你只是想修个 bug，菜单却比外卖还长
你只是想修一个 bug，模型菜单却比外卖菜单还长：便宜的怕做不好，贵的又舍不得一直开。更麻烦的是，同一个模型换一只外壳，成绩和账单还会变。这篇先回答一个实用问题：你手里的这件活，该派谁去？
这个秋天几乎每周都有模型发布或更新：从 9 月 21 日到 10 月 27 日，六家公司先后交出七款新一代主力模型——Grok 4.7、Opus 5.5、GPT-6.1 Sol、Gemini 4 Argon、MiniMax M3.1 Flash、Kimi K3.1 Pro、GPT-6.1 Terra，往前再挪几周，GLM-5.3 和 GLM-5.3-Flash 刚完成换代，完整时间线放在文末。先别急着认全名字，菜单只会越变越长；更要紧的是另一件事：就算你不直接调用 API，也在被影响——你用的编程助手、写作工具、搜索摘要，底层多半就是这些名字。
先给全文的核心判断：这个市场没有全能冠军。选模型是按任务匹配，不是追榜单第一；看任何“最强”的说法，都要带上三要素——版本、harness、日期。
丑话说在前面：本文信息截至 2026 年 10 月 27 日。这个行当的迭代以周计，等你读到这篇文章，格局可能又变了一轮；文中所有价格、上下文长度、榜单成绩的具体数字，动手选型前请以官方页面为准。还要交代方法：这篇依据公开文档和评测整理候选，没有把所有模型放进同一套任务里实测——所以下文会区分规格、厂商自测、第三方评测和我的选择建议，最后怎么排班，还要用你自己的任务试一次。完整发布时间线放在文末资料区，按日期排好，方便对表。
下面按顺序讲：先分清两类“模型”，再速览牌桌上都有谁，然后按擅长领域横着比、按价格竖着选，最后给一张选型地图。动笔前先给自己的活儿对个号，带着后两列的问题往下读：
| 手里的活 | 先检查什么 | 试跑时记录什么 |
|---|---|---|
| 修一个能复现的 bug | 能否读到相关文件、执行测试、遵守改动范围 | 是否修复原问题、有没有回归、耗时与总费用 |
| 读长文档并给出结论 | 上下文余量、关键内容能否被找到、引用能否核对 | 漏项、引用准确性、输出是否完整 |
| 写一篇符合自己语气的稿子 | 事实要求、样稿、语气与禁用写法 | 达到可用稿的修改轮数、是否丢约束 |
| 画中文信息图 | 实际底座、编辑能力、标签数量 | 逐字准确、布局可读、修改成本 |
先分清两类“模型”
上一篇《AI、模型、Agent、Harness》里说过：模型是一大团参数构成的函数，给它输入，它算出输出。今天讲选型，为了按任务挑人，本文先按任务把手头的模型分成两组——这不是互斥的技术家谱，同一个产品也可能同时提供两组能力。
一族是语言与多模态理解模型：聊天、写代码、读文档、做分析，以文本进出为主，顺带能看图。GPT 系、Claude 系、Gemini 系、DeepSeek、Qwen、GLM、Kimi，都是这一族。
另一族是图像生成模型：你描述画面，它产出图片。Google 的 Nano Banana、OpenAI 的 GPT Images、字节的 Seedream、Midjourney，是这一族。
严格说，牌桌边还坐着第三族人——音频与视频生成模型：你给一段描述或一首歌词，它产出配音、歌曲或一段视频。这一族 2026 年也挤满了人，OpenAI 的 Sora 2、Google 的 Veo 3.1、快手的可灵 Kling 3.0、字节的 Seedance 系列都是第三方横评里的常客。它们的选型逻辑又自成一派——看时长、分辨率、物理一致性、素材版权，跟聊天、画图都不挨着。本文聚焦前两族，音视频不展开。
有人会问：多模态理解模型不也能“看图”吗，跟画图的什么关系？一句话：看图是理解，画图是生成——一个把图读成字，一个把字变成图，方向相反，是两拨能力。本文说的画图，特指后者。
两族的选型逻辑完全不同：前者看上下文窗口、输出上限、编程与推理；后者看画面质量、文字渲染、风格控制。混在一起横评只会各说各话，所以本文分开讲——接下来两节讲第一族，画图的单独放一节。
能聊会写是一族，会画是另一族，选型前先分家。
家族速览：牌桌上都有谁
先竖着看牌子。表格里只写型号全称和已核实的日期——这个习惯本身，就是本文想教的东西之一。
先交代一个读表的前提。一个家族下面往往不止一个型号，一个型号下面还可能分档：Anthropic 一家就有 Opus、Sonnet、Haiku 三个档位，大致对应攻坚、均衡、速度；OpenAI 在 Astra 之下另设了更便宜的 Sol。上一篇说过，公司、模型、产品是三层东西；到选型这一步，还得再多认一层“档位”——同一家公司里高低档的差距，未必小于两家公司之间。
| 家族 | 本文主要候选（全称） | 最近动作 | 开放权重 | 一句话定位 |
|---|---|---|---|---|
| OpenAI | GPT-6 Astra（同门有 GPT-6.1 Sol、GPT-6.1 Terra） | Astra 2026-09-03 官宣；Sol 2026-09-29；Terra 发布——官方 API 日志记为 10-26，国内快讯见于 10-27（API 型号页已上线，产品端逐步推出） | 否 | Astra 是最强旗舰：计算机操作、编程、专业工作；Sol 官方称“接近 Astra 的智能、五分之一的价格”；Terra 官方定位是视觉推理、精准电脑操作与自然写作的快速高效模型；GPT-6 Luna 在 API 中收费，免费日常用法指产品套餐中的可用档位 |
