10-23 官方价 · USD / MTok
DeepSeek V4.1 Flash 1017
缓存型、文本吞吐候选
输入 / 输出 $0.15 / $0.60（谷）
AA max 升至 45 分 / $0.26 task / 195 tok/s（10-23 快照）。保留重复材料、摘要、分类、长上下文缓存场景；峰价双倍，周末与中国法定节假日全天谷价。Search/Fetch 11-01 起各 $0.75/千次。
01
最近三周，哪些变化值得换模型
观察窗口：2026-10-03 至 2026-10-24。只把已核实发布、可用入口和会改变交付成本的变化放进时间线；不是见到新名字就换主力。
10-24
Kimi K3.1 Pro：长稿与 Agent 双候选
10-06
Mistral Large 4 公开预览
促销价 $0.68/$2.09（刊例 $1.36/$4.18），官方宣布月末公开权重。先放观察名单；权重未落地前不当作可私有化部署的现货。 Mistral价格
10-07
Claude Haiku 5.5：低价高速新候选
10-12
Muse Wonder / Wonder Full 发布
10-13
Gemini 4 Argon 正式开放
10-17
DeepSeek V4.1 Flash 1017：重回前排
02
历史原图与读图规则
本模块保留原网页的 7–8 月图像档案，用来解释斩杀线的来源；不是当前现价或当前榜单。历史素材的标题、模型版本和测评口径可能不同。当前选型看第 04–08 节（数据截至 10-23）。
问题 01
先核对版本
模型同名不等于路由相同；high/max、fallback 和测试 harness 都影响结果。
问题 02
再核对计费入口
官网 API、套餐、第三方转发、促销价不是同一种价格，不能交叉套用。
问题 03
最后验证交付
综合分不能预测中文口播的语气，也不能代替代码运行。只把榜单当作缩小试用范围的工具。
03
历史坐标系：理解“斩杀”，不作为今日推荐
保留 08-13 前后的预测与实测示意，作为历史复盘。旧 SWE 分、AA 旧版本、旧价格不与 10-23 快照连线，也不代表模型能力随版本换分而退步。
能力 × 价格：08-13 调价前的历史落点
X: SWE-BENCH VERIFIED (%) ｜ Y: OUTPUT PRICE $/M TOKENS (LOG) ｜ 当前峰谷价见第 04 节价格表 ｜ 绿色 = V4 PRO 正式版预测层
斩杀线本体
GLM-5.3
Kimi K3
千问 3.8 Max
海外旗舰（官方口径约数）
V4 Pro 正式版·预测斩杀区（绿）
反转点网传图里「V4 Flash 58 分、别人 50 分」的排布与公开基准不符：真实数据里三家国产新旗舰能力全部略高，但都站在红色斩杀边界的右上方——能力略高、价格贵一个数量级。被斩杀的是性价比，不是能力。注意：本图是调价前历史快照。
绿色叠层 · ✅ 08-13 已验证这是 08-08 基于灰度爆料与涨价公告的预测层（当时口径：能力 ~86.5 SWE / 输出 ~$2.5）。08-13 V4 Pro 正式版已发布：旧价实测斩杀位置为 AA 指数 58 分 / 每任务 $0.06（输出 $0.87/M）。8 月 17 日起调价，当前峰谷价见第 04 节价格表。
04
当前费率：报价之前，先核这张表
截至 2026-10-24（Kimi K3.1 Pro 官方价 10-24 已核；GLM 沿用 10-17 快照并标注）。下表为官方 API 刊例（美元 / 百万 tokens），不是套餐价，也不是 AA 每任务成本。DeepSeek 现页仍列 V4 Pro（谷 $0.66/$1.98，峰 $1.32/$3.96），且 deepseek-flash 已由 1017 版本服务；V4 Pro 不作为新项目默认。
| 模型 / 路由 | 未命中输入 | 命中输入 | 输出 | 使用条件 / 来源 |
