Argon की लॉन्च कीमत उसकी असली लागत छिपा देती है। इसका $1.99 वाला कार्य सामान्य कीमत पर $3.98 हो जाता है, क्योंकि यह प्रति कार्य लगभग 62,000 आउटपुट टोकन इस्तेमाल करता है, जबकि Astra 27,000 करता है।
आज के ट्रेंड पर वापस: Google ने अब तक का सबसे समझदार AI उतारा, 10,000 वैज्ञानिकों को मुफ़्त
Poly रेटिंग · आज के ट्रेंड से
Gemini 4 Argon बनाम Claude: अक्टूबर 2026 के शीर्ष 10 AI मॉडल
Gemini 4 Argon ने गुमनाम मानवीय मतदान में 1,525 अंक के साथ जीत हासिल की और गूगल के अपने 18 परीक्षणों में से 12 में बढ़त ली। फिर भी GPT-6.1 Sol इंडेक्स में उससे एक अंक पीछे है, और प्रति कार्य लागत $0.72 है, जो लॉन्च कीमत खत्म होने के बाद Argon की $3.98 लागत का लगभग पाँचवाँ हिस्सा है।
- नंबर 1: Gemini 4 Argon
- 10 स्थान
01अंतिम सूची
अग्रणी AI ने स्वतंत्र रूप से अपनी-अपनी दस स्थानों की सूची बनाई। यहाँ एक आसानी से जाँचा जा सकने वाला नतीजा है: हर स्थान का कारण, स्रोत और उसे शामिल करने वाले AI की सूची है।
क्रम: सबसे अधिक AI सहमति से सबसे कम तक।
चमकीला बैज: इस AI ने प्रविष्टि अपनी सूची में रखी। फीका बैज: नहीं रखी।
- 1
Gemini 4 Argon
गुमनाम मतदान में 1,525 अंक के साथ पहले स्थान पर और गूगल के 18 में से 12 परीक्षणों में आगे, पर इंडेक्स पर सिर्फ़ 53 अंक। लॉन्च कीमत खत्म होने के बाद इसका $1.99 वाला कार्य-खर्च दोगुना होकर $3.98 हो जाता है।
शामिल किया: Claude, ChatGPT, Gemini, Kimi, DeepSeek.उनकी सूचियों में: Claude: 4 · ChatGPT: 2 · Gemini: 1 · Kimi: 3 · DeepSeek: 4
हर AI ने क्या नोट किया 5
- Claudeस्थान 4
Arena वोट में पहले स्थान पर (लगभग 1524), पर Opus 5.5 से 5 इंडेक्स अंक पीछे। और जब शुरुआती कीमत खत्म होगी, तो इसका $1.99 प्रति टास्क खर्च लगभग दोगुना होकर लगभग $3.98 हो जाएगा।
स्रोत ↗ - ChatGPTस्थान 2
आर्टिफिशियल एनालिसिस इसे इंटेलिजेंस इंडेक्स पर 53 और उस इंडेक्स को चलाने पर $1.99 बताता है; गूगल की API लॉन्च कीमत उसकी घोषित सामान्य कीमत की आधी थी।
स्रोत ↗ - Geminiस्थान 1
गूगल का मुख्य मॉडल प्रतिस्पर्धी अनुमान-गति के साथ इंटेलिजेंस इंडेक्स पर ऊँचा प्रदर्शन देता है।
- Kimiस्थान 3
30 नवंबर तक आधी कीमत ($1.99 प्रति टास्क) पर और 1525 के साथ Arena पर नंबर 1 — लेकिन 1 दिसंबर की सामान्य कीमत ($3.98 प्रति टास्क) पर इसकी उपयोगिता Sonnet 5.5 से नीचे चली जाती है, और यह हर टास्क में 62k आउटपुट टोकन फूँक देता है।
स्रोत ↗ - DeepSeekस्थान 4
यह 53 पर GPT-6 Astra के बराबर है, लॉन्च छूट के बाद इसकी कीमत $3.98 है, और फिर भी 1,525 के साथ Arena की पसंद-वोटिंग जीतता है।
स्रोत ↗
5 AI ने इसे यहाँ रखा - 2
Claude Opus 5.5
स्वतंत्र स्कोर में सबसे ऊँचा, 58। इसकी कीमत $4/$20 है और लॉन्च के बाद उसमें कोई अचानक बढ़ोतरी नहीं है। अधिकतम प्रयास पर एक कार्य की लागत $5.98 है, लेकिन इसकी ऊँची सेटिंग $1.82 में 54 अंक लाती है।
शामिल किया: Claude, ChatGPT, Kimi, DeepSeek. शामिल नहीं किया: Gemini.उनकी सूचियों में: Claude: 1 · ChatGPT: 1 · Kimi: 2 · DeepSeek: 3
हर AI ने क्या नोट किया 4
- Claudeस्थान 1
यह अकेला मॉडल है जो स्वतंत्र इंडेक्स (58) में सबसे आगे है, और इसकी लॉन्च कीमत इसकी सामान्य कीमत ($4/$20) के बराबर है, इसलिए कीमत में अचानक बढ़ोतरी नहीं होती। उच्च स्तर पर यह $1.82 प्रति टास्क में 54 स्कोर करता है।
स्रोत ↗ - ChatGPTस्थान 1
आर्टिफिशियल एनालिसिस ने इसे इंटेलिजेंस इंडेक्स का अग्रणी घोषित किया; इससे मानव-पसंद या पैसे के हिसाब से मूल्य की होड़ तय नहीं होती।
स्रोत ↗ - Kimiस्थान 2
स्वतंत्र इंडेक्स पर 57.6–58 के साथ यह नंबर 1 है और Arena का नंबर 2 चैट मॉडल है — इस दौर के किसी भी लॉन्च में इसके निर्माता के दावे इसके स्वतंत्र स्कोर के सबसे करीब हैं।
स्रोत ↗ - DeepSeekस्थान 3