| Anthropic | Claude Opus 5.5（Sonnet 5.5、Haiku 5.5 同季补齐） | Opus 2026-09-22 | 否 | 旗舰主力；更高档的 Fable 线（2026-06-09 发布）主打大型编程项目与多日自主任务 |
| Gemini 4 Argon | 2026-10-13 GA（9 月底起早享，体验计划口径） | 否 | 新旗舰；1M 统一上下文窗口，默认同步输出上限 65,536 | |
| DeepSeek | DeepSeek-V4.1-Flash-1017 | V4.1-Flash 2026-09-10 首发，1017 为 2026-10-17 更新 | 是（MIT） | 552B MoE；1M 上下文、384K 输出；默认思考、原生视觉 |
| 阿里 Qwen | Qwen3.8-2.4T-A95B（开放权重）；托管版 Qwen3.8-Max | 权重 2026 年 8 月开放；托管版功能另行扩展 | 是（Qwen3.8-2.4T-A95B 用 Qwen3.8-Max License，自有许可） | Max 级权重首次开放；托管版基于它另提供视觉输入、非思考模式与内置工具 |
| 智谱 GLM | GLM-5.3（另有 GLM-5.3-Flash） | 2026-08-14；Flash 2026-08-26 | 是（GLM-5.3 License；Flash 为 MIT） | 开放权重编程旗舰；Flash 档是系列首个原生多模态 |
| 月之暗面 Kimi | Kimi K3.1 Pro（上代 K3） | K3.1 Pro 2026-10-24 发布、另有 Highspeed 高速版；权重官方承诺 11-04 前开放 | K3 是（Kimi K3 License）；K3.1 Pro 待开放、许可未公布 | 官方称迄今最强，K3.1 系列首个模型；1M 上下文 |
特别标注一下 DeepSeek 那一行：V4.1-Flash 的首发是 2026 年 9 月 10 日（官方发布文），10 月 17 日的 1017 是在此基础上的版本更新——首发和更新是两件事，型号写全才不会张冠李戴。
牌桌边还有几家值得知道的型号：xAI 的 Grok 4.7（9 月 21 日）主打编程与知识工作，带 Expert 模式，Grok 5 尚未发布；Mistral Large 4（10 月 6 日预览）是欧洲选手的旗舰，权重计划 10 月底开放（官方口径“月底”，另有二手报道称 10 月 27 日）——注意还是“计划”；MiniMax 的 M3.1 Flash 10 月 19 日刚落地，走日常高效路线；字节豆包 2.0 今年 2 月发布，定位生产级通用 Agent 模型，还配了专用的编程模型，6 月又更新了 Seed 2.1；Meta 的 Muse Spark 主线闭源驱动着 WhatsApp、Instagram 里的 Meta AI，10 月 15 日又发布了开放权重版 Muse Spark Open——官方称迄今最强的美国开放权重模型，约 816B 参数的 MoE（官方文档口径）、主打编程与 agent 任务，采用自有许可，开放权重不等于开源。
名单之外还坐着不少玩家：美团的 LongCat、阶跃星辰的 Step 5、腾讯混元 4、小米 MiMo 等国产选手（后三家有开放权重版本，聚合站口径），Inception 的 Mercury 3 这类白菜价新秀（首发促销期输入每百万 $0.10，常规价 $0.20，官方口径），Meta 在 10 月 12 日还上线了支持多模态输入、文本输出的 Muse Wonder；另有阿里云提供的 GLM-5.3-Prime、Qwen3.8-Max-Prime 高速服务档，价格更高，主要换取更高的输出吞吐。这些本文不展开——取材以主力档为限，不追求齐全。
这张表里还藏着一个容易被忽略的信息：开放权重的分布。OpenAI、Anthropic、Google 的旗舰全部闭源；DeepSeek、智谱、Kimi 都开放了权重，但许可各有不同——GLM-5.3 用 GLM-5.3 License，GLM-5.3-Flash 是 MIT，Kimi K3 用 Kimi K3 License。Qwen 这边，Max 级权重已以 Qwen3.8-2.4T-A95B 开放，托管版 Qwen3.8-Max 基于它另提供视觉输入、非思考模式与内置工具。需要自行部署、微调或控制推理数据去向的，可以看开放权重型号；但是否省钱，要另算模型规模、硬件利用率、运维与许可——托管 API 的低单价，不能直接换算成同款权重在自己机器上的低成本。能否商用、再分发或拿去做模型服务，要分别核对具体型号的 LICENSE，不能把“开放权重”统称为 MIT；新发布的 Kimi K3.1 Pro，权重官方承诺 11 月 4 日前开放，许可届时才见分晓。
牌桌上没有一家通吃；权重是否开放、许可允许什么，与 API 价格和任务表现要分别比较。
按擅长领域，横着比
家族速览是竖着看牌子，这一节横着看活儿。把常见任务拆成几类，逐类看各家自己怎么说、第三方怎么测。
编程：人人都在讲 agentic coding
为什么各家都抢这个场景？因为编程是目前 agent 落地最深的场景——上一篇讲过，模型配上工具和循环才能真正干活，而写代码恰好是给工具、给反馈都最顺手的活儿：结果能自动跑测试，对错有客观回音。所以看一家模型的最新定位，编程能力是个不错的观察窗口。
逐家过一遍，口径各不相同：
- OpenAI：GPT-6.1 Sol 的官方定位直接写着 agentic 编程与计算机操作；另有第三方评测（SonarSource，2026 年 10 月）称它在这套固定推理档位的 Java 测试题中，功能通过率比 GPT-6 Sol 略有提高——第三方口径、题目集有限，听个参考。
