İyi F/P için her satırın kaynak tarafından ölçülmüş görev maliyetine sahip olması gerekir.
| Model | Seviye | Puan | Maliyet / görev | Kullanım alanı |
|---|---|---|---|---|
| claude-mythos-preview | — | 100% | $18 | Öncü, Planlayıcı |
| claude-opus-4.7 | — | 96% | $14 | Öncü, Planlayıcı |
| claude-opus-4.6 | — | 93% | $12 | Öncü, Planlayıcı |
| claude-opus-4.5 | — | 82% | $11 | Öncü |
| muse-spark | — | 65.4% | $3.2 | İş Atı, Öncü |
| claude-sonnet-4.5 | — | 60% | $5.5 | İş Atı |
| grok-4 | — | 43% | $2.8 | İş Atı, Uygun Fiyatlı Alt Ajan |
| claude-opus-4.1 | — | 42% | $9 | İş Atı |
| grok-4.1 | thinking | 39% | $2.4 | İş Atı, Uygun Fiyatlı Alt Ajan |
| claude-opus-4 | — | 38% | $8 | İş Atı |
| claude-sonnet-4 | — | 35% | $4.5 | İş Atı |
| grok-4 | fast | 30% | $1.2 | Hızlı, Uygun Fiyatlı Alt Ajan |
| o3-mini | — | 22.5% | $1.5 | Uygun Fiyatlı Alt Ajan |
| claude-3.7-sonnet | — | 20% | $3.5 | İş Atı |
| gpt-4.5-preview | — | 17.5% | $6 | Öncü |