主流大语言模型全景指南：比较与实战选型（2026 年 10 月更新）

如果你准备订阅一个 AI 助手，或者给自己的应用接入大语言模型（Large Language Model，LLM），先确定它要完成什么任务，再比较型号。同样是“写代码”，解释一个函数、修改现有仓库和连续操作终端，对模型和工具的要求差别很大。

截至 2026 年 10 月 14 日，OpenAI 的公开模型指南已经转向 GPT-6 系列；Claude 的公开产品线包含 Fable 5.1 和 Opus、Sonnet、Haiku 5.5；Google 已提供 Gemini 4 Argon；Grok 当前主推 4.7。¹²³⁴

国内模型也已经推进到 DeepSeek V4.1 Flash、Qwen3.8、Kimi K3 和 GLM-5.3 等型号。⁵⁶⁷⁸

对普通用户和应用开发者而言，值得比较的是：任务能否完成、结果是否可核对、需要多少人工返工，以及完成一次任务实际花了多少钱。本文的候选建议是基于公开规格和产品定位的判断，没有经过同一环境下的横向实测；厂商发布的能力与成绩也不能直接当作你的业务结果。

型号、价格和开放状态的核对截止日期为 2026 年 10 月 14 日。预览版本、促销价格和后续发布计划会单独标明；使用前仍应检查文末对应的官方页面。

1. 先按任务缩小候选范围 #

如果让我从头选，我会先用下面这组候选做小规模试用。表中的顺序不表示排名。

如果只是个人使用，先拿自己经常做的几件事试两个产品就够了。写作时看修改量，读论文时查页码和原句，写代码时运行测试。只看回答是否流畅，很容易选中一个解释好听、交付却不合格的助手。

2. 先分清聊天产品、API 和开放权重 #

讨论模型时，至少要区分三个层面。

聊天产品提供完整的使用界面。文件上传、搜索、记忆、代码执行、连接外部应用等功能，会共同影响最终体验。ChatGPT、Claude、Gemini、豆包和 Kimi 都属于用户可以直接使用的产品入口。

**应用程序接口（Application Programming Interface，API）**让程序调用一个指定型号。你需要处理提示词、工具、错误、重试和计费。模型的输入类型、输出上限、接口支持和账户额度，要逐项核对。

先认识几个后面会反复出现的词。Token 是模型处理和计费的文本单位，不等于汉字数或英文单词数；规格中的 K 表示千，M 表示百万。上下文是这次处理所用的提示、对话记录和材料，上下文窗口给出容量上限，具体计数范围要看型号文档；最大输出则限制一次能生成多少内容。

工具调用是让模型提出搜索、读取文件或执行命令等请求，再由外部程序执行。把模型与这些工具组合起来，连续完成多步任务的系统，常被称为 Agent。

开放权重允许你下载模型参数，也就是训练后保存的数值，并自行运行模型。是否能商用、修改、分发，以及是否有额外条件，由具体许可证决定。仓库公开、权重公开和完整训练过程公开是不同的事情。Qwen 与 Kimi 的官方仓库就分别提供了模型、部署和授权说明。⁹⁷

一个聊天产品的订阅费用，不能拿来和 API 的每百万 token 单价直接比较。一个产品可以调用多种模型和工具；一个 API 型号也不一定包含该产品里的全部功能。以 Gemini 4 Argon 为例，当前官方定价页明确说明，它不提供 API 免费层，也不包含在 Google AI Pro 计划中。¹⁰

下面列的是当前应关注的产品和模型，不表示它们拥有相同的访问条件。

3. 这些模型现在各自值得看什么 #

OpenAI：按照任务难度选择 GPT-6 档位 #

OpenAI 的当前指南将 Astra 放在最复杂的推理、编码与专业工作档位，将 GPT-6.1 Sol 定位为速度、成本和能力之间的平衡选择，将 Luna 用于更集中、调用量更大的任务。这是厂商定位，不意味着所有任务都应该使用最贵的型号。¹

对开发者来说，接口兼容性同样会影响选择。GPT-6.1 Sol 的官方模型页明确要求：工具调用使用 Responses API，Chat Completions 支持不带工具的请求。如果你的现有程序依赖 Chat Completions 的工具调用，只替换 model 字段可能不够。其 API 也不支持 none 和 minimal 推理档位。¹⁶

我的做法会是先用 Sol 评估主要工作，再把它反复失败的困难任务交给 Astra；分类和短文本抽取则单独评估 Luna。这样能看到能力升级究竟减少了多少失败和返工。

Claude：比较具体档位，也比较 Claude Code 的工作方式 #

Claude 当前的公开产品线包含 Fable 5.1、Opus 5.5、Sonnet 5.5 和 Haiku 5.5。模型概览列出了各自的定位、上下文、接口标识与价格；选型时应以具体型号为单位。²