- Anthropic：Opus 5.5 是旗舰主力；更高档的 Fable 线（官方发布文）主打大型编程项目与长时程自主任务——官方举的例子里，一份 5000 万行代码库的全库迁移被压缩到一天完成，早期测试对象包括 Stripe 的 Ruby 代码库。这是官方给出的单一案例，不是对每个项目都适用的承诺。
- Google：Vals AI 在9 月 30 日的更新记录中把 Gemini 4 Argon 列为当时 Vals 综合指数第一——该指数覆盖金融、编程、法律等多类知识工作，不限于编程；软件工程基准 DeepSWE v1.1 的成绩则是 Google 的自测报告。两项的任务、来源和比较设置不同，拼不成统一的编程排名。
- 智谱：GLM-5 系列的副标题就叫 “From Vibe Coding to Agentic Engineering”；GLM-5.3 官方称是开放权重中最强编程（官方口径，出自自家基准）。
- DeepSeek：V4.1-Flash-1017 官方称推理、编程、Agent、视觉全面升级，且已官方适配 Codex——后面讲混用时展开。
- Kimi：K3 被媒体口径定位为“长程编码与知识工作”。
六家都说自己行，那到底谁最强？这个问题本身就问错了——先别急着排座次，先学会看口径。
看榜之前，先看口径
先解释两个词。harness 上一篇已经讲过：包住模型、组织它运行的工具与控制机制；scaffold 是评测圈的习惯说法，意思接近——跑分时套在模型外面的那层脚手架，负责把题目喂进去、把答案收上来。同一道题，喂法不一样，成绩就不一样。
拿最常用的 SWE-bench Verified 举例。Verified 是 500 条人工筛选的任务子集，这是基准本身的定义；官网默认展示的 Bash Only 视图，统一用 mini-SWE-agent 这个极简 harness 运行；Epoch AI 的基准页则采用自己的 scaffold（工具不止 bash，还有 text_editor、apply_patch），并注明实际采用经基础设施验证的 484 题子集。同一个基准名字下，运行设置可以各不相同——换句话说，这份榜单上的分数从来不是模型一个人的成绩，而是“模型加 harness”的组合成绩，上一篇讲过的道理，官方榜单自己先做了示范。引用时，把基准名称和实际运行设置一起记下来。
为什么必须核对 harness？有第三方研究系统整理过 80 种方案：这份分析汇总的是各方案的榜单提交、模型组合与采用的架构（摘要页），跨系统的差异不能全部归到模型本身——你看到的两份成绩差，差的可能是工具、流程和模型组合。比较两份成绩时，先确认模型版本、任务集、尝试次数和 harness 是否一致；变量没对齐，就不要把分差当作模型进步。
LMArena（榜单页）这类聚合站更得小心。Arena 也要先认子榜：聊天偏好榜和 Agent 榜的题目与评分方法不同（官方方法说明只覆盖成对偏好榜），不能只看网站名字就当作同一份成绩；其他网站还可能转展示 Arena 的历史数据，并不是另一套独立测评。引用时请写明子榜、具体日期和完整模型配置；没有取得可对齐的快照，本文就不报谁排第一。
上一篇留过“看榜四问”：哪个模型版本、哪份任务子集、哪套 harness、给几次尝试机会。这一节再补一条引用纪律：引用先认版本、运行配置和日期，缺一项，分数的参考价值就要打折扣；要比较强弱，还得再核对任务集、指标和尝试预算。
任何分数都是“版本、harness、日期”三个人的合影；要比较强弱，还得核对任务集、指标和尝试预算。
长文本：窗口大不等于输出长
“长文本”其实是三件事：上下文窗口总共多大（输入、思考、输出共用这一容量）；单次生成上限，一次调用最多能用多少生成 token；以及接口支不支持分段续接。读长文档看窗口，写长文档看生成上限，能不能写超长还要看续接，是几回事。
上下文窗口这一项，已核实口径里 Gemini 4 Argon 是 1M，DeepSeek V4.1-Flash 是 1M，Kimi K3 与接棒的 K3.1 Pro 官方文档同为 1M，Claude Opus 5.5 在 API 及付费 Claude 聊天中均提供 1M，新发布的 GPT-6.1 Terra 是 1,050,000，具体仍需核对入口和套餐。单看这几家，1M 已经是旗舰档的常见配置。注意 1,048,576 这个精确数字出自 Gemini 4 Argon 的文档：窗口由输入、思考和输出共同占用，不是可以同时塞满 1M 输入再吐出 1M 输出——各家的占窗规则以各自文档为准。
单次生成上限的差异就大了：Gemini 4 Argon 的默认同步输出上限是 65,536（即 64K）tokens；需要更长结果时可用 long decode，通过后台执行或客户端续接分段推进，上限还要扣除输入等已占用的窗口。DeepSeek V4.1-Flash 是 384K；Opus 5.5 约 128K。
这些数字不能直接换成正文长度：不少思考接口的生成预算包含思考和最终回答——以 Claude 和 Gemini 为例，思考也占生成预算。除了估算目标正文，还要给思考留余量，并核对本次请求实际设置的生成上限。同样是“把这份两百页的报告压缩成五万字”，先估算目标输出大概多少 token，再对照上限——上限够大也只是必要条件，能不能按要求写满、写得好，还得实际试。