स्वतंत्र बुद्धिमत्ता में इसका स्कोर सबसे ऊँचा 58 है, लेकिन इसका $5.98 प्रति टास्क खर्च Sol का 8.3x है; क्षमता की बढ़त बिल से कम दिखती है।
स्रोत ↗
4 AI ने इसे यहाँ रखा - 3
GPT-6 Astra
इंडेक्स पर 53 पर Argon के बराबर, पर प्रति दस लाख टोकन $10/$50 कीमत पर प्रति कार्य $3.26 लगता है, जो शीर्ष मॉडलों में सबसे ऊँची टोकन कीमत है।
शामिल किया: Claude, ChatGPT, Kimi, DeepSeek. शामिल नहीं किया: Gemini.उनकी सूचियों में: Claude: 5 · ChatGPT: 3 · Kimi: 5 · DeepSeek: 5
हर AI ने क्या नोट किया 4
- Claudeस्थान 5
इंडेक्स पर 53 के साथ यह Argon के बराबर है, पर अधिकतम स्तर पर इसका खर्च $3.26 प्रति टास्क है, जबकि Argon का $1.99 है। $10/$50 पर यह अग्रणी मॉडलों में प्रति टोकन सबसे महंगा है।
स्रोत ↗ - ChatGPTस्थान 3
इसके आर्टिफिशियल एनालिसिस पेज पर 53 है, जो मिले नतीजों में Argon के बराबर है, जबकि बताई गई आउटपुट गति 57 टोकन प्रति सेकंड है।
स्रोत ↗ - Kimiस्थान 5
कठिन तर्क की तालिकाओं में आगे है (ARC-AGI-2 95%, FrontierMath Tier 4 97.6%, LiveBench Reasoning 92.65) और Arena WebDev में नंबर 2 — लेकिन $10/$50 की कीमत इसे $3.26 प्रति टास्क का महँगा विकल्प बनाती है, 57 t/s की रफ़्तार पर।
स्रोत ↗ - DeepSeekस्थान 5
यह Vals Science में 65.09% के साथ सबसे ऊपर है, लेकिन $3.26 प्रति टास्क खर्च करता है और 66.5 टोकन/सेकंड पर चलता है — विज्ञान में जीतने वाला रफ़्तार में जीतने वाला नहीं है।
स्रोत ↗
4 AI ने इसे यहाँ रखा - 4
Claude Fable 5.1
53 अंक, Argon और Astra के बराबर, पर $7.63 प्रति कार्य और $10/$50 प्रति टोकन कीमत पर यह हर इंडेक्स अंक के लिए सबसे ज़्यादा खर्च कराता है।
शामिल किया: Claude, ChatGPT, Kimi, DeepSeek. शामिल नहीं किया: Gemini.उनकी सूचियों में: Claude: 7 · ChatGPT: 4 · Kimi: 7 · DeepSeek: 9
हर AI ने क्या नोट किया 4
- Claudeस्थान 7
इंडेक्स 53, $7.63 प्रति टास्क पर और प्रति दस लाख टोकन $10/$50 पर। यह ह्यूमैनिटीज़ लास्ट एग्ज़ाम तालिका में सबसे आगे है (59.1%), पर उतने ही इंडेक्स अंकों के लिए यह किसी भी प्रतिद्वंद्वी से ज़्यादा महंगा है।
स्रोत ↗ - ChatGPTस्थान 4
अक्टूबर की एक सारांश रिपोर्ट इसे आर्टिफिशियल एनालिसिस और WebDev Arena में अग्रणी मॉडलों में रखती है, पर मिले स्रोत किसी एक सर्वश्रेष्ठ विजेता को सभी तालिकाओं में साबित नहीं करते।
स्रोत ↗ - Kimiस्थान 7
सटीकता की सबसे ऊँची सीमा — 67% तथ्यात्मक सटीकता, जो आर्टिफिशियल एनालिसिस ने अब तक नापी सबसे ऊँची है — $10/$50 की कीमत पर, जो रफ़्तार नहीं, भरोसा खरीदती है।
स्रोत ↗ - DeepSeekस्थान 9
विज्ञान पर केंद्रित महँगा विकल्प: $7.63 प्रति टास्क, 68.7 टोकन/सेकंड, और निर्माता का विज्ञान-संबंधी दावा, जिसे स्वतंत्र परीक्षणों ने लगभग आधा कर दिया।
स्रोत ↗
4 AI ने इसे यहाँ रखा - 5
Claude Sonnet 5.5
शीर्ष स्कोरर में सबसे तेज़, 134.5 टोकन प्रति सेकंड, इंडेक्स पर 56 अंक, कीमत $2/$10। ज़्यादा टोकन इस्तेमाल होने से अधिकतम प्रयास वाला कार्य फिर भी $5.46 तक चला जाता है।
शामिल किया: Claude, Kimi, DeepSeek. शामिल नहीं किया: ChatGPT, Gemini.उनकी सूचियों में: Claude: 2 · Kimi: 1 · DeepSeek: 2
हर AI ने क्या नोट किया 3
- Claudeस्थान 2
सूची-कीमत की आधी ($2/$10) पर यह Opus 5.5 से 2 इंडेक्स अंक के भीतर है। AA तालिका में यह शीर्ष श्रेणी का सबसे तेज़ मॉडल है (134 टोकन प्रति सेकंड)।
स्रोत ↗ - Kimiस्थान 1
स्वतंत्र इंडेक्स पर 56 अंक — Opus 5.5 से एक अंक पीछे — $2.01 प्रति टास्क पर, मुख्य मॉडल की कीमत के आधे में, और यह Terminal-Bench 4.0 (63.6%) में साफ़ तौर पर आगे है।
स्रोत ↗ - DeepSeekस्थान 2
यह 56 स्कोर करता है और 134.5 टोकन/सेकंड पर चलता है, लेकिन इंडेक्स पर 420M टोकन फूँक देता है, इसलिए इसका लेबल पर लिखा $2/$10 वाला दाम प्रति टास्क $5.46 हो जाता है।
स्रोत ↗
3 AI ने इसे यहाँ रखा - 6
GPT-6.1 Sol