如果主要工作是修改现有仓库，我会把 Sonnet 放进第一轮评估，再对困难样本比较 Opus 和 Fable。评估 Claude Code 时，还要记录它读取了哪些文件、执行了哪些命令、如何处理失败。模型与代码工具共同完成任务，把整个工作流的成绩归因于模型本身，会误导 API 选型。

Gemini：长生成与多模态值得评估，免费额度要单独看 #

Gemini 4 Argon 已出现在官方模型目录和定价页中。Google 将它定位于复杂软件工程、数学与科学问题、多步骤 Agent，以及最长可达 1M token 的长生成任务。这里的输出长度与输入上下文窗口是不同指标，调用时要分别核对。³¹⁰

如果要处理论文、图表、图片或视频，我会先比较 Gemini 的具体输入能力，再测试提取和引用是否准确。长文档能被接收，只说明输入满足限制；读者真正需要的是模型能找到正确证据，并且没有漏掉例外条款。

Gemini 4 Argon 当前不提供 API 免费层。其发布期价格截至 2026 年 11 月 30 日；12 月 1 日起执行另一组价格。用它估算持续运行的服务时，应该同时算两种情况。¹⁰

Grok：实时信息来自搜索工具 #

当前官方文档推荐 Grok 4.7 用于代码、聊天和工具任务，列出的上下文为 500K token。它已经不能只按“社交平台聊天助手”来理解。⁴

但搜索场景有一个必须明确的条件：没有启用搜索工具时，模型不会自动获得实时事件信息。API 需要启用 Web Search 或 X Search，并核对返回的来源。Grok 文档也明确指出这一限制。⁴

如果你的任务经常要查 X 上的公开讨论，Grok 很值得进入候选名单。是否能交付可靠研究报告，还要检查信息源、事件发生时间，以及引用有没有真正支持结论。

DeepSeek：确认别名背后的版本和时段价格 #

DeepSeek 当前推荐使用的模型名 deepseek-flash 对应 DeepSeek V4.1 Flash。旧的 deepseek-v4-flash 等名称仍可能接受请求，但官方说明服务已经转由 V4.1 Flash 提供。Pro 的当前版本则是 V4 Pro 0813。⁵¹¹

这会影响复现：代码里的型号字符串没有改变，实际服务版本仍可能变化。回归测试是重新运行既有测试任务，检查行为是否变化。为了能解释前后差异，应同时记录请求日期、模型名和当时官方公布的对应版本。

DeepSeek 的价格还区分高峰、空闲时段和缓存命中情况。对于可以安排执行时间的批处理任务，这些条件会影响费用；对于需要立即返回的交互任务，则不能只用最低价格估算。¹¹

Qwen：云端型号与可下载模型分开选 #

阿里云百炼当前列出了 Qwen3.8 Max、Qwen3.7 Plus、Qwen3.8 Flash 等型号，也提供独立的全模态与实时接口。不同后缀对应不同任务和服务规格，要根据具体型号判断输入与工具支持。⁶

Qwen 的官方仓库已经列出 Qwen3.8-27B 等可下载权重，并给出多种推理框架的部署说明。它值得被本地部署用户优先评估；但不要假设云端的 Max、Plus、Flash 与某个可下载模型完全相同，也不要用代码仓库的许可证替代权重文件附带的许可证。⁹

Kimi：K3 已经覆盖多模态与工程任务 #

Kimi K3 是官方发布的开放权重、原生多模态 Agent 模型，支持文本、图像和视频，具有 1M token 上下文。官方介绍同时覆盖工程任务与知识工作，已超出早期“长文本阅读助手”的范围。权重采用 Kimi K3 License，部署前需要阅读具体条款。⁷

如果经常处理中文资料、代码仓库和带图文档，我会把它放入候选。官方发布的大模型权重也不等于普通笔记本能舒适运行：部署规格、量化方式和可用内存需要另行确认。

GLM：旗舰 5.3 的输入仍是文本 #

Z.ai 当前的旗舰 GLM-5.3 面向复杂软件工程和 Agent 任务。官方文档给出的规格是 1M token 上下文、128K 最大输出、文本输入，并提供工具调用、结构化输出和上下文缓存等说明。⁸

这意味着，用它处理扫描件或图片时，需要另选视觉模型或加入识别步骤。厂商拥有多模态产品线，并不能推导出每个旗舰型号都能直接看图。

Seed / 豆包：通用模型与媒体生成分别核对 #

字节官方当前展示的通用模型是 Seed2.1，发布说明覆盖工具使用、工程任务和多模态理解。Seedance 2.5 属于视频方向，Seedream 属于图像方向；这些名称不应该混进通用语言模型的版本比较。¹²