还有一笔账容易漏：窗口和输出是要花钱的。截至 2026 年 10 月 20 日，Gemini 4 Argon 的标准促销价是每百万输入／输出 $2／$10，持续到 11 月 30 日，12 月 1 日起恢复 $4／$20。OpenAI 这边，GPT-6 Astra 与 GPT-6.1 Sol 在输入超过 272K tokens 时，对整次请求的输入及缓存费率乘 2、输出费率乘 1.5。所以“能把整本书塞进去”和“值得把整本书塞进去”是两回事——读长文档之前，先想想这一窗口值多少钱，顺手查一下型号和长度落在哪个计费档。
读长文档看输入窗口，写长文档看单次生成上限——窗口大不等于写得长，长文本还得问一句接不接得上。
写作与中文创作：榜单只能参考，真稿还得自己试
写作这一类得老实说：各家发布会都把“专业写作”“设计判断”挂在嘴边（这是 GPT-6 Astra 官方页的口径），但中文写作的公开评测各有题型、语言范围和评审方法，未必覆盖本文这些新型号，本文不据此排统一名次。
能给你的最实用的一条：拿你真正要发的一篇稿子试——一篇公众号稿、一份技术方案、一封难回的邮件，让候选模型各写一版。核对四件事：事实有没有编，结构是否顺，语气像不像你，修改两轮后会不会把已确认的要求改丢。
再送一套土办法，三步：第一，固定任务，别今天写散文、明天写公文，变量都没了对不上；第二，盲评，把几个模型的输出混在一起，隔天再看，别让品牌印象替你打分；第三，多轮，写一次好不算好，至少来三个回合。固定任务和要求，隐藏模型名，比较达到可用稿所花的修改轮数。这套办法朴素，但比看广告靠谱——照着做，就能回答你的稿子交给谁更省事。
写作榜单帮你缩小候选，你自己的稿件才决定谁合适。
思考档：什么时候开“深度思考”
最后一个横向维度是思考档。各家普遍给模型配了“想得再深一点”的模式：DeepSeek V4.1-Flash 出厂默认思考，但官方 API 留了开关——thinking 参数传 {"type": "disabled"}，或把 reasoning_effort 设成 "none"，就切到非思考模式；榜单里见过的 Max、High，是具体记录里的配置标签，通常表示参赛的是思考档位，不能仅凭后缀推断所有厂商的含义。
思考档的代价藏在账单和等待里：提高思考强度通常会增加思考 token 消耗和等待时间，可见回答却不一定更长——查实际用量比看回复字数可靠。这也是为什么榜单里带档位后缀的成绩，不能直接和无档成绩比——变量没对齐。
使用策略一句话：难任务提高思考强度，简单任务先调低。能不能整个关掉，各家不一：DeepSeek V4.1-Flash 与新发布的 GPT-6.1 Terra（思考档支持 none）支持切到非思考模式；GPT-6.1 Sol 最低只到 low，Gemini 4 Argon 也只有 low、medium、high 三档——“关”并非通用选项，动手前先核对参数表。架构设计、疑难 bug、长链条推理，值得让它多想一会儿；改错别字、调整格式这类活儿，把档位降下来就够。
思考档是涡轮，难活才踩到底，简单活先降档。
画图：另一族模型
回到前面分出的另一族。2026 年 10 月，图像生成的主力阵容是这几位：
- Google Nano Banana 2.1：10 月 6 日上线，是 Nano Banana 2 的更新版，官方强调视觉质量、文字渲染与多轮一致性；第三方报道（The Decoder）称部分基准超过上代 Pro、价格更低。
- OpenAI GPT Images 2.5：9 月 8 日进入 API 与 ChatGPT（API 侧含 Sunburst、Flare 两个型号，官方型号页口径）。
- 字节 Seedream 5.0 Pro：7 月 8 日发布，官方强调高密度信息图、文字渲染、多语言生成和局部精修——要在海报、封面图里写汉字，它可以进候选名单。它也是即梦可选的底座之一（Seed 官方模型目录在它名下直接提供「前往即梦体验」入口），使用即梦时还要确认当前选的是哪个模型，图里的中文仍需逐字核对。
- Midjourney V8.2：7 月 24 日起为默认生成版本；另有 V8.2 编辑模型于 8 月 27 日开始社区测试，9 月继续迭代 alpha 编辑界面。生成版本与编辑模型的进展要分开看。风格化创作社区仍是它的基本盘。
这些型号都可以进入候选，但文生图、图像编辑、中文信息图和风格化创作要分开试。本文没有同一日期、同一任务和预算下的完整对照，因此不排统一名次；使用即梦等产品时，还要核对当前实际提供的底层型号。顺带一提，本文信息图也是这类模型的活儿：按统一风格生成几版，挑最好的一张，再把图里的中文逐字核对。
画图是另一族模型，别拿对话模型的榜单去挑画图工具。
价格量级：差的是几十倍
横着比完能力，竖着看价格。下表是能核实的 API 牌价，按每百万 token 计费，查询时点除标注外为 2026-10-20；每行都标了来源性质——官方页直出的和第三方转述的，可信度自己掂量：
| 模型 | 输入/输出（每百万 token） | 币种 | 口径与来源 |
|---|---|---|---|
| GPT-6.1 Sol | $2 / $10（缓存输入 $0.10） | 美元 | OpenAI 官方型号页；Standard 档、输入不超过 272K，长上下文与加速档另计 |
| GPT-6.1 Terra | $1 / $5（缓存输入 $0.05） | 美元 | OpenAI 官方型号页；2026-10-27 核对，超过 272K 输入的整请求加价规则与 Sol 相同 |
| Claude Opus 5.5 | $4 / $20 | 美元 | Anthropic 官方型号页；官方称较上代 Opus 5 降约两成 |