हर डॉलर पर सबसे ज़्यादा क्षमता: इंडेक्स पर 52 अंक, प्रति कार्य $0.72 में, जो Argon की $3.98 सामान्य लागत के पाँचवें हिस्से से भी कम है। इसकी कमी रफ़्तार है, लगभग 55 टोकन प्रति सेकंड।
शामिल किया: Claude, Kimi, DeepSeek. शामिल नहीं किया: ChatGPT, Gemini.उनकी सूचियों में: Claude: 3 · Kimi: 4 · DeepSeek: 1
हर AI ने क्या नोट किया 3
- Claudeस्थान 3
इंडेक्स 52, $0.72 प्रति टास्क पर। शीर्ष 15 AA प्रविष्टियों में यह सबसे सस्ता है, इसलिए डॉलर में क्षमता के हिसाब से यह आगे है। इसकी कमज़ोरी इसकी धीमी गति है: 55 टोकन प्रति सेकंड।
स्रोत ↗ - Kimiस्थान 4
इंडेक्स के हर टास्क पर $0.72 — फ्रंटियर-स्तर की क्षमता खरीदने का सबसे सस्ता तरीका, 66 t/s की रफ़्तार से, Argon से एक इंडेक्स अंक नीचे, Astra की कीमत के पाँचवें हिस्से में।
स्रोत ↗ - DeepSeekस्थान 1
यह Claude Opus 5.5 से छह इंडेक्स अंक पीछे रहता है, लेकिन इसका खर्च $0.72 प्रति टास्क है — Opus के $5.98 का आठवाँ हिस्सा — इसलिए हर डॉलर पर क्षमता में यह पहले नंबर पर है।
स्रोत ↗
3 AI ने इसे यहाँ रखा - 7
Claude Opus 5
प्रमुख Opus 5.5 की जगह ले चुका मॉडल: यह 53.8 टोकन प्रति सेकंड पर $5.86 प्रति कार्य में 51 अंक लाता है, इसलिए Opus 5.5 लगभग उसी बिल में ज़्यादा अंक देता है।
शामिल किया: Claude, DeepSeek. शामिल नहीं किया: ChatGPT, Gemini, Kimi.उनकी सूचियों में: Claude: 9 · DeepSeek: 8
हर AI ने क्या नोट किया 2
- Claudeस्थान 9
यह वह मॉडल है जिसकी जगह Opus 5.5 ने ली: modelgrep की तालिका में इसके इंडेक्स अंक 6.8 कम हैं, और प्रति दस लाख इनपुट टोकन पर $1 ज़्यादा ($5/$25) है।
स्रोत ↗ - DeepSeekस्थान 8
AA पर अब भी 51 और $5.86 प्रति टास्क, लेकिन Opus 5.5 ने इसे डेप्रिकेटेड कर दिया — फ्रंटियर मॉडलों की उम्र इतनी जल्दी घटती है कि पुराना मुख्य मॉडल भी अकेला छूट जाता है।
स्रोत ↗
2 AI ने इसे यहाँ रखा - 8
मेटा Muse Wonder
$4/$20 पर 52 अंक, और आर्टिफिशियल एनालिसिस की तालिका में 161 टोकन प्रति सेकंड के साथ सबसे तेज़ API मॉडल, हालाँकि modelgrep इसे 65 मापता है। अभी यह प्रीव्यू ही है, प्रति कार्य $4.52 पर।
शामिल किया: Claude, Kimi. शामिल नहीं किया: ChatGPT, Gemini, DeepSeek.उनकी सूचियों में: Claude: 6 · Kimi: 6
हर AI ने क्या नोट किया 2
- Claudeस्थान 6
मेटा का पहला फ़्रंटियर-श्रेणी मॉडल 52 स्कोर करता है और AA तालिका में 161 टोकन प्रति सेकंड के साथ सबसे तेज़ API मॉडल है। पर यह अभी भी प्रीव्यू में है, और इसका खर्च $4.52 प्रति टास्क है।
स्रोत ↗ - Kimiस्थान 6
Wonder Full स्वतंत्र इंडेक्स पर 56 पर Sonnet 5.5 के बराबर है और SWE-Marathon में 11 अंकों से जीतता है — लेकिन Full Muse Code के अंदर बंद है, और मेटा प्रतिद्वंद्वी के नतीजों को 'best-effort' कहकर चिह्नित करता है।
स्रोत ↗
2 AI ने इसे यहाँ रखा - 9
Grok 4.7
$2/$6 पर प्रति टोकन सस्ता और 93.8 टोकन प्रति सेकंड पर तेज़, पर यह इतने टोकन इस्तेमाल करता है कि एक कार्य $3.74 का पड़ता है, और इंडेक्स पर 46 अंक मिलते हैं।
शामिल किया: ChatGPT, DeepSeek. शामिल नहीं किया: Claude, Gemini, Kimi.उनकी सूचियों में: ChatGPT: 5 · DeepSeek: 7
हर AI ने क्या नोट किया 2
2 AI ने इसे यहाँ रखा - 10
Gemini 3.8 Flash
बड़े पैमाने वाला स्तर: इंडेक्स पर 41 अंक, $1.24 प्रति कार्य पर, और इसकी अपनी कीमत 1 जनवरी 2027 से बढ़ने वाली है। रफ़्तार पर विवाद है: एक तालिका में 308 टोकन प्रति सेकंड और दूसरी में 147।
शामिल किया: ChatGPT, Kimi. शामिल नहीं किया: Claude, Gemini, DeepSeek.उनकी सूचियों में: ChatGPT: 7 · Kimi: 9
हर AI ने क्या नोट किया 2
- ChatGPTस्थान 7
इसका बताया गया इंडेक्स स्कोर 40 है; आर्टिफिशियल एनालिसिस द्वारा दिखाया गया कम खर्च वाला आंकड़ा प्रति इंडेक्स टास्क $0.93 है।
स्रोत ↗ - Kimiस्थान 9