如果你主要使用豆包，应该比较实际产品能完成哪些工作。如果要接火山方舟，则核对平台上的具体模型、接口和账单。聊天产品里的体验与 API 配置需要分别验收。

MiniMax：M3 与 M3.1 预览的接入范围不同 #

MiniMax 当前的模型文档列出了 M3 和 M3.1-Flash-Preview。M3 面向多模态编码并提供 1M 上下文；M3.1 预览当前只通过 M Plan 和 MiniMax Code 提供，不能据此假定常规按量 API 已开放。¹³

它值得进入代码工作流的候选集合。比较费用时，要区分按量 API 与订阅额度，还要注意 M3 在输入超过 512K token 后使用另一档价格。¹⁷

Mistral 与 Meta：加入候选，但先确认开放方式 #

Mistral 于 2026 年 10 月 6 日公布 Mistral Large 4。截至本文日期，可以试用的是公开预览 API；官方计划在 10 月底发布权重。因此，现在可以安排 API 评估，但本地部署计划应等待实际权重和许可证。¹⁴

Meta 的官方首页已经将 Muse Wonder 和 Muse Wonder Full 展示为最新模型，并提供 Muse 产品入口。如果在关注 Meta 生态，应把 Muse 系列加入观察范围；是否能通过你的账户调用 API、是否有可下载权重，需要独立确认。¹⁵

4. API 价格怎么比较才有意义 #

以下按 每百万文本 token、美元、普通按量请求比较：输入取未命中缓存的价格，输出单列；假定输入长度未触发加价档位，不含搜索等工具费用、税费、区域附加费和加速服务。DeepSeek 采用高峰时段价格。这里的缓存命中，指服务按自身规则复用已处理的输入；能否复用、采用什么费率，都要看具体服务的条件。

Gemini 4 Argon 从 2026 年 12 月 1 日起，输入与输出价格分别调整为 4.00 和 20.00 美元 / 百万 token。 11 月底以前的价格不能直接用于估算明年的账单。¹⁰

这张表只帮助比较文本 token 费率。Qwen、Kimi、GLM 和 Seed 应按实际接入平台的地区、部署方式与规格查价；把人民币国内报价、美元国际报价和订阅额度放在同一列，数字看似齐全，实际无法直接比较。

用一个假设工作量算月费用 #

假设某项纯文本业务每月执行 10,000 次请求，每次包含 4,000 个未缓存输入 token，账单计入 1,000 个输出 token。没有重试、工具调用和额外计费项，那么一个月需要 40M 输入、10M 输出。

计算方法是：

月文本费用 = 40 × 输入单价 + 10 × 输出单价

按上表计算，GPT-6.1 Sol 为 180 美元，GPT-6 Luna 为 9 美元，DeepSeek Flash 按高峰价为 24 美元。这些是上述假设下的算术结果，不是实测账单，也不说明三个模型在该业务上的成功率相同。

如果强模型每次贵一些，却少重试、少返工，它仍可能更划算。我更关心这个指标：

每个成功任务的成本 = 模型、工具、重试等总费用 ÷ 验收通过的任务数

评估推理模型时，还应检查账单是否包含不可见的推理 token。Google 的定价页就明确将思考 token 计入输出价格。缓存、批处理和工具计费也需要按各家文档分别计算。¹⁰¹⁸¹⁷

5. 订阅和接入可以怎么落地 #

个人使用：用常做的任务决定保留哪个产品 #

我建议先准备五个真实任务，例如修改一篇文章、读一份带图的报告、解释一段陌生代码、整理一组资料、查一个近期事件。用相同材料试两个产品，记录每次需要纠正什么。

如果主要写代码，优先比较代码工具能否在你的仓库中完成修改并通过检查。如果主要写作和阅读，检查事实、引用与修改量。如果经常搜索近期消息，检查来源与事件日期。试用之后再决定订阅，通常比同时购买多个“旗舰套餐”更容易判断价值。

应用开发：先建立一个基线，再决定是否分层 #

先选一个能够接入的模型，把提示词、输出格式和验收过程跑通，再用真实样本比较替代型号。我的候选起点会是：

• 复杂编码与工具工作流：GPT-6.1 Sol、Claude Sonnet 5.5，加入 Kimi K3、GLM-5.3、MiniMax M3 做比较。
• 批量抽取与分类：先评估 GPT-6 Luna、DeepSeek Flash、Qwen Flash。
• 混合媒体输入：从 Gemini 与 Qwen 的具体多模态型号开始，按需要加入 Kimi 和 Seed。
• 搜索任务：比较带搜索工具的 Grok 与其他助手，重点验收引用。