|---|---|---|---|---|
| Claude Haiku 5.5（≤100K） | $0.1 | $0.01 | $0.5 | 超过 100K 提示整次按 $0.50/$2.50 Haiku |
| GPT-6 Luna | $0.1 | $0.01 | $0.5 | Standard，输入 ≤272K；缓存写入另计 Luna |
| MiMo V2.6 Flash | $0.14 | $0.0028 | $0.28 | 全年统一标价；多模态用量另看实际账单 MiMo Flash |
| GLM-5.3 Flash | $0.15 | $0.03 | $0.5 | 官方 10-17 快照现价；本轮官网暂未复核成功 GLM价格 |
| DeepSeek V4.1 Flash · 谷 | $0.15 | $0.003 | $0.6 | 工作日非高峰、周末及中国法定节假日；1017 版本服务 DeepSeek |
| DeepSeek V4.1 Flash · 峰 | $0.3 | $0.006 | $1.2 | 工作日北京 09–12、14–18；不含中国法定节假日 DeepSeek |
| GLM-5.3 FlashX | $0.37 | $0.075 | $1.25 | 高价快速档；不自动替代 Flash GLM价格 |
| MiMo V2.6 Pro | $0.435 | $0.0036 | $0.87 | 官方 USD 刊例；人民币为输入 ¥3 / 输出 ¥6 MiMo Pro |
| Mistral Large 4 预览 | $0.68 | $0.07 | $2.09 | 促销价，刊例 $1.36/$4.18；月末权重待落地 Mistral价格 |
| GLM-5.3 | $1.4 | $0.26 | $4.4 | 文本模型；套餐积分另按订阅规则 GLM价格 |
| Grok 4.7（≤200K） | $2 | $0.5 | $6 | 超过 200K 提示有更高档；Fast 另计 Grok |
| GPT-6.1 Sol | $2 | $0.1 | $10 | Standard，输入 ≤272K；Ultrafast 与长上下文另计 Sol |
| Claude Sonnet 5.5 | $2 | $0.1 | $10 | 10-07 起缓存读降至 $0.10；缓存写入另计 Claude价格 |
| Gemini 4 Argon（导入价） | $2 | $0.1 | $10 | 导入价到 11-30；之后 $4/$20 Google价格 |
| Kimi K3.1 Pro | $2 | $0.2 | $10 | 官方国际 API；缓存写 5m $2 / 1h $4；1M 上下文 Kimi |
| Kimi K3.1 Pro Highspeed | $4 | $0.2 | $20 | 输出约 2–3 倍速；缓存写 $4/$8 Kimi |
| Kimi K3 | $3 | $0.3 | $15 | 官方国际 API；不能拿套餐价套 API Kimi |
| Muse Wonder | $4 | $0.2 | $20 | 仅 Standard 模式；Full 无公开 API 价 Muse价格 |
| Claude Opus 5.5 | $4 | $0.2 | $20 | 标准 API；Fast 输入/输出 $8/$40 Opus |
08-13 历史快照 · 08-13 实测重画：九个关键落点（AA 口径）
X: COST PER TASK USD (LOG) ｜ Y: AA INTELLIGENCE INDEX ｜ 数据源：AA V4.1 全量 CSV（08-13）+ 官方定价
旧斩杀线（Flash）
新斩杀线（V4 Pro）
GLM-5.3
Kimi K3
Grok 4.6
Claude Opus 5
GPT-5.6 Sol
历史档案本图使用旧版 AA 与当时成本。只复盘当时竞争，不用于当前采购；今天的价格看上表，当前任务比较看第 06A 节。