रफ़्तार का दानव — $1.24 प्रति इंडेक्स टास्क पर 308–345 आउटपुट टोकन/सेकंड, तेज़ और सस्ता स्तर, जो बड़े पैमाने के काम में ऊपर के सभी मॉडलों से आगे निकल जाता है।
स्रोत ↗
2 AI ने इसे यहाँ रखा
02जानने योग्य
सूची बनाते समय AI ने क्या देखा।
मतदान और कार्य-स्कोर आपस में मेल नहीं खाते। Argon Arena Text पर 1,525 के साथ नंबर 1 है, पर Arena WebDev पर नंबर 9 है और स्वतंत्र इंडेक्स पर Opus 5.5 से लगभग 5 अंक पीछे है।
शीर्ष मॉडल इंडेक्स पर छह अंकों के भीतर रहे (53–58), जबकि उनकी प्रति कार्य लागत $0.72 से $7.63 तक थी, यानी 10.6 गुना का फ़र्क।
सोचने में लगाई गई मेहनत उतना ही बिल बदलती है जितना मॉडल का चुनाव। Opus 5.5 $1.34 प्रति कार्य पर 51 अंक से लेकर $5.98 पर 58 अंक तक।
समाचार संस्थाएँ गूगल की अपनी तालिका को अलग-अलग गिनती हैं: 18 में से 12 जीत और एक बराबरी, 19 में से 13 और एक बराबरी, या 18 में से 14। यह तालिका गूगल की अपनी है, उसके अपने चुने हुए परीक्षणों और अपने परीक्षण-ढाँचे के साथ।
03लोग क्या पूछते हैं
gemini 4 argon बनाम claude opus 5.5
स्वतंत्र आर्टिफिशियल एनालिसिस इंडेक्स में Opus 5.5 58 बनाम 53 से आगे है, और Arena टेक्स्ट मतदान में Argon 1,525 बनाम लगभग 1,504 से आगे है। Argon की लागत लॉन्च पर प्रति कार्य $1.99 और उसके बाद $3.98 है, जबकि Opus की अधिकतम प्रयास पर $5.98।
स्रोत ↗gemini 4 argon बनाम claude
Claude Sonnet 5.5 को 56 अंक मिले और Opus 5.5 को 58, जबकि Argon को 53। Sonnet की $2/$10 कीमत Argon की लॉन्च कीमत के बराबर है, पर 30 नवंबर के बाद दोगुनी नहीं होती।
स्रोत ↗claude 4 बनाम gemini 2.5 pro
दोनों मॉडल एक पीढ़ी पुराने हैं। अक्टूबर 2026 का मुकाबला Opus 5.5 (58) बनाम Argon (53) है, और एक Arena ट्रैकर अभी भी Gemini 2.5 Pro को 1,345 Elo पर दिखाता है।
स्रोत ↗गूगल के कितने बेंचमार्क gemini 4 argon जीतता है
गिनती इस पर निर्भर है कि कितनी पंक्तियाँ और बराबरी गिनी जाएँ: वेंचरबीट के अनुसार 18 में से 12 और एक बराबरी, Apidog के अनुसार 19 में से 13 और एक बराबरी, और वायर्ड के अनुसार 18 में से 14।
स्रोत ↗04हमने कैसे गिना
सीधी भाषा में, बिना सूत्रों के।
1सवाल
शीर्ष 10 फ़्रंटियर AI मॉडल: निर्माताओं के दावे बनाम स्वतंत्र स्कोर बनाम प्रति टास्क असली लागत
2यह विषय क्यों
पाठक को निर्माता के अपने दावे, स्वतंत्र टास्क स्कोर, लोगों की पसंद और प्रति टास्क असली बिल एक साथ दिखते हैं, जो कोई एक लीडरबोर्ड नहीं दिखाता।
3यह कहाँ लागू होता है
अक्टूबर 2026 में उपलब्ध वैश्विक फ़्रंटियर AI भाषा मॉडल
4हमने किन बातों पर ध्यान दिया
- स्वतंत्र क्षमता: आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स और Arena का अंधे-वोट रेटिंग, साथ-साथ पढ़े गए
- हर निर्माता के अपने बेंचमार्क दावों और स्वतंत्र स्कोर के बीच का अंतर
- पूरे हुए हर टास्क की लागत, लॉन्च कीमत और मानक कीमत पर, साथ में मापी गई आउटपुट गति
- बराबरी का फ़ैसला: निर्माता की अपनी लॉन्च-तालिका के कितने बेंचमार्क मॉडल जीतता है
- आर्टिफिशियल एनालिसिस इंटेलिजेंस इंडेक्स — 10 कार्य-मूल्यांकनों का स्वतंत्र औसत, जिसमें एजेंट-आधारित काम को ज़्यादा वज़न है। हर मॉडल के लिए कई सोचने-प्रयास सेटिंग में दिखाया गया है।
- आर्टिफिशियल एनालिसिस प्रति कार्य लागत और आउटपुट रफ़्तार — इंडेक्स के कार्य मॉडल की कीमत पर चलाने में अमेरिकी डॉलर, लॉन्च कीमत और सामान्य कीमत पर, साथ में प्रति सेकंड आउटपुट टोकन की मीडियन।
- LMArena Text और WebDev Arena — गुमनाम आमने-सामने के मानवीय मतदान से Elo-शैली की रेटिंग। ये पसंद मापते हैं, सटीकता नहीं।
- गूगल की Gemini 4 Argon लॉन्च तालिका — निर्माता द्वारा बताए गए बेंचमार्क स्कोर। गूगल ने इनमें से कुछ अपने परीक्षण-ढाँचे पर चलाए, और प्रतिस्पर्धी मॉडलों के आँकड़े दूसरे स्रोतों से हैं। पंक्तियों और जीतों की गिनती इस हिसाब से अलग है
5रैंक किसने दी
