اگست 2026 تک ماڈل منظرنامے کا اسنیپ شاٹ، مکمل طور پر ہماری درجہ بندی کے ڈیٹا سے لیا گیا — 58 زیرِ نظر ماڈلز، 25 بینچ مارکس، پانچ ماخذ درجہ بندیاں۔
پوڈیم کی چوٹی
Claude Mythos Preview 97.4 کے ساتھ #1 پر قائم ہے، اس کے بعد Claude Fable 5 (93.4) اور — پوڈیم پر واحد غیر Anthropic ماڈل — Kimi K3 (83.3)، جو ہمارے زیرِ نظر بہترین اوپن ویٹ ماڈل بھی ہے۔ Anthropic ٹاپ پانچ میں سے چار جگہوں پر قابض ہے۔
اوپن ویٹ فاصلہ: 14 پوائنٹس، اور سکڑ رہا ہے
Kimi K3 کا 83.3 پرائیویٹری فرنٹیئر سے تقریباً 14 Podium پوائنٹس نیچے ہے۔ LiveCodeBench پر یہ دس گنا مہنگے کئی بند ماڈلز کو شکست دیتا ہے۔ تاہم ٹاپ تین اوپن ماڈلز کے بعد اسکور 50 سے نیچے گر جاتے ہیں — اوپن میدان اس وقت فرنٹیئر پر صرف ایک لیب کی گہرائی رکھتا ہے۔
قیمتیں: 178 گنا کا پھیلاؤ
آؤٹ پٹ قیمتیں $0.28/M (DeepSeek V4 Flash) سے $50/M (Claude Fable 5) تک ہیں۔ بازار تین درجات میں تقسیم ہو چکا: سہولت (<$1/M)، ورک ہارس ($1–10/M) اور فرنٹیئر ($25–50/M)۔ ویلیو درجہ بندی دکھاتی ہے کہ فی ڈالر ذہانت کا بہترین نقطہ ورک ہارس درجے میں ہے۔
رفتار: فلیش جنگیں
Google کا Flash خاندان رفتار پوڈیم پر چھایا ہوا ہے — Gemini 3.5 Flash-Lite فی سیکنڈ 389 ٹوکینز پر — جبکہ Meta کا Muse Spark 1.1 ($4.25/M پر 208 t/s) سال کی بہترین رفتار فی ڈالر کہانی ہے۔
2026 کا فیصلہ کس نے کیا
ایجنٹک بینچ مارکس نے چیٹ ترجیح کو میدانِ جنگ سے بدل دیا: SWE-Bench Verified (Fable 5 کے 95%) اور Terminal-Bench نے قائدین کو الگ کیا، جبکہ Humanity's Last Exam ابھی بھی فرنٹیئر کی چھت ہے — کوئی اسے آسانی سے عبور نہیں کر پاتا۔ نئے آمنے سامنے صفحات پر کوئی بھی مقابلہ دیکھیں۔