接入时，先确认具体型号是否支持所需的输入和工具调用，再验收业务结果。GPT-6.1 Sol 的接口限制与 GLM-5.3 的文本输入限制，就值得在这一步检查。¹⁶⁸

这里的基线，就是一套已经跑通、后续可以用来比较的模型与流程。等它稳定后，再考虑把简单子任务交给低成本型号、把困难样本升级到能力更强的型号。为了省 token 一开始就加入多套接口和复杂路由，可能让问题更难定位。

本地部署：先按容量选规格 #

本地部署前，要看机器的可用内存或显存、模型权重大小、量化方式，以及目标上下文长度。显存是供 GPU（Graphics Processing Unit，图形处理器）运算使用的内存；量化是用精度较低的数值表示权重等数据，以减少存储需求，具体能否装入和运行仍要看部署实现。混合专家模型（Mixture of Experts，MoE）每次只激活部分参数，仍需要根据部署实现安排完整权重的存储和装载；“激活参数少”不能直接等同于“占用内存少”。Kimi 和 Qwen 官方仓库提供了架构与运行说明。⁷⁹

对已有个人机器，我会先尝试能够完整装入内存的小规格模型，确认速度与质量，再增加规模。还要测试离线条件下能否完成任务：模型在本地运行，并不意味着你接入的搜索、云端识别和其他工具也在本地。

6. 用真实任务评估，别只看排行榜 #

公开基准测试可以帮助发现候选，但分数还取决于提示词、推理预算、采样次数和执行环境。推理预算规定允许模型为任务投入多少计算；采样次数说明同一任务尝试多少次。给模型更多计算或更多尝试机会后得到的分数，需要和相同条件下的结果比较。Agent 评测里的 harness，指的是组织模型执行任务的一整套程序，包括上下文、工具、命令执行、重试和结果判断。Kimi K3 的官方报告就分别说明了使用的 harness、推理设置与成绩来源。⁷

因此，两个发布页上同名测试的数字，不一定构成同条件比较。要比较代码模型，还应确认测试集版本、工具权限、时间预算和任务是否独立完成。

我建议先做一个约 20 项任务的小样本评估。它足以暴露常见问题，但还不能证明生产环境的稳定性。

具体比较时，我会这样操作：

1. 固定输入材料、提示词和验收标准；记录模型标识、日期、推理档位、工具权限和费用上限。
2. 从相同初始状态运行每个候选。代码任务使用相同提交和依赖；不要让后运行的模型看到前一个模型的答案。
3. 对结果评分。记录成功率、人工纠正次数、耗时、token 和总费用，保留失败样本。
4. 把昂贵或偶发失败的样本再运行几次，观察波动。将这部分额外费用也计入评估。
5. 上线前用更大样本补测，并在模型升级或别名变化后回归关键任务。

这些步骤是选型方法建议，本文没有执行这组横向实验。你真正需要的结果，是“在我的任务上，哪个方案以可接受的费用完成得更可靠”。

7. 最后核对几个容易影响结果的条件 #

“支持 1M 上下文”不等于一定读懂 1M 内容。 输入上限、最大输出、长输入费率和证据提取质量，应分别检查。OpenAI 的长上下文加价、Gemini 的长生成规格与 GLM 的输入 / 输出限制，就不能合并成一个数字。¹⁶¹⁰⁸

免费层的数据政策可能不同。 Gemini 定价页区分免费层和付费层的数据用途。处理尚未公开的代码或资料前，应阅读对应产品、层级和地区的数据政策；不要由“官方 API”四个字推断数据处理方式。¹⁰

预览、正式服务与开放权重有各自的时间表。 Mistral Large 4 当前是预览 API、权重仍属后续计划；MiniMax M3.1 预览也有接入范围限制。上线方案应以已经可以访问和验收的服务为基础。¹⁴¹³

接口兼容不等于行为相同。 先检查所需的工具调用、结构化输出与推理参数，再测错误恢复。GPT-6.1 Sol 的工具调用接口限制就是一个具体例子。¹⁶

别名可能改变实际模型。 DeepSeek 对旧 Flash 名称的映射已经说明了这一点。为关键任务保存版本记录和失败样本，模型变动时才能知道应该重新检查什么。¹¹

开始选型时，拿两三个候选跑完自己的核心任务；把验收通过率、返工量和成功任务成本记下来。下一次出现新型号，就用同一组样本判断它是否值得替换现有方案。

官方资料与更新记录 #

以下资料的访问与核对日期均为 2026 年 10 月 14 日。持续更新的型号和定价页面应以调用时的内容为准。