अग्रणी AI: Claude, ChatGPT, Gemini, Kimi, DeepSeek। हर एक ने स्वतंत्र रूप से दस स्थानों की अपनी सूची बनाई और हर स्थान के लिए स्रोत बताया।
6स्थान कैसे तय हुए
अलग-अलग AI द्वारा अलग ढंग से लिखी गई एक ही चीज़ को एक गिना गया। जितने ज़्यादा AI ने किसी चीज़ को अपनी सूची में रखा और जितना ऊपर रखा, उसका स्थान उतना ऊँचा। "AI की सहमति" बताती है कि कितने AI की अपनी सूची में वह चीज़ थी। स्रोत केवल वही हैं जो AI ने खुद खोजे; हाथ से कुछ नहीं जोड़ा गया।
05हर AI की अपनी सूची
🇺🇸 Claude10 स्थान · 4 नोट
वही सवाल, जिसका जवाब अकेले Claude ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1Claude Opus 5.5
यह अकेला मॉडल है जो स्वतंत्र इंडेक्स (58) में सबसे आगे है, और इसकी लॉन्च कीमत इसकी सामान्य कीमत ($4/$20) के बराबर है, इसलिए कीमत में अचानक बढ़ोतरी नहीं होती। उच्च स्तर पर यह $1.82 प्रति टास्क में 54 स्कोर करता है।
स्रोत ↗ - 2Claude Sonnet 5.5
सूची-कीमत की आधी ($2/$10) पर यह Opus 5.5 से 2 इंडेक्स अंक के भीतर है। AA तालिका में यह शीर्ष श्रेणी का सबसे तेज़ मॉडल है (134 टोकन प्रति सेकंड)।
स्रोत ↗ - 3GPT-6.1 Sol
इंडेक्स 52, $0.72 प्रति टास्क पर। शीर्ष 15 AA प्रविष्टियों में यह सबसे सस्ता है, इसलिए डॉलर में क्षमता के हिसाब से यह आगे है। इसकी कमज़ोरी इसकी धीमी गति है: 55 टोकन प्रति सेकंड।
स्रोत ↗ - 4Gemini 4 Argon (गूगल, 2026)
Arena वोट में पहले स्थान पर (लगभग 1524), पर Opus 5.5 से 5 इंडेक्स अंक पीछे। और जब शुरुआती कीमत खत्म होगी, तो इसका $1.99 प्रति टास्क खर्च लगभग दोगुना होकर लगभग $3.98 हो जाएगा।
स्रोत ↗ - 5GPT-6 Astra (ओपनएआई)
इंडेक्स पर 53 के साथ यह Argon के बराबर है, पर अधिकतम स्तर पर इसका खर्च $3.26 प्रति टास्क है, जबकि Argon का $1.99 है। $10/$50 पर यह अग्रणी मॉडलों में प्रति टोकन सबसे महंगा है।
स्रोत ↗ - 6Muse Wonder (मेटा, 2026)
मेटा का पहला फ़्रंटियर-श्रेणी मॉडल 52 स्कोर करता है और AA तालिका में 161 टोकन प्रति सेकंड के साथ सबसे तेज़ API मॉडल है। पर यह अभी भी प्रीव्यू में है, और इसका खर्च $4.52 प्रति टास्क है।
स्रोत ↗ - 7Claude Fable 5.1
इंडेक्स 53, $7.63 प्रति टास्क पर और प्रति दस लाख टोकन $10/$50 पर। यह ह्यूमैनिटीज़ लास्ट एग्ज़ाम तालिका में सबसे आगे है (59.1%), पर उतने ही इंडेक्स अंकों के लिए यह किसी भी प्रतिद्वंद्वी से ज़्यादा महंगा है।
स्रोत ↗ - 8Muse Wonder Full (मेटा)
56 स्कोर करता है और इंडेक्स पर तीसरे स्थान पर है, पर इसे प्रति टोकन खरीदा नहीं जा सकता। यह केवल $50 और $200 प्रति माह वाले Muse Code प्लान के ज़रिए बिकता है।
स्रोत ↗ - 9Claude Opus 5
यह वह मॉडल है जिसकी जगह Opus 5.5 ने ली: modelgrep की तालिका में इसके इंडेक्स अंक 6.8 कम हैं, और प्रति दस लाख इनपुट टोकन पर $1 ज़्यादा ($5/$25) है।
स्रोत ↗ - 10Muse Spark 1.3 (मेटा)
तालिका में फ़्रंटियर श्रेणी की सबसे सस्ती प्रविष्टि ($1.25 प्रति दस लाख इनपुट टोकन), इंडेक्स 48.1 पर।
स्रोत ↗
Claude ने क्या देखा
Argon की कीमत में अचानक बढ़ोतरी ही मुख्य कारण है कि मैं इसे Sol और Claude मॉडलों के नीचे रखता हूँ। इसका $1.99 प्रति टास्क खर्च सामान्य $4/$20 कीमत पर लगभग $3.98 हो जाता है, जो Astra के खर्च का लगभग 120% है। Argon प्रति टास्क लगभग 62,000 आउटपुट टोकन इस्तेमाल करता है, जबकि Astra 27,000।
स्वतंत्र इंडेक्स और मानव वोट एक-दूसरे से मेल नहीं खाते। Arena के टेक्स्ट वोट में Argon लगभग 1524 के साथ पहले स्थान पर है, और Claude मॉडल लगभग 20 अंक पीछे हैं। पर आर्टिफिशियल एनालिसिस इंडेक्स पर यह Opus 5.5 से 5 अंक पीछे है।
तर्क का स्तर मॉडल चुनने से ज़्यादा खर्च बदलता है। Opus 5.5 $1.34 प्रति टास्क पर 51 से लेकर $5.98 पर 58 तक रहता है। मध्यम स्तर का Opus 5.5 प्रति टास्क Argon के उच्च स्तर वाले रन से सस्ता पड़ता है।
