国产大模型横评

Kimi K 2.5 是国内第一个将 1T 参数规模和多模态能力融合在一起的模型。

Step 3.5 Flash 推理速度极快，token 速度可达 200-400 token/秒，适合密集 Agent 任务。

Claude Opus 4.6 在文学、哲学、编程、中文表达和反思等方面达到全新台阶，是让人感到恐怖的模型。

GLM-5 的发布意味着国产模型首次站上真正可编程的水准。

豆包 C 2.0 Pro 在开发能力上表现一般，幻觉率高，指令遵循不够严谨。

千问 3.5 Plus 视觉和文本编程能力综合，但未与 Kimi K 2.5 拉开明显差距，生态位尴尬。

Claude 4.6 的成本是 Opus 4.6 的五分之一，能力成为国产模型难以企及的高墙。

Gemini 3.1 Pro 推理能力提升，但幻觉偏高，输出情绪价值，世界知识相比 3.0 Pro 有所下降。

Gemini 系列在前端开发和设计绘图上具有明显优势。

GPT-5.4 比 GPT-5.3 Codex 速度更快、质量更好，但价格更高，并开始全面封堵低价套餐。

小米 Mimo V2 Pro 是国产首个支持多模态和超大上下文的模型，打开国产先河。

MiniMax M2.7 实现了能力和尺寸的平衡，token plan 量大管饱，受到开发者欢迎。

Cursor 未经许可将 Kimi K 2.5 作为底模用于 Composer 系列后训练。

Claude 系列曾出现额度消耗异常，五小时限额迅速用尽，存在注入缓存等嫌疑。

千问 3.6 Plus 正式版达百万上下文并支持多模态，但编程能力被 GLM-5.1 超越，迅速淡出开发者视野。

Codex 从原计费方式转为 token 计费，导致开发者消耗大幅加速。

GLM-5.1 在 SWE-bench Pro 达到开源第一，解决了思维链不收敛问题，任务执行稳健。

Claude 4.7 中文表达能力显著减弱，指令遵循不如 4.6 稳健，且换用新 tokenizer 导致消耗增加，变相涨价约 35%。

Kimi K 2.6 主打 agent 集群，但在实际开发中被 GLM-5.1 拉开差距，仅在画图和前端上仍有优势。

GPT-5.5 是截止当时最一线的模型，稳定性和逻辑连贯能力再次深化，处于评测榜首级别。

DeepSeek V4 首次具备百万上下文，开启 max 思考时能达到 Claude Opus 4.5 的稳定交付水平，但未达到 4.6。

小米 Mimo V2.5 具备百万上下文和多模态，但其买断制 token 策略让用户很快用完，口碑受损。

Cloud Code 限额翻倍后，个人用户即使同时开发五六个项目也几乎用不完。

千问 3.7 Max 能力虽强但价格过于昂贵，开发者宁愿使用国外 Claude 系列。

DeepSeek V4 Pro 原本限时优惠变为永久降价。

小米 Mimo V2.5 Pro 降价 99%，价格降至与 V4 Pro 相当，才开始具备性价比和可用性。

Claude 4.8 依然存在中文表达能力差的问题，口碑延续 4.7 的负面评价。

MiniMax M3 发布后，前端能力可达 Claude Opus 4.6-4.7 之间水平，编程在 GLM-5 到 5.1 之间，成为多功能小水桶。

Claude Fibo 5 的说话风格和能力恢复并超越 4.6，但因美国禁令被全球下架。

Kimi K 2.7 未提供百万上下文，相比已跟进百万上下文的竞品显得落后。

GLM-5.2 编码能力进一步提升，可与 Claude 4.7 较量，但推理时间极长，通过时间换准确率。

当前编程能力榜单上，国外模型仍领头，GLM-5.2 是唯一冲到前列的国产模型。

Anthropic 的视觉识别精度全球最高，上传 UI 设计图可仿出 80% 水平。

OpenAI 的 GPT 系列是最博学、代码最稳健的模型，但中文 AI 味儿浓，且不愿承认自己不知道。

谷歌 Gemini 拥有全模态能力（视频、音频等）和强前端能力，但幻觉高、编程逻辑弱、世界知识下降。

DeepSeek 价格极低、全模型开源、缓存命中率高，但编程能力与主流有差距且不支持多模态。

智谱 GLM 系列是国产唯一在编程领域领跑的系列，但思维链冗长、无多模态、订阅价格不断上涨。

Kimi 系列搜索能力和工具调用能力强，适合知识整理与绘画，但无百万上下文，计费不友好。

MiniMax M3 在前端、多模态和上下文长度上补齐短板，成为无明显短板的小水桶模型。

千问大模型因价格过高无人使用，但其小尺寸开源模型（如 3.6-27B）非常值得推荐。

豆包在语音聊天方面体验很好，但开发上幻觉率居高不下，即将从免费转为付费，暂不推荐开发使用。

海外模型 API 输出价格昂贵，如 Claude Sonnet 4.6 每百万输出超百元，最便宜的 Haiku 也需三十多元。

国内模型中最贵的 GLM-5.2 输出价仍低于海外最便宜的模型输出价。

海外模型想要获得良好体验，每月订阅中高档套餐需要 100-200 美元（约 500-1400 元）。

国产模型中档套餐每月仅需几百元即可满足非高强度开发，或通过闲鱼合租降低成本。

当前 API 价差巨大，从最贵的海外模型到最便宜的 DeepSeek V4 Flash 可达 642 倍。

隐性涨价（如修改 tokenizer、压缩 token plan 用量）已成为行业常态。

五小时滑动窗口、七天时限窗口等用量控制已成行业主流，难以改变。

单个 Agent 的 token 消耗量稳步增加，多数用户每日消耗已稳定过亿 token。

中文日常聊天与办公推荐使用 Kimi Q 2.7，因其免费、搜索精准、擅长知识整理和绘画。

语音聊天场景仍推豆包，但开发不推荐。

通义千问因接入阿里生态，适合查询地图、距离、机票等生活场景。

若需要情绪价值和世界知识，目前仍推荐使用 Gemini（尽管其世界知识有所下滑）。

成本敏感的开发环境推荐使用 DeepSeek 或 GLM/Mimo 的 coding plan，因其极低价格和够用的量。

质量敏感的开发者应使用 Claude 4.8/Fibo 5 + Claude Code 或 GPT-5.5 + Codex CLI 的组合。