| Gemini 4 Argon | 促销期 $2 / $10（至 2026-11-30），之后 $4 / $20 | 美元 | Google 官方定价页 |
| Kimi K3 | $3 / $15（缓存命中 $0.30 起） | 美元 | Kimi 国际站牌价；缓存写入与读取按规则分别计费 |
| Kimi K3.1 Pro | $2 / $10（缓存命中 $0.20） | 美元 | Kimi 国际站牌价，标准版；Highspeed 另价（2026-10-27 核对） |
| DeepSeek V4.1-Flash | 高峰 ¥2 / ¥8，闲时半价（¥1 / ¥4），缓存命中 ¥0.02 到 ¥0.04 | 人民币 | DeepSeek 官方定价页 |
| DeepSeek V4-Pro | 高峰 ¥9 / ¥27，闲时半价 | 人民币 | DeepSeek 官方定价页 |
| Qwen3.8-Max | ¥12 / ¥36（缓存命中 ¥1.5） | 人民币 | 百炼华北 2（北京）标准调用价；地域、Batch、显式缓存另核 |
价格按各自站点和地域列示，人民币与美元未换算；缓存只作用于符合条件的输入，另核写入及保存规则。读表的方法比背数字重要，量级结论有三条：旗舰档的输出价大致落在 $10 到 $50 一档，促销期更低；国产开放线和轻量档把输出价拉低到几美元甚至更低；仅看缓存命中输入这一项，Qwen3.8-Max 北京区每百万 ¥1.5，DeepSeek V4.1-Flash 高峰时段 ¥0.04，牌价相差 37.5 倍——这个倍数只描述缓存命中输入的单价，缓存写入等费用和整项任务的总账，仍要另算。
表里两个词顺带解释一下。缓存命中：同一段反复出现的前文（比如那份写了几百行的系统提示词），再次计费时按缓存价算——以 DeepSeek 为例，缓存命中的输入高峰时段每百万 ¥0.04、闲时 ¥0.02，这个价本身已含峰谷差异，不再额外半价；而且只有实际命中的输入享受缓存价，未命中的输入和输出仍各按自己的单价计费。闲时半价：错开高峰时段使用，未命中的输入与输出价格减半，具体时段以官方定价页为准。上面说的都是每百万 token 的单价，不是你单次任务的账单。
订阅制是另一套账，也值得单独摆一张表（Claude、ChatGPT、Google 按美国区美元月付价，GLM 按官网美元价，Kimi 按国内人民币月付价；2026-10-27 核对，地区定价与税费另核，以官方页为准）：
| 订阅 | 月费 | 口径与来源 |
|---|---|---|
| Claude Pro / Max | $20；Max 分 $100、$200 两档 | Anthropic 产品页；订阅含 Claude Code 使用额度 |
| ChatGPT Plus / Pro | $20；Pro 分 $100、$200、$500 三档 | OpenAI 官方定价页；含 Codex 等入口 |
| Google AI Pro / Ultra | $19.99；Ultra $99.99 起 | Google 官方订阅页 |
| GLM Coding Plan | $18 起 | 智谱官方文档；可在 Claude Code、Codex 等外壳内用 |
| Kimi 会员 | ¥49 起，最高档 ¥1,399 | Kimi 官方会员页；月付口径，年付折合更低见官方页 |
| DeepSeek | 无包月订阅 | 官方平台按量充值 |
两套账怎么选，看用量形状：每天稳定用、以聊天和写代码为主的人，订阅的包内额度往往比按 token 划算；用量忽高忽低、或要给程序批量调 API 的，按 token 计费不做无用功。另外，产品内用量与 API 用量分别记账，不能把产品额度直接当成可自由调用的 API 余额——不过部分套餐会另赠 API credits（比如 Anthropic 的 Max 档），领取条件、可用额度和超额计费要单独核对。Claude、ChatGPT、Gemini 的订阅对地区和支付方式另有要求，下单前先核对官方支持范围。
不同档位的 token 单价能差几十倍，但单次任务花多少钱还看上下文、输出量、缓存命中和重试——先拿真实任务试跑一次、记下总费用，再决定长期派谁上。
怎么选：按任务、预算和部署方式筛选
能力横比和价格竖选交叉起来，筛选顺序是这样的：先用任务难度和预算缩小范围，再单独看一眼要不要本地部署——部署方式不是第四个象限，它和预算、难度是两个独立的问题，本地部署也可能极贵、也可能要承担攻坚任务。
先按任务和预算分三档，给出我个人的试跑候选（一家之言，供对照，不是前文已经证明的强弱排序）：
- 日常轻活：格式整理、错别字、问答、简单改写——预算敏感就先试 DeepSeek、GLM 的低价档，用自己的任务核对总费用；
- 均衡主力：多数工作场景的中间档，能力和价格的平衡点——Claude Sonnet 5.5、GPT-6.1 Sol 这一档；OpenAI 10 月 27 日新推的 GPT-6.1 Terra（$1/$5，官方型号页）也主打这一档位，可列入试跑；
- 旗舰攻坚：架构设计、疑难 bug、长链条推理、大型项目——Opus 5.5、GPT-6 Astra、Gemini 4 Argon、Kimi K3.1 Pro，再请出来。
再决定部署方式，这是另一道选择题：
- 托管服务：省去硬件和运维，产品订阅、API 按量或包内额度各有各的算法，多数人的默认选项；
- 权重自部署：需要在受控环境里自行推理或微调，可以评估 DeepSeek、GLM、Qwen 等开放权重型号；批量任务还需与托管方案比较。成本包括硬件、存储、电力、运维与许可；若调用外部工具，数据流向也要单独核对。