历史档案本图使用旧版 AA 与当时成本。只复盘当时竞争，不用于当前采购；今天的价格看上表，当前任务比较看第 06A 节。
08-13 历史快照 · 新口径性价比指数：AA 指数 ÷ 每任务成本（V4 Flash = 100，08-13 历史价快照）
历史档案本图使用旧版 AA 与当时成本。只复盘当时竞争，不用于当前采购；今天的价格看上表，当前任务比较看第 06A 节。
05
性价比怎么比：先算同一笔账
先定义调用量，再比较账单。下面是假设每次 10,000 未缓存输入 + 2,000 计费输出、共 1,000 次的标准 API 成本；计费输出包含适用的推理 tokens。忽略工具、搜索、重试、税费和套餐，这不是模型完成同一任务所需的真实用量。
固定用量账单 · 越短越省同一输入输出量；不是能力除以单一输出价
怎么用先用这张图估预算，再用 20 个真实任务量合格交付成本。Haiku 5.5 与 Luna 静态账单并列最低（$2），MiMo Flash 更低（$1.96）；不能据此断言完成率相同。DeepSeek 遇缓存命中和可调度任务仍可能有优势。
缓存会改结论例如 DeepSeek 谷价在 90% 输入命中时，以上 1,000 次约 $1.377；GLM Flash 约 $1.42。Sonnet 5.5 缓存读 10-07 起降至 $0.10，高命中场景的账单明显低于表面刊例。仅限相同命中率与计费用量的估算，不承诺你的业务能达到。
05A
Flash 独立比较：便宜，要落到合格交付
DeepSeek V4.1 Flash 1017 vs GLM-5.3 Flash，扩展 Haiku 5.5、MiMo 与 Luna 作为备选。价格和独立评测分开讲，优先保留已经通过验收的流程。
10-23 官方价 · USD / MTok
GLM-5.3 Flash
低价视觉与工具任务候选
输入 / 输出 $0.15 / $0.50
AA 42 分 / $0.28 task / 64 tok/s。已有 GLM 工作流可以继续；与 MiMo、Haiku 比的是合格交付率，不是更高分一定省钱。
没有历史包袱
先各试 Haiku 5.5、MiMo Flash 与 Luna，跑抽取/分类/格式化任务；验收通过再扩大流量。
已有缓存流水线
保留 V4.1 Flash 1017，拿实际缓存率重算；11-01 起把 Search/Fetch 计费计入 Agent 成本。
视觉与文件交付
比较 GLM Flash 与 MiMo，不把能看图等同于会生成合格 PPT；必须渲染、查公式。
高价值中文成稿
Flash 负责证据和初稿；Opus 4.6 / K3 保留，Opus 5.5 做同题挑战者。
便宜模型也要看能力档10-23 AA 当前快照；不同 effort 已写明
注意DeepSeek 1017 把低价段能买到的能力抬到 45 分，吞吐 195 tok/s；Haiku 5.5 max 更快（235 tok/s）且有 Anthropic 工具生态。AA 任务成本包含评测用量，并非上图固定用量算式。 AA
| 实际任务 | 默认试谁 | 切换 / 保留条件 |
|---|---|---|
| 高频摘要、分类、JSON | Haiku 5.5 / MiMo Flash / Luna | 抽检事实与结构；不合格才升级 Pro/Sol。 |
| 重复长材料与缓存 | DeepSeek V4.1 Flash 1017 | 命中率高且交付合格就保留；不要为新模型破坏稳定缓存。 |
| 图片、音视频材料 | MiMo Pro/Flash；视觉已有链路用 GLM Flash | 逐页/逐段抽检数字与说话人；文字模型 GLM-5.3 不等于 GLM Flash。 |
| 多文件软件修改 | Sol medium → high；GLM-5.3 做现有链路对照 | 同仓库、同工具权限、同测试集；失败记录必须可复现。 |
