覆盖 Anthropic Claude(Opus 5 / Opus 4.8 / Fable 5 / Sonnet 5)、OpenAI GPT-5.6 三层(Sol / Terra / Luna)、 Moonshot Kimi K3、DeepSeek V4 Pro，以及同档位的 Google Gemini、Z.ai GLM-5.2、SpaceXAI Grok 4.5。 全部数据标注来源与口径，官方自测与第三方独立评测严格区分。
对比表里最危险的不是数字错，而是把不可比的数字并排放。以下四条口径请务必先看，否则下面任何一张图都可能被误读。
Artificial Analysis 智能指数 v4.1 由 9 项评测合成(GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、 Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience、AA-LCR)，全部由 AA 独立运行，是目前最适合横向比较的单一指标。
输出 token 单价（美元 / 百万 token）。输出价通常比输入价更能决定实际账单，因为推理型模型的思考过程按输出计费。 注意 Claude Sonnet 5 的 $2/$10 是 2026-08-31 前的促销价，之后回到 $3/$15。
每张卡片都给出发布时间、价格、上下文、独立评测位次，以及最重要的一句「什么时候该选它」。
横向滚动查看完整字段。「—」表示厂商未公布或无可靠公开数据；Anthropic 从不公布任何 Claude 模型的参数量。
| 模型 | 厂商 | 发布 | 权重 | 输入 $/M | 输出 $/M | 上下文 | 参数量 | AA 指数 | 输出速度 | 代表性成绩 |
|---|
排行榜第一名很少是你该用的那个。下面按真实工作场景给首选与备选。
从上面这些数据里能稳妥得出的结论，以及不能得出的结论。
Opus 5 发布通稿的主语不是能力而是价格——「接近 Fable 5 的前沿智能，价格只要一半」。 GPT-5.6 拆成 Sol/Terra/Luna 三层同理。厂商已经默认「最强」卖不动，转卖「够强且用得起」。
英国 AI 安全研究所测得开源—闭源在前沿网络安全靶场上的差距为 4–7 个月，2025 年全年这个数字是 6–10 个月。 Kimi K3 (2.8T)、DeepSeek V4 Pro (1.6T)、GLM-5.2 均为可下载权重且进入 AA 前十五。
Opus 5 拿智能指数第一，Sol 拿 agentic 编码第一，Kimi K3 拿前端代码竞技场第一， Gemini 3.1 Pro 拿 ARC-AGI-2 与事实检索第一，DeepSeek 拿单价第一。多模型混用是理性选择，不是折腾。
Fable 5 在 6/12 因出口管制被暂停、7/1 才全球恢复；GPT-5.6 首发是应美国政府要求的受限预览（OpenAI 公开表达异议）； NIST CAISI 已开始正式评估 DeepSeek。选型时「能否稳定拿到」和「跑分多少」同等重要。
Gemini 3.5 Pro 在 5/19 I/O 上宣布「下月发布」，7 月仍未上线，彭博 7/16 报道落后数月； Grok 5 从 Q1 推到 Q2 至今未发。网上流传的这两者跑分与价格全部是猜测，本页一律不收录。
本页十款有八款是 1M 上下文（Grok 4.5 为 500K）。但 GPT-5.6 Sol 超过 272K 输入后整个请求按 $10/$45 计费， Gemini 3.1 Pro 超 200K 后涨到 $4/$18。长上下文是能力，不是白送的额度。
全部为 2026 年 7 月可公开检索的信息。同一指标存在冲突时，本页优先采用第三方独立评测，并在正文中标注冲突。