比选定一个模型更进一步的玩法，是多模型混用。多模型使用已经有现成入口，但接入第三方、手动切换和自动分工是三件事，各家能力不同：
- Claude Code：原厂支持围绕 Claude 系模型（直连，外加 Bedrock、Vertex 两条云上通道）。DeepSeek 等服务商也提供官方兼容接口和配置指南，可以通过环境变量接入，无须另装社区切换工具；但这不等于 Anthropic 为这些非 Claude 模型提供支持。Claude 系内部还有个官方功能叫 opusplan：规划阶段用 Opus，方案批准后自动切到 Sonnet 执行——“贵的想、便宜的做”被做成了一个开关。
- Codex：Codex CLI 官方支持配置第三方模型接入。DeepSeek 官方适配 Codex：8 月 13 日的 V4-Pro 正式版公告已明确针对 Codex 适配（公告文），提供 deepseek-flash 与 deepseek-v4-pro 两个模型名，一键配置；截至本文日期，deepseek-flash 对应 V4.1-Flash-1017。
- GLM Coding Plan：智谱的订阅走“借壳”路线：官方订阅页写明，可在 Claude Code、Codex、Cline、OpenCode 这些工具里使用 GLM 模型。
- Cursor：原生聚合 OpenAI、Anthropic、Google、xAI 的前沿模型；也支持自带 API key，但 Tab 补全这类功能不开放 BYOK（官方帮助文档）。
拿一天的工作流举例：早上把需求和约束丢给旗舰档，让它出方案、拆任务——想清楚再动手；白天批量的小修改、格式整理、测试补全，交给便宜档排队跑；晚上复盘，再用旗舰档过一遍关键改动。同样的活儿全用旗舰，账单可能是好几倍；但便宜档接活的前提是边界清楚、结果容易验收——遇到复杂依赖、验收不过或高风险改动，就升级执行或加一道复核。规划换人、执行换人时，把约束、已做决定和验收标准一起交接。排班，就是在两者之间找平衡，是否真省了钱，最后看通过验收的总费用。
这套玩法有句口诀：贵的负责想，便宜的负责做——前提是任务边界清楚、结果能够验收。规划、审题、定方案交给旗舰档；执行、批改、跑腿交给便宜档。
模型不是选一个，是排一个班——按任务排班，按验收升级。
保质期：这篇文章怎么自我校对
再强调一次：本文信息截至 2026 年 10 月 27 日。想核对最新情况，按这个顺序查：先看官方发布页，再看官方定价页，最后才是带三要素的榜单快照。顺序反过来，就容易被二手信息带偏。
举个例子：想确认某个型号的上下文长度，第一手去处是官方 API 文档和发布文，其次才是评测文章——转述文可能引用的是几个月前的旧版，也可能把输入窗口和输出上限抄混。顺手把三要素用在自己身上：三个月后回看本文，请先看日期，再决定信多少。
另外交代一句来源纪律：规格与价格，优先查对应型号、地域和档位的官方文档；厂商自测注明归因，第三方结果注明测试范围，个人建议说明是经验判断。来源冲突先核对日期和条件——很多“打架”只是日期、地域或套餐不同——仍无法解决的数字暂不采用。所以如果发现“某个型号的上下文怎么没提”，多半不是遗漏，是它还在存疑名单上。
写在最后
收个尾。这个秋天的模型市场，没有全能冠军，只有各擅一隅的选手：选模型是按任务和预算匹配，不是追榜单第一；看任何“最强”，先检查版本、harness、日期三要素齐不齐。
模型选好了，下一个问题是装进哪个壳。下一篇《Harness 横评》就聊这个：同一个模型，套上不同的 harness，体验和账单会差成什么样。
写这篇最大的体感不是“谁更强”，而是查价格查到眼花——表里每个数字都得回到官方页重核一遍。修订这版时，月之暗面和 OpenAI 先后在凌晨甩出了 K3.1 Pro 和 GPT-6.1 Terra，文末时间线又得添两行。这个行当，是真不给人喘气的时间。
附录：本文涉及的主要发布时间线
开头说过，这个秋天发布密度极高。把本文点到的事件按日期排开如下（已核实口径，与正文“首发／更新”的区分一致）：
| 日期 | 事件 |
|---|---|
| 2026-07-08 | 字节发布 Seedream 5.0 Pro |
| 2026-07-16 | 月之暗面发布 Kimi K3（07-27 开放权重） |
| 2026-08-13 | DeepSeek 官方适配 Codex，提供两个模型名 |
| 2026-08-14 | 智谱发布 GLM-5.3 |
| 2026-08-26 | 智谱发布 GLM-5.3-Flash |
| 2026-09-03 | OpenAI 官宣 GPT-6 Astra |
| 2026-09-08 | OpenAI GPT Images 2.5 进入 API 与 ChatGPT |
| 2026-09-10 | DeepSeek-V4.1-Flash 首发 |
| 2026-09-21 | xAI Grok 4.7 就位 |
| 2026-09-22 | Anthropic 发布 Claude Opus 5.5；同一天 OpenAI 将 GPT-6 Sol、GPT-6 Luna 推进 API 与 Codex |
| 2026-09-28 | Anthropic 发布 Claude Sonnet 5.5 |
| 2026-09-29 | OpenAI 发布 GPT-6.1 Sol |
| 2026-10-06 | Google Nano Banana 2.1 上线；Mistral Large 4 预览 |
| 2026-10-07 | Anthropic 发布 Claude Haiku 5.5 |