गूगल की तालिका में उसकी अपनी हारें भी शामिल हैं (Terminal-bench 4.0, FrontierSWE v2, PostTrainBench)। एक समाचार स्रोत ने इसे कंपनी की रिपोर्टिंग के लिए असामान्य तरीका कहा, पर परीक्षण का ढांचा और बेंचमार्क का चुनाव अब भी गूगल का ही है।
🇺🇸 ChatGPT10 स्थान · 4 नोट
वही सवाल, जिसका जवाब अकेले ChatGPT ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1Claude Opus 5.5
आर्टिफिशियल एनालिसिस ने इसे इंटेलिजेंस इंडेक्स का अग्रणी घोषित किया; इससे मानव-पसंद या पैसे के हिसाब से मूल्य की होड़ तय नहीं होती।
स्रोत ↗ - 2Gemini 4 Argon
आर्टिफिशियल एनालिसिस इसे इंटेलिजेंस इंडेक्स पर 53 और उस इंडेक्स को चलाने पर $1.99 बताता है; गूगल की API लॉन्च कीमत उसकी घोषित सामान्य कीमत की आधी थी।
स्रोत ↗ - 3GPT-6 Astra
इसके आर्टिफिशियल एनालिसिस पेज पर 53 है, जो मिले नतीजों में Argon के बराबर है, जबकि बताई गई आउटपुट गति 57 टोकन प्रति सेकंड है।
स्रोत ↗ - 4Claude Fable 5.1
अक्टूबर की एक सारांश रिपोर्ट इसे आर्टिफिशियल एनालिसिस और WebDev Arena में अग्रणी मॉडलों में रखती है, पर मिले स्रोत किसी एक सर्वश्रेष्ठ विजेता को सभी तालिकाओं में साबित नहीं करते।
स्रोत ↗ - 5Grok 4.7
आर्टिफिशियल एनालिसिस के रिलीज़ पेज पर इंडेक्स स्कोर 46 है, और अलग-अलग वेरिएंट में इंडेक्स टास्क का खर्च $1.25–$3.74 के बीच है।
स्रोत ↗ - 6Gemini 3.8 Flash (High)
आर्टिफिशियल एनालिसिस इसे 41 पर रखता है, जबकि गूगल का पुराना मॉडल परिवार अब मुख्य फ़्रंटियर रिलीज़ नहीं रहा।
स्रोत ↗ - 7Gemini 3.8 Flash (Medium)
इसका बताया गया इंडेक्स स्कोर 40 है; आर्टिफिशियल एनालिसिस द्वारा दिखाया गया कम खर्च वाला आंकड़ा प्रति इंडेक्स टास्क $0.93 है।
स्रोत ↗ - 8Gemini 3.8 Flash (Low)
मिले आर्टिफिशियल एनालिसिस के क्रिएटर पेज पर 33 है, जो High वेरिएंट के 41 से काफ़ी कम है।
स्रोत ↗ - 9Gemini 3.1 Pro Preview
आर्टिफिशियल एनालिसिस 30 दर्ज करता है; इसके क्रिएटर पेज पर 139 टोकन प्रति सेकंड बताए गए हैं, पर अकेली यह गति इसे क्षमता के हिसाब से शीर्ष चुनाव नहीं बनाती।
स्रोत ↗ - 10अक्टूबर 2026 के अन्य फ़्रंटियर मॉडल
मिले सत्यापित स्कोर और कीमत के सबूतों से दसवें स्थान का भरोसेमंद फ़ैसला नहीं हो सकता; दोहराने लायक छोटी सूची के लिए शुरुआत लाइव रिलीज़ सूची से करें।
स्रोत ↗
ChatGPT ने क्या देखा
Argon का आर्टिफिशियल एनालिसिस स्कोर 53 मज़बूत है, पर इंडेक्स टास्क का खर्च वही $1.99 है; अकेला स्कोर यह नहीं दिखाता कि पूरा होने वाला सबसे सस्ता टास्क कौन-सा है।
गूगल की Argon API की लॉन्च कीमत प्रति दस लाख इनपुट/आउटपुट टोकन $2/$10 थी, और 30 नवंबर 2026 के बाद की सामान्य कीमत $4/$20 बताई गई है।
Arena मानव-पसंद मापता है, और अक्टूबर की रिपोर्टों में टेक्स्ट, WebDev और दूसरी तालिकाओं के अलग-अलग अग्रणी बताए गए हैं — कोई एक Arena नतीजा हर इस्तेमाल का जवाब नहीं देता।
गूगल की लॉन्च तालिका कंपनी द्वारा बताए गए बेंचमार्क का सेट है; इसे स्वतंत्र इंडेक्स से मिलाने के लिए टास्क, सेटिंग और मॉडल वेरिएंट का मेल होना ज़रूरी है।
🇺🇸 Gemini10 स्थान
वही सवाल, जिसका जवाब अकेले Gemini ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1Gemini 4 Argon
गूगल का मुख्य मॉडल प्रतिस्पर्धी अनुमान-गति के साथ इंटेलिजेंस इंडेक्स पर ऊँचा प्रदर्शन देता है।
- 2Claude 3.5 Sonnet
एंथ्रोपिक का किफ़ायती मॉडल लागत के मुकाबले लोगों की पसंद में शीर्ष अंक बनाए रखता है।
- 3Claude 3 Opalescent / Opus Series
गहरे तर्क का दिग्गज मॉडल ऊँची कीमत पर कोडिंग में सबसे सटीक नतीजे देता है।
- 4GPT-4o
ओपनएआई का बहुमुखी मल्टीमोडल मुख्य मॉडल तेज़ टोकन-उत्पादन और बुनियादी बुद्धिमत्ता में संतुलन रखता है।
- 5ओपनएआई o1 / o3 Series
विशेष तर्क-ढाँचा कदम-दर-कदम समस्या हल करने के बदले में ज़्यादा देरी स्वीकार करता है।
- 6Gemini 1.5 Pro
