RuneBench 部分成绩流出:DeepSeek 性价比霸榜
11 月 12 日,开发者 mariofilhoml 与 maxbittker 在 X 上陆续放出 AI 编程基准 RuneBench 的部分实测结果,因 OpenRouter 免费额度用尽,本轮只覆盖 Inkling 2 Small 等部分模型,更完整的对比需等配额恢复后补跑。
已确认
- Inkling 2 Small 在已测 9 项技能上 log-average 得分 5.314(几何均值口径),远超前代。
- Hy4 High(Pi 内部)得 6.23 分,约 0.59 美元/次,位于按 API 成本与分数绘制的性价比 Pareto 前沿。
- 成本-得分散点图显示,性价比象限被 DeepSeek 系模型霸榜。
- mariofilhoml 的测试跑在 Pi(xhigh 配置)上,其观察:OpenCode 在其测试中不敌 Pi;OpenCode 2.x 明显优于 1.19;Hy4 表现不如 Pi。OpenCode 在 OpenRouter 上暂无付费版。
尚未确认
- 各模型的完整 RuneBench 成绩与最终排名尚未出炉,待 OpenRouter 配额恢复后补测。
为什么重要
RuneBench 把 API 成本与得分同图呈现,直观暴露「高分贵模型」与「够用便宜模型」的分界;本轮部分结果显示低成本象限正被 DeepSeek 占据,对按性价比选型的开发者有直接参考价值。
2026-11-12 ~ 2026-11-12 · 5 条相关
一手来源
- RuneBench 部分成绩流出：Inkling 2 Small 得分 5.314 远超前代 — mariofilhoml ·
- RuneBench 性价比实测:Hy4 High 得 6.23 分仅花 0.59 美元/次 — mariofilhoml ·
- 【源头】RuneBench 部分成绩流出：Inkling 2 Small 得分 5.314 远超前代 — mariofilhoml · 2026-11-12
- RuneBench 成本-得分图曝光:性价比象限被 DeepSeek 霸榜 — maxbittker · 2026-11-12
- 开发者实测对比：OpenCode 不敌 Pi，agent 编码象限被 DeepSeek 垄断 — mariofilhoml · 2026-11-12
- 实测者:OpenCode 2.x 明显优于 1.19,Hy4 表现不如 Pi — mariofilhoml · 2026-11-12
- 【源头】RuneBench 性价比实测:Hy4 High 得 6.23 分仅花 0.59 美元/次 — mariofilhoml · 2026-11-12