| 2026-10-12 | Meta 上线支持多模态输入的 Muse Wonder |
| 2026-10-13 | Gemini 4 Argon 正式 GA |
| 2026-10-15 | Meta 发布开放权重版 Muse Spark Open |
| 2026-10-17 | DeepSeek-V4.1-Flash-1017 版本更新 |
| 2026-10-19 | Inception 公布 Mercury 3 并提供首发促销价；MiniMax 发布 M3.1 Flash |
| 2026-10-24 | 月之暗面发布 Kimi K3.1 Pro 与 Highspeed 高速版 |
| 2026-10-26 | OpenAI 发布 GPT-6.1 Terra（官方 API 日志口径；国内快讯见于 10-27 凌晨，产品端逐步推出） |
延伸阅读
以下列出本文关键信息的出处，官方发布页优先，方便继续阅读与核查：
- OpenAI，GPT-6 Astra 发布页：openai.com/index/gpt-6-astra
- OpenAI，GPT-6 Astra 型号与定价（272K 长上下文档规则）：developers.openai.com/api/docs/models/gpt-6-astra
- OpenAI，GPT-6.1 Sol 型号与定价（最低 low 思考档）：developers.openai.com/api/docs/models/gpt-6.1-sol
- OpenAI，GPT-6.1 Sol 发布文：openai.com/index/introducing-gpt-6-1-sol
- OpenAI，GPT-6.1 Terra 型号与定价（$1／$5、1,050,000 窗口、思考档含 none）：developers.openai.com/api/docs/models/gpt-6.1-terra
- 财联社，GPT-6.1 Terra 发布快讯（2026-10-27）：cls.cn/detail/2515842
- OpenAI，GPT Images 2.5 发布公告：community.openai.com
- Anthropic，Claude Opus 5.5：anthropic.com/claude-opus-5-5
- Anthropic，Opus 5.5 型号文档：platform.claude.com/docs/en/models/opus-5-5/overview
- Claude 付费套餐上下文窗口说明：support.claude.com/en/articles/8606394
- Anthropic，Max 与 Team 档月度 API credits：support.claude.com/en/articles/17154008
- Anthropic，Claude Haiku 5.5：anthropic.com/claude-haiku-5-5
- Anthropic，Claude Fable 5 与 Mythos 5：anthropic.com/news/claude-fable-5-mythos-5
- Google，Gemini API 更新日志（Gemini 4 Argon GA）：ai.google.dev/gemini-api/docs/changelog
- Google，Gemini 4 Argon 型号文档（统一窗口与同步输出上限）：ai.google.dev/gemini-api/docs/models/gemini-4-argon
- Google，long decode 使用条件：ai.google.dev/gemini-api/docs/long-decode
- Google，Gemini API 官方定价：ai.google.dev/gemini-api/docs/pricing
- The Decoder，Nano Banana 2.1 报道：the-decoder.com
- Google，Nano Banana 2.1 官方型号页：ai.google.dev/gemini-api/docs/models/gemini-nano-banana-2.1
- SonarSource，GPT-6.1 Sol 编程评测：sonarsource.com/blog/openai-gpt-6-1-sol-evaluation
- xAI，官方新闻页：x.ai/news
- Mistral，Large 4 发布页：mistral.ai/news/mistral-large-4
- ByteDance Seedream 5.0 Pro 官方发布文：seed.bytedance.com/en/blog/beyond-generation-it-understands-design-introducing-seedream-5-0-pro
- ByteDance，Seed 官方模型目录（Seedream 5.0 Pro → 即梦入口）：seed.bytedance.com/zh/models
- DeepSeek，V4.1-Flash 发布（2026-09-10）：api-docs.deepseek.com/zh-cn/news/news260910
- DeepSeek，V4-Pro 与 Codex 适配（2026-08-13）：api-docs.deepseek.com/zh-cn/news/news260813
- DeepSeek，官方定价页：api-docs.deepseek.com/zh-cn/quick_start/pricing