बहुत बड़ी संदर्भ-विंडो वाला मॉडल, जो प्रतिस्पर्धी कंपनी-कीमत पर दस्तावेज़ों का गहरा विश्लेषण देता है।
- 7Llama 3.3 70B
मेटा का ओपन-वेट मानक ओपन-सोर्स होस्टिंग लागत पर बंद फ्रंटियर एपीआई के प्रदर्शन से होड़ लेता है।
- 8डीपसीक V3 / R1
बेहद कम लागत वाला एपीआई मानक, जो खर्च के हर हिस्से पर शीर्ष-स्तरीय प्रदर्शन देता है।
- 9Mistral Large 2
यूरोपीय फ्रंटियर मॉडल, जिसकी कई भाषाओं में मज़बूत क्षमता और कोड चलाने के आँकड़े अच्छे हैं।
- 10Qwen 2.5 72B
अलीबाबा का ओपन-वेट मॉडल गणित, कोडिंग और संरचित भाषा के कामों में आगे है।
🇨🇳 Kimi10 स्थान · 4 नोट
वही सवाल, जिसका जवाब अकेले Kimi ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1Claude Sonnet 5.5 (एंथ्रोपिक, 2026)
स्वतंत्र इंडेक्स पर 56 अंक — Opus 5.5 से एक अंक पीछे — $2.01 प्रति टास्क पर, मुख्य मॉडल की कीमत के आधे में, और यह Terminal-Bench 4.0 (63.6%) में साफ़ तौर पर आगे है।
स्रोत ↗ - 2Claude Opus 5.5 (एंथ्रोपिक, 2026)
स्वतंत्र इंडेक्स पर 57.6–58 के साथ यह नंबर 1 है और Arena का नंबर 2 चैट मॉडल है — इस दौर के किसी भी लॉन्च में इसके निर्माता के दावे इसके स्वतंत्र स्कोर के सबसे करीब हैं।
स्रोत ↗ - 3Gemini 4 Argon (गूगल डीपमाइंड, 2026)
30 नवंबर तक आधी कीमत ($1.99 प्रति टास्क) पर और 1525 के साथ Arena पर नंबर 1 — लेकिन 1 दिसंबर की सामान्य कीमत ($3.98 प्रति टास्क) पर इसकी उपयोगिता Sonnet 5.5 से नीचे चली जाती है, और यह हर टास्क में 62k आउटपुट टोकन फूँक देता है।
स्रोत ↗ - 4GPT-6.1 Sol (ओपनएआई, 2026)
इंडेक्स के हर टास्क पर $0.72 — फ्रंटियर-स्तर की क्षमता खरीदने का सबसे सस्ता तरीका, 66 t/s की रफ़्तार से, Argon से एक इंडेक्स अंक नीचे, Astra की कीमत के पाँचवें हिस्से में।
स्रोत ↗ - 5GPT-6 Astra (ओपनएआई, 2026)
कठिन तर्क की तालिकाओं में आगे है (ARC-AGI-2 95%, FrontierMath Tier 4 97.6%, LiveBench Reasoning 92.65) और Arena WebDev में नंबर 2 — लेकिन $10/$50 की कीमत इसे $3.26 प्रति टास्क का महँगा विकल्प बनाती है, 57 t/s की रफ़्तार पर।
स्रोत ↗ - 6Muse Wonder / Muse Wonder Full (मेटा, 2026)
Wonder Full स्वतंत्र इंडेक्स पर 56 पर Sonnet 5.5 के बराबर है और SWE-Marathon में 11 अंकों से जीतता है — लेकिन Full Muse Code के अंदर बंद है, और मेटा प्रतिद्वंद्वी के नतीजों को 'best-effort' कहकर चिह्नित करता है।
स्रोत ↗ - 7Claude Fable 5.1 (एंथ्रोपिक, 2026)
सटीकता की सबसे ऊँची सीमा — 67% तथ्यात्मक सटीकता, जो आर्टिफिशियल एनालिसिस ने अब तक नापी सबसे ऊँची है — $10/$50 की कीमत पर, जो रफ़्तार नहीं, भरोसा खरीदती है।
स्रोत ↗ - 8Kimi K3 (मूनशॉट एआई, 2026)
ओपन-वेट की सबसे ऊँची सीमा — $3/$15 पर इंडेक्स पर 57, डाउनलोड करने योग्य 2.8T-पैरामीटर वेट्स के साथ; GDPval Elo 1687 किसी भी ओपन मॉडल का अब तक का सबसे अच्छा तीसरे पक्ष का पेशेवर-काम स्कोर है।
स्रोत ↗ - 9Gemini 3.8 Flash (गूगल, 2026)
रफ़्तार का दानव — $1.24 प्रति इंडेक्स टास्क पर 308–345 आउटपुट टोकन/सेकंड, तेज़ और सस्ता स्तर, जो बड़े पैमाने के काम में ऊपर के सभी मॉडलों से आगे निकल जाता है।
स्रोत ↗ - 10GPT-6 Sol (ओपनएआई, 2026)
पहुँच का विकल्प — 7 अक्टूबर से ChatGPT का डिफ़ॉल्ट — लेकिन Arena टेक्स्ट पर वोटर इसे #67 पर रखते हैं (1455.9), अपने पिछले मॉडल से भी नीचे, इंडेक्स पर 47.6 के साथ।
स्रोत ↗
Kimi ने क्या देखा
इस तिमाही में लॉन्च की कीमत हर तुलना-तालिका को बिगाड़ रही है: Argon का $1.99 प्रति टास्क 30 नवंबर तक का छलावा है — सामान्य दर पर इसकी कीमत $3.98 है, जो Sonnet 5.5 ($2.01) से ज़्यादा है, जबकि स्कोर कम है।
इंसानी वोट और टास्क की सटीकता पहले से ज़्यादा अलग-अलग बोल रहे हैं: Argon Arena टेक्स्ट पर नंबर 1 है (1525.4), लेकिन Arena WebDev पर सिर्फ़ #8–9 और स्वतंत्र इंडेक्स पर Opus 5.5 से लगभग 5 अंक पीछे — लोग इसे पसंद करते हैं, पर टेस्ट-ढाँचे नहीं।