保留原图上面三图是 08-26 GLM 发布期素材，包含当时促销或厂商自报结果，保留用于复盘；不与当前 AA 表混算。
把便宜模型接进能验收的流水线
① 清洗 / 抽取Haiku / MiMo Flash / Luna；已有缓存用 DeepSeek。
→
② 生成 / 执行MiMo Pro / GLM / Sol 按任务升级，真实运行。
→
③ 复核 / 交付人审事实、数字、语气和客户验收标准。
内容服务
素材资产包
Flash 拆资料、按来源编号；人工选题，K3 或 Opus 写最终口播。
交付：事实卡 + 3 个开头 + 可拍逐字稿。
办公服务
每周经营简报
便宜模型抽取，Sonnet 制作文档表格，人查公式。
交付：可编辑文件 + 数据底稿 + 更新说明。
软件服务
小工具与后台
MiMo / GLM 写初版，Sol / Sonnet 修复杂问题，浏览器验收。
交付：可用地址 + 源码 + 测试记录。
核算
按合格件计价
记录 API、工具、重试与人工修改耗时；促销不写进长期利润承诺。
候选工作流，不是已验证收入案例。
06A
三周更新：先换候选，再换生产主力
以下是基于官方资料、AA 独立快照与公开小样本试用形成的选型建议，不是本项目的全模型实测。能力比较看明确档位；是否可用看官方入口；中文表达与真实交付必须再验收。
智能指数与实际常用档位AA 当前快照 10-24；Kimi K3 已由 K3.1 Pro 接替上榜，旧分 44 移出本图
同一评测的每任务成本越短越便宜；不是你的业务完成率或账单承诺
为什么不用全员 maxOpus 5.5 max 在当前 AA 为 58 分 / $5.98；Sonnet 5.5 max 为 56 / $5.46——10-23 已比 Opus max 便宜，旧结论撤回，但两者都贵。Sol max 52 / $0.72、medium 48 / $0.21。先用够用档，验收失败再提高 effort；品牌便宜不等于每个档位都便宜。 AA
GPT-6.1 Sol已发布 · 工程首选
复杂代码 / 工具任务的默认候选
$2 入 / $10 出AA max 52 / $0.72medium 起步
- 跨文件修改、调试、专业分析先试 medium；难题升级 high/max。 Sol
- 同官方模型页，标准 Token 单价是 Astra 的 1/5；这是单价，不保证总任务成本 1/5。
- 工具链若只支持 Chat Completions 工具调用，先检查 Responses 适配，不要盲改模型名。
- 输入超过 272K 时整次请求触发更高费率；Ultrafast 是另一条计费轨道。
选用同任务与原主力 A/B，测试通过、人工接管更少才迁移。
Claude Opus 5.5已发布 · 写作挑战者
中文科技口播：挑战 Opus 4.6 的新候选
$4 入 / $20 出AA max 58 / high 54写作先 high 小样本
- 英文可读性不能证明中文口播第一；该实测仍发现开头埋重点、重复铺垫。
- 本轮没有对你的中文样本做付费实测，不承诺爆款，不立即淘汰 Opus 4.6。
选用Opus 4.6 vs Opus 5.5，一次只比这两个；K3 保留现有用途。
Claude Sonnet 5.5已发布 · 日常交付
日常文件交付与快速迭代候选
$2 入 / $10 出缓存读降至 $0.10默认 medium
- 高 effort 不一定经济；max $5.46/task 虽已低于 Opus max，仍是高价档。
- 能调用工具不等于文件已合格，必须打开检查数字、格式和可编辑性。
选用先做周报、课程讲义或小功能修复；按实际合格件成本判断。
Claude Haiku 5.510-07 发布 · 低价高速
批量、快反、有自动验收的任务
≤100K $0.10/$0.50AA max 43 / 235 tok/s超过 100K 加价
- 提示超过 100K 整次按 $0.50/$2.50 计费，长材料别塞给它。