- DeepSeek，API 文档（thinking 与 reasoning_effort 参数）：api-docs.deepseek.com/zh-cn/api/create-chat-completion
- DeepSeek，Claude Code 接入指南：api-docs.deepseek.com/quick_start/agent_integrations/claude_code
- DeepSeek-V4.1-Flash-1017，权重页：huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017
- 阿里云百炼，Qwen3.8-Max 模型文档：help.aliyun.com/zh/model-studio/qwen3-8-max
- 智谱，GLM-5.3 发布文：z.ai/blog/glm-5.3
- GLM-5.3 许可证：huggingface.co/zai-org/GLM-5.3/raw/main/LICENSE
- 智谱，GLM-5.3-Flash 发布文：z.ai/blog/glm-5.3-flash
- GLM-5.3-Flash 许可证（MIT）：huggingface.co/zai-org/GLM-5.3-Flash/raw/main/LICENSE
- SCMP，Kimi K3 上线 Amazon Bedrock 报道：scmp.com
- Kimi K3 模型卡与许可证：huggingface.co/moonshotai/Kimi-K3
- 每经（新浪财经转载），Kimi K3.1 Pro 发布快讯（2026-10-24）：finance.sina.com.cn
- Kimi 平台，定价文档（K3.1 Pro 与 K3 上下文口径）：platform.kimi.com/docs/pricing/chat
- Kimi 国际站价格页：platform.kimi.ai
- Kimi，K3.1 Pro 官方指南：platform.kimi.com/docs/guide/kimi-k3-1-pro-quickstart
- Kimi，上下文缓存计费规则：platform.kimi.com/docs/guide/context-caching
- Kimi，会员定价页：kimi.com/help/membership/membership-pricing
- Qwen3.8-2.4T-A95B 许可证（Qwen3.8-Max License）：huggingface.co/Qwen/Qwen3.8-2.4T-A95B/raw/main/LICENSE
- Meta，Muse Spark Open 发布文：research.meta.ai/blog/muse-spark-open
- Meta，Muse Wonder 发布文（多模态输入、文本输出）：research.meta.ai/blog/muse-wonder
- Inception，Mercury 3 发布文（常规 $0.20/$0.70，首发五折 $0.10/$0.35）：inceptionlabs.ai/blog/introducing-mercury-3
- 阿里云，Prime 模式说明（GLM/Qwen 高速服务档）：help.aliyun.com/zh/model-studio/prime-mode
- MiniMax，模型发布动态：platform.minimax.cn/docs/release-notes/models
- 财新，豆包大模型 2.0 报道：m.caixin.com
- SWE-bench 官方：swebench.com
- Epoch AI，SWE-bench Verified 基准页（任务子集与 scaffold 说明）：epoch.ai/benchmarks/swe-bench-verified
- B 站互动站《AI 大模型世界》（程序员鱼皮，聚合 Epoch AI、models.dev、LiveBench、LMArena 等数据，726 个模型；单源条目未交叉校验，本文少数“聚合站口径”数据出自此处）：bilibili.com/toy/ai-model-world
- Vals AI，指数方法说明：vals.ai/benchmarks/vals_index
- scaffold 对分数影响的系统分析：arxiv.org/html/2506.17208v2
- Cursor，BYOK 帮助文档：cursor.com/help/models-and-usage/api-keys
- LMArena 官方评分方法说明：arena.ai/blog/arena-rank
- Midjourney，V8.2 发布公告（7-24 起默认生成版本）：updates.midjourney.com/version-8-2
- Midjourney，官方版本文档：docs.midjourney.com/hc/en-us/articles/32199405667853-Version
- Midjourney，V8.2 编辑模型 alpha 更新日志：updates.midjourney.com/alpha-changelog-9-2-26
- WritingBench 原始项目：github.com/X-PLUG/WritingBench
- Chinese-Writing-Bench 原始项目：github.com/zake7749/Chinese-Writing-Bench