20260814 大模型横评
数据截至 2026 年 8 月 14 日。 综合测评优先采用 Artificial Analysis 当前统一口径；价格采用各厂商官方 API 价格。DeepSeek 直接使用 8 月 16 日起生效的新价格。
1. 综合能力排名
Artificial Analysis Intelligence Index v4.1.1，统一取高能力档位。
| 模型 | AA Intelligence | 输出速度 | Context | 权重 |
|---|---|---|---|---|
| Claude Opus 5 | 63 | 52.7 tok/s | 1M | 闭源 |
| Claude Fable 5 | 62 | ≈64 tok/s | 1M | 闭源 |
| GPT-5.6 Sol | 61 | 61.7 tok/s | 1M | 闭源 |
| Kimi K3 | 60 | 39.1 tok/s | 1M | 开放 |
| GPT-5.6 Terra | 57 | 115.5 tok/s | 1M | 闭源 |
| Claude Sonnet 5 | 55 | 65.8 tok/s | 1M | 闭源 |
| GLM-5.2 | 53 | 107.4 tok/s | 1M | 开放 |
| DeepSeek V4 Pro 0813 | 53 | 78.4 tok/s | 1M | 开放 |
| GPT-5.6 Luna | 52 | 155.3 tok/s | 1M | 闭源 |
| DeepSeek V4 Flash 0731 | 52 | 119.9 tok/s | 1M | 开放 |
2. Coding Agent 独立测评
Artificial Analysis Coding Agent Index v1.3。该榜单统一由 DeepSWE、Terminal-Bench v2、SWE-Atlas-QnA 三项组成。
| 模型 / Agent | Coding Index | DeepSWE | Terminal-Bench v2 | SWE-Atlas-QnA |
|---|---|---|---|---|
| Claude Opus 5 xhigh / Claude Code | 67 | 60% | 85% | 55% |
| GPT-5.6 Sol max / Codex | 67 | 69% | 88% | 43% |
| Claude Fable 5 max / Claude Code | 66 | 66% | 83% | 49% |
| GPT-5.6 Terra max / Codex | 62 | 67% | 84% | 36% |
| Kimi K3 / Kimi Code | 61 | 64% | 84% | 37% |
| GPT-5.6 Luna max / Codex | 59 | 63% | 80% | 33% |
| DeepSeek V4 Flash max / Codex | 55 | 43% | 85% | 39% |
| GLM-5.2 / Claude Code | 43 | 29% | 72% | 29% |
| DeepSeek V4 Pro high / Claude Code | 31 | 9% | 66% | 20% |
3. 三个最新国产模型：公开 Agent Benchmark
| Benchmark | Kimi K3 | GLM-5.3 | DeepSeek V4 Pro 0813 |
|---|---|---|---|
| DeepSWE v1.1 | 67.3 | 66.9 | 62.7 |
| Terminal-Bench 2.1 | 88.3 | — | 87.9 |
| Terminal-Bench 3.0 | — | 28.3 | — |
| Agents’ Last Exam | — | 28.5 | 25.7 |
| CyberGym | — | 84.5 | 83.3 |
| ExploitBench | — | 54.4 | — |
| Toolathlon-Verified | — | — | 74.1 |
| BrowseComp | 90.4 | — | — |
| FrontierSWE | 81.2 | — | — |
| GDPval-AA v2 Elo | — | 1769 | — |
(Kimi AI)
4. API 价格总表
单位全部为 美元 / 100 万 Token。
DeepSeek 使用 2026 年 8 月 16 日 16:00 UTC 起的新价格。
| 模型 | Cached Input | Input | Output | AA Intelligence |
|---|---|---|---|---|
| Claude Fable 5 | $1.00 | $10.00 | $50.00 | 62 |
| GPT-5.6 Sol | $0.50 | $5.00 | $30.00 | 61 |
| Claude Opus 5 | $0.50 | $5.00 | $25.00 | 63 |
| Kimi K3 | $0.30 | $3.00 | $15.00 | 60 |