- 快不等于细：中文长稿、复杂推理仍交给高档模型。
选用程序校验 JSON、字段和事实来源；失败再升级 Sonnet/Sol。
Gemini 4 Argon10-13 正式开放
复杂代码 / 多模态新候选
导入价 $2/$10 至 11-30AA high 53 / $1.99之后 $4/$20
- 已移出受限观察：AI Studio 与 API 可用，官方定位复杂代码、知识工作与创作。 Argon · Google价格
- AA high 53 分 / $1.99，与 Astra max 同分但更便宜；值得进工程候选对比。
- 导入价结束后价格翻倍；预算模型按 $4/$20 做压力测试。
- 多模态预处理已有 Gemini 3.8 Flash / MiMo 链路的，不必立即迁。
选用拿到 API 后与 Sol 同仓库 A/B；按可合并结果决定。
Kimi K3.1 Pro10-24 发布 · 长稿 + Agent 挑战者
中文长稿、前端/3D 与工具任务的新候选
$2 入 / $10 出AA 55 / $2.111M 上下文
- AA 全球第四，55 分 / $2.11 task；官方 TB 4.0 65.7%，接近 Opus 5.5 的 66.4%；GDPval-AA Elo 1846 第三。 Kimi · AA
- 前端与 3D 创作为本次升级重点；Highspeed 输出约 2–3 倍速但价格翻倍。
- 发布首日：独立小样本与中文口播实测都没有，不直接替换任何主力。
- 官方自报基准只用于选候选；开放权重 11-04 前才落地。
选用新长稿任务与 Opus 5.5 同题盲测；工程与 Sol 同仓库 A/B。
替换与保留K3.1 Pro 进入长稿与 Agent 挑战位（发布首日，先试用不迁移）；Haiku 5.5 进入低价高速候选；Argon 转正式候选；DeepSeek 1017 重回性价比前排；Muse Wonder / Full 进观察名单（Full 无公开 API 价）；Mistral Large 4 等月末权重落地再评估私有化。K3、GLM、DeepSeek 已有合格流程继续保留，不强制追新。
06
七个主力位置，各自怎么用
主力名单按这次教学和业务需求调整：低价前排加入 Haiku 5.5 与 DeepSeek 1017，Argon 转正式候选，Muse / Mistral 进观察名单。老模型只有在你的验收任务上输掉，才真正退出生产。
Kimi K3 → K3.1 Pro保留 + 升级候选
长材料、前端方案与中文长稿对照
国际 API $3 / $15上下文 1MK3 已出 AA 榜K3.1 Pro AA 55
- 你已有套餐且熟悉改稿流程，先延续有效用法；新长稿与前端/3D 任务试 K3.1 Pro（$2/$10，比 K3 的 $3/$15 更低）。
- 官方支持约 1M 上下文；当前国际 API 价格已核。 Kimi
- 撤回旧版全场审美第一的断言；套餐性价比不能直接套 API 价。
- K3 已不在 AA 当前榜单（由 K3.1 Pro 接替），旧分 44 仅作历史参考；赶时效的批量抽取交给便宜模型。
选用已有 K3 流程保留；新任务优先试 K3.1 Pro。
GLM-5.3保留 · 工程链路
适合已验证的文字代码与长任务
$1.4 入 / $4.4 出文本输入1M 上下文
- 官方强调复杂编程、长任务后训练，已有 Coding Plan 用户可以继续。 GLM能力
- 与 MiMo / Sol 在相同仓库做一次回归，对通过率和人工介入计时。
- 旗舰 GLM-5.3 是文本模型，不要因 Flash 支持视觉就说旗舰能看图。
- 订阅积分与模型系数以账户页为准；本轮官网价格页未复核成功，沿用 10-17 快照。
选用现有链路稳定就不急换；新项目同时试 MiMo Pro 与 Sol。
Qwen3.8 Max (0902)观察 · 企业场景
已有百炼接入与企业交付的对照
AA 45AA $5.41/task上下文 AA 984K
