综合总榜
完整榜单