| GPT-5.6 Terra | $0.20 | $2.00 | $12.00 | 57 |
| Claude Sonnet 5 | $0.20 | $2.00 | $10.00 | 55 |
| GLM-5.2 | $0.26 | $1.40 | $4.40 | 53 |
| DeepSeek V4 Pro · Peak | $0.044 | $1.32 | $3.96 | 53 |
| DeepSeek V4 Pro · Off-Peak | $0.022 | $0.66 | $1.98 | 53 |
| DeepSeek V4 Flash · Peak | $0.014 | $0.44 | $1.32 | 52 |
| GPT-5.6 Luna | $0.02 | $0.20 | $1.20 | 52 |
| DeepSeek V4 Flash · Off-Peak | $0.007 | $0.22 | $0.66 | 52 |
价格均来自厂商官方定价页面。Kimi K3 官方价为 ($0.30 / $3 / $15)；GLM-5.2 为 ($0.26 / $1.40 / $4.40)；Claude Fable / Opus / Sonnet 分别为 ($10 / $50)、($5 / $25)、($2 / $10)；GPT-5.6 Sol / Terra / Luna 标准短上下文分别为 ($5 / $30)、($2 / $12)、($0.20 / $1.20)。(Kimi AI)
DeepSeek 新定价中，V4 Pro 为 Peak ($1.32 / $3.96)、Off-Peak ($0.66 / $1.98)；V4 Flash 为 Peak ($0.44 / $1.32)、Off-Peak ($0.22 / $0.66)。(DeepSeek API Docs)
5. 把“性能”和“花多少钱”直接摆在一起
统一假设一次工作量：
1M 非缓存输入 + 200K 输出
不计算缓存。
| 成本排名 | 模型 | AA Intelligence | 一次工作量成本 |
|---|---|---|---|
| 1 | DeepSeek V4 Flash · Off-Peak | 52 | $0.352 |
| 2 | GPT-5.6 Luna | 52 | $0.440 |
| 3 | DeepSeek V4 Flash · Peak | 52 | $0.704 |
| 4 | DeepSeek V4 Pro · Off-Peak | 53 | $1.056 |
| 5 | DeepSeek V4 Pro · Peak | 53 | $2.112 |
| 6 | GLM-5.2 | 53 | $2.280 |
| 7 | Claude Sonnet 5 | 55 | $4.000 |
| 8 | GPT-5.6 Terra | 57 | $4.400 |
| 9 | Kimi K3 | 60 | $6.000 |
| 10 | Claude Opus 5 | 63 | $10.000 |
| 11 | GPT-5.6 Sol | 61 | $11.000 |
| 12 | Claude Fable 5 | 62 | $20.000 |
价格基础数据：(DeepSeek API Docs)
6. 最简版数据结论
| 维度 | 当前结果 |
|---|---|
| AA 综合最高 | Claude Opus 5 — 63 |
| 国产 / 开放模型综合最高 | Kimi K3 — 60 |
| Coding Agent Index 最高 | GPT-5.6 Sol / Claude Opus 5 — 67 |
| 国产 Coding Agent Index 最高 | Kimi K3 — 61 |
| 最快输出 | GPT-5.6 Luna — 155.3 tok/s |
| 52 分档最低 API 成本 | DeepSeek V4 Flash Off-Peak |
| 53 分档最低 API 成本 | DeepSeek V4 Pro Off-Peak |
| 60+ 分档最低固定工作量成本 | Kimi K3 — $6.00 |
| 当前综合最高开放模型 | Kimi K3 |
| 最新但尚无 AA 统一分数 | GLM-5.3 |
数据说明
- GLM-5.3 于 8 月 14 日发布，AA 尚未完成统一评测，因此不拿 GLM-5.2 的 53 分冒充 GLM-5.3。 GLM-5.3 的官方 API 目前仍标为 coming soon，因此价格表继续使用可正式按 Token 调用的 GLM-5.2。(Overview - Z.AI DEVELOPER DOCUMENT)
- DeepSeek 全文已经直接采用新价格；Peak 为 UTC 01:00–04:00、06:00–10:00，其余时间为 Off-Peak。(DeepSeek API Docs)
- OpenAI 表格采用 Standard、Short Context 价格；长上下文请求有独立费率。(OpenAI Developers)
- Coding Agent 测试会受到 Agent Harness 影响，因此单独使用 AA Coding Agent Index，不和厂商自测结果混算。(Artificial Analysis)