- 已有企业流程、权限配置和采购体系，迁移成本可能高于模型差价。
- 在当前 AA 快照中与 GLM max、DeepSeek 1017 同为 45 分，但任务成本最高；只用于候选筛选。 AA
- 不标知识最准确、数学全场最强；综合分不能证明具体事实可靠。
- 本轮未独立复核百炼地区/阶梯价，不写全场最低或直接套国际价。
选用保留有合同、有验收的企业链路；新项目先同任务对比。
DeepSeek V4.1 Flash 1017重回前排 · 缓存与吞吐
重复长资料、摘要与批量处理
谷 $0.15 / $0.60AA max 45 / 195 tok/s峰价双倍
- 1017 版本把 AA max 从 39 抬到 45，与 GLM max、Qwen Max 同分，任务成本仅 $0.26。 AA · DeepSeek
- 命中输入谷价 $0.003/M，稳定前缀缓存可能很有价值；谷峰调度仍有杠杆。
- 11-01 起 Search/Fetch 各 $0.75/千次，Agent 经 Harness/Claude Code/Codex 的服务端调用不再免费。
- 不得再用 0731 SWE 或旧 AA 分冒充 1017 能力；按实际账单和返工率比较。
选用高缓存旧链路继续；低价新项目把它与 Haiku、MiMo 同场对比。
Grok 4.7保留 · 新任务候选
带来源研究 / Grok Build 代码试用
标准起价 $2 / $6AA high 46Cursor / Build / API
- 官方确认 Cursor、Grok Build、API 可用；对长任务和核验作了改进。 Grok
- 研究工作保留原文链接与时间；有 X 搜索工具的入口适合补充争议点。
- Grok 模型本身不等于默认接通 X；来源能力取决于你实际使用的工具。
- 中文科技口播没有足够独立证据支持最强，不安排它直接替换熟悉写作模型。
选用研究材料和编程候选；研究结论必须回到原始资料核查。
MiMo V2.6 Pro / Flash主力低成本候选
低成本国产 Agent 与多模态候选
Pro $0.435 / $0.87Flash $0.14 / $0.28原生音视频输入
- 官方已给可用 API、1M 上下文和明确价格。 MiMo Pro · MiMo Flash
- AA Pro 46 / $0.13 task，Flash 38 / $0.06 task；复杂度不同，不要只看 Pro/Flash 名称。
- 公开 DevOps 小样本中 Pro 的 K8s 运行成功仅 1/3，Flash 0/3，虽然静态校验通过。不能无人验收部署。 MiMo运行实测
- Pro 吞吐约 54 tok/s；多模态和低价不等于写作、审美或实时任务都胜。
选用草稿试 Flash；多步任务试 Pro；所有可收费代码都要真实运行。
GPT-6 Luna保留 · 低价批量
低价标准化任务的选项
$0.10 入 / $0.50 出输入 ≤272KAA max 38 / $0.07
- Luna max 的 AA 分为 38，不能靠便宜推断能做复杂长 Agent。
- max 的首段延迟在 AA 可超过一分钟；便宜不等于任何档位都快。
选用让程序校验 JSON、字段和事实来源；失败再升级 Sol。
Agent 选型：模型之外，还要验收 harness
模型 + 工具 + 上下文 + 权限 + 恢复 + 验收，共同决定结果
先测四件事① 工具调用能否真实执行；② 长任务压缩后是否记得目标；③ 超时/中断能否恢复且不重复写入；④ 测试失败是否能定位并修复。让所有候选用同仓库、同提示、同预算和同工具权限。
别横比不同题Grok 发布页有 CursorBench、DeepSWE；Sonnet/Opus 发布页有 Terminal-Bench；旧 GLM 图中有 TB 2.1/3.0。版本与 harness 不同，不拼成谁编程第一。厂商自报只用于选候选。 Grok · Sonnet · GLM能力