Argon टोकन की भट्टी है: इंडेक्स के हर टास्क पर 62,000 आउटपुट टोकन, जबकि GPT-6 Astra पर 27,000 — इसकी कीमत की बढ़त लंबी बातों से आती है, कार्यकुशलता से नहीं।
हर लैब अपने ही प्रकाशित बेंचमार्क में जीतती है: गूगल Argon के लिए लॉन्च-तालिका में 14/18 जीत का दावा करता है; मेटा के स्कोरकार्ड में Wonder Full और Opus 5.5 को छह-छह पंक्तियाँ मिलती हैं — स्वतंत्र इंडेक्स ही एकमात्र साझा आधार हैं।
🇨🇳 DeepSeek10 स्थान · 4 नोट
वही सवाल, जिसका जवाब अकेले DeepSeek ने दिया। ऊपर की अंतिम सूची सभी AI को मिलाती है।
- 1GPT-6.1 Sol (अधिकतम तर्क)
यह Claude Opus 5.5 से छह इंडेक्स अंक पीछे रहता है, लेकिन इसका खर्च $0.72 प्रति टास्क है — Opus के $5.98 का आठवाँ हिस्सा — इसलिए हर डॉलर पर क्षमता में यह पहले नंबर पर है।
स्रोत ↗ - 2Claude Sonnet 5.5 (अधिकतम, बैकअप के साथ)
यह 56 स्कोर करता है और 134.5 टोकन/सेकंड पर चलता है, लेकिन इंडेक्स पर 420M टोकन फूँक देता है, इसलिए इसका लेबल पर लिखा $2/$10 वाला दाम प्रति टास्क $5.46 हो जाता है।
स्रोत ↗ - 3Claude Opus 5.5 (अधिकतम, बैकअप के साथ)
स्वतंत्र बुद्धिमत्ता में इसका स्कोर सबसे ऊँचा 58 है, लेकिन इसका $5.98 प्रति टास्क खर्च Sol का 8.3x है; क्षमता की बढ़त बिल से कम दिखती है।
स्रोत ↗ - 4Gemini 4 Argon (उच्च)
यह 53 पर GPT-6 Astra के बराबर है, लॉन्च छूट के बाद इसकी कीमत $3.98 है, और फिर भी 1,525 के साथ Arena की पसंद-वोटिंग जीतता है।
स्रोत ↗ - 5GPT-6 Astra (अधिकतम)
यह Vals Science में 65.09% के साथ सबसे ऊपर है, लेकिन $3.26 प्रति टास्क खर्च करता है और 66.5 टोकन/सेकंड पर चलता है — विज्ञान में जीतने वाला रफ़्तार में जीतने वाला नहीं है।
स्रोत ↗ - 6GPT-5.6 Sol (अधिकतम)
पुराना Sol अभी भी AA पर Grok 4.7 को हराता है (47 बनाम 46) और $1.99 प्रति टास्क खर्च करता है, लेकिन यह डेप्रिकेटेड है और अब अपडेट नहीं होता।
स्रोत ↗ - 7Grok 4.7 (xhigh)
93.8 टोकन/सेकंड की रफ़्तार और प्रति टोकन सस्ता, फिर भी इतना लंबा बोलता है कि $3.74 प्रति टास्क खर्च आए और AA पर 46 पर आ जाए।
स्रोत ↗ - 8Claude Opus 5 (अधिकतम)
AA पर अब भी 51 और $5.86 प्रति टास्क, लेकिन Opus 5.5 ने इसे डेप्रिकेटेड कर दिया — फ्रंटियर मॉडलों की उम्र इतनी जल्दी घटती है कि पुराना मुख्य मॉडल भी अकेला छूट जाता है।
स्रोत ↗ - 9Claude Fable 5.1 (अधिकतम, बैकअप के साथ)
विज्ञान पर केंद्रित महँगा विकल्प: $7.63 प्रति टास्क, 68.7 टोकन/सेकंड, और निर्माता का विज्ञान-संबंधी दावा, जिसे स्वतंत्र परीक्षणों ने लगभग आधा कर दिया।
स्रोत ↗ - 10Muse Wonder Full (अधिकतम)
यह AA पर 56 स्कोर करता है, लेकिन इसका कोई एपीआई नहीं, कोई प्रकाशित रफ़्तार नहीं और प्रति टास्क कोई कीमत नहीं — यह ऐसी क्षमता है जिसे आप न रूट कर सकते हैं, न उसका खर्च नाप सकते हैं।
स्रोत ↗
DeepSeek ने क्या देखा
इस रैंकिंग में 40% AA इंटेलिजेंस इंडेक्स, 40% प्रति टास्क सामान्य खर्च और 20% आउटपुट रफ़्तार का भार है; निर्माता के दावों की जीत का इस्तेमाल सिर्फ़ लगभग बराबर अंक टूटने पर होता है। इसीलिए Sol का $0.72 वाला टास्क Opus की 58-अंक वाली क्षमता-बढ़त को पीछे छोड़ देता है।
Gemini 4 Argon LMArena टेक्स्ट पर 1,525 के साथ नंबर 1 है, लेकिन LMArena WebDev पर 1,677.8 के साथ सिर्फ़ नंबर 9 — वही मॉडल आम पसंद का वोट जीतता है और कोडिंग-निर्माण का वोट हारता है।
गूगल ने Argon की लॉन्च-तालिका की 19 में से 10 पंक्तियाँ खुद नापीं और बाकी 9 सार्वजनिक लीडरबोर्ड से लीं; उसकी पाँच हारें टर्मिनल और लंबी अवधि की कोडिंग में केंद्रित हैं, ज्ञान-आधारित कामों में नहीं।
12 अक्टूबर को AA पर सबसे सक्षम चार मॉडल छह अंकों के भीतर (53–58) थे, जबकि उनका नापा गया प्रति टास्क खर्च $0.72 से $7.63 तक था — छह अंकों की क्षमता-पट्टी पर 10.6 गुना का फ़र्क।