实际接入Sol 6.1 工具需 Responses；MiMo 支持常见协议但仍要验证框架适配；Grok Build 是产品环境，不能将其结果等同于裸 API；DeepSeek Harness 的服务端 Search/Fetch 11-01 起计费，长跑 Agent 要把这笔钱计入预算。
| 模型 | 中文科技口播 | 编程 / Agent | 研究 / 多模态 | 默认用法 / 何时升级 |
|---|---|---|---|---|
| Opus 5.5 | 新挑战者，先对 Opus 4.6 盲测 | 复杂判断与复核候选 | 证据齐备后的分析 | 写作 high 小样本；不是默认全程 max |
| Sonnet 5.5 | 日常改稿候选，不宣称文笔第一 | 日常修 bug / 文件生成 | Office 交付候选 | medium 迭代；难题给 Opus / Sol |
| GPT-6.1 Sol | 事实结构、逻辑审查候选 | 新工程默认候选之一 | 工具辅助的专业分析 | medium 起步，失败再 high/max |
| Gemini 4 Argon | 无中文口播胜出证据 | 正式开放，进工程候选 | 多模态与知识工作 | 导入价内完成 A/B；按 $4/$20 做预算压测 |
| Claude Haiku 5.5 | 标准化初稿 | 简单、有自动验收的任务 | 文本快速处理 | ≤100K 提示；超长材料别用它 |
| Kimi K3.1 Pro | 长稿新主力候选，与 Opus 5.5 同题盲测 | TB 4.0 65.7%；Agent 能力涨幅最大 | 1M 长材料；前端/3D 创作 | 新任务先试；K3 旧链路不强拆 |
| Kimi K3 | 保留已熟悉的长稿链路 | 前端方案保留对照 | 长材料整理 | 已有套餐可留；API 批量慎用 |
| GLM-5.3 / Flash | 材料处理为主 | 5.3 工程；Flash 低价链路 | 5.3 仅文本；Flash 视觉另测 | 保留跑通流程，比较 MiMo 返工率 |
| DeepSeek V4.1 Flash 1017 | 摘要 / 事实卡 / 草稿 | 适合有校验的分段任务 | 视觉支持，音视频不混同 | 看缓存率、峰谷调度与 11-01 后工具费 |
| MiMo Pro / Flash | 抽取初稿；不保证细腻终稿 | Flash 原型；Pro 多步任务 | 文本/图片/音频/视频 | 所有可收费代码都要真实运行 |
| Grok 4.7 | 不作默认中文主笔 | Build / Cursor 场景试用 | 有搜索工具时补 X 原始线索 | 保留来源，不拿热帖当结论 |
| GPT-6 Luna | 标准化低成本初稿 | 简单、有自动验收的任务 | 文本图片；09-25 修复后重测 | 先 low/medium，不以 max 当低延迟 |
07
你的工作习惯，应该怎样保留与升级
不让榜单替你决定文风。留住经过人改、真实交付有效的模型；新模型每次只承担一个可验证的新角色。
实际问题
证据与边界
选用动作
K3 已有套餐好用，还要换吗？
套餐与 API 是两回事；K3.1 Pro API $2/$10 反而比 K3 的 $3/$15 低。
新任务试 K3.1 Pro；已有 K3 套餐流程保留
中文口播谁更没有 AI 味？
本轮查到 Opus 5.5 英文一手试用，不能直接外推中文平台爆款。
Opus 4.6 vs 5.5 同题盲测；K3 保留
Argon 现在能用了吗？
10-13 已 GA：AI Studio 与 API 可用，导入价 $2/$10 到 11-30。
导入价内完成与 Sol 的同仓库 A/B；预算按 $4/$20 压测
DeepSeek 1017 分涨了，要换回吗？
AA max 45 / $0.26 是评测口径；你的缓存率和峰谷调度才决定真实账单。
高缓存链路保留；新低价项目与 Haiku、MiMo 同场试
08
真正能落地的选用指南：从试用到收费交付
以下是可以执行的试用与产品化方案，不是本轮已完成的模型 A/B，也不是已验证的收入案例。重点是减少返工、缩短交付时间，让预算与真实结果对应。
中文科技 / AI 长口播
先把 Opus 5.5 放进同题盲测
选 3 个近期科技题，每题给同一事实卡、你的 2 篇定稿、相同目标字数。只跑 Opus 4.6 与 5.5，匿名交给你审；每题复跑一次。评分：事实 30、逻辑与案例 25、口语和人味 25、人工修改耗时 20。 K3.1 Pro 作为长稿第三对照，只在 Opus 盲测完成后再加进来。
发布验收：事实零硬伤、念得顺、没有空洞铺垫。5.5 多数胜出且修改时间更短再迁移；K3 作为已有长稿流程保留。
编程 Agent / 客户小系统
按可合并代码与可用地址验收
同一仓库的 10 个修复/功能任务，固定环境与权限。先 Sol medium、Sonnet medium 或现用 GLM；新候选试 Argon；低成本支线试 MiMo Pro 与 DeepSeek 1017；新候选加试 K3.1 Pro。记录通过率、重试次数、总 token 与人工接管分钟。
交付：部署地址、源码、运行测试、说明书。两个连续失败的修复轮次后升级模型或人工定位，不允许无限循环烧费。
知识服务 / 管理层简报
卖证据明确的判断和可编辑文件
Grok 有搜索工具时收集原始线索；Haiku/MiMo 抽取并保留来源；Sol/Opus 分析取舍；Sonnet 或已有工具生成报告、PPT、Excel。人检查引用、数字和公式。
报价结构：一次建库/模板费 + 每期更新费；不承诺保证收入。交付包含结论、反例、证据链接、待核项。
批量内容 / 多模态处理
每 100 个合格件记一次总账
纯文本先试 Haiku 5.5、MiMo Flash 或 Luna；已有高命中缓存用 DeepSeek 1017；视频/音频理解试 MiMo，已有高速链路留 Gemini 3.8。预留 20 个带标准答案的验收样本。
成本 = API + 搜索/工具 + 重试 + 人工修订。预算用正常刊例，促销和缓存节省作为余量；以合格件数作分母。
01
写清交付
先定客户能验收什么：成稿、文件、系统或数据。
02
小样本盲测
每次比较一个新候选；保持材料与任务一致。
03
小流量切换
先 10% 非关键任务；质量合格再扩大。
04
保留回退
记录模型版本和用量，失败回到旧的合格链路。
09
给学员的七条选型原则
适合课堂讲解，也适合作为团队采购和试用清单。
1
斩杀线是成本比较，不是淘汰宣判
只有在交付质量合格的前提下，便宜才有意义。综合榜分高不能保证中文稿好读或代码可运行。
2
今天先试哪些新模型
K3.1 Pro 试长稿与 Agent（发布首日，先小样本）；Haiku 5.5 进低价高速候选；Argon 已 GA 进工程候选；DeepSeek 1017 重回低价前排；Opus 5.5 试高价值中文稿。
3
写作一次只比两个
保留 Opus 4.6 和你改过的样稿；本轮挑战者选 Opus 5.5。比事实、逻辑、口语和修改耗时，不能保证抖音或视频号爆款。
4
默认别全开 max
Opus max $5.98、Sonnet max $5.46 都是高价档（10-23 起 Sonnet max 已更便宜）。日常用合适档位，验收失败再升级。
5
新旧数据必须分开
7–8 月图片是历史档案；10-23 图表用同一当前快照。价格表区分输入、缓存、输出，不再拿旧分乘新价。
6
harness 要现场跑通
检查工具执行、长上下文压缩、异常恢复与真实验收；DeepSeek 服务端 Search/Fetch 11-01 起计费，长跑 Agent 预算要加这一项。
7
不追不可用或未核实的名字
Muse Wonder Full 只有订阅、无公开 API 价；Mistral Large 4 权重月末才落地；未核实的 GLM Prime、K4 等名称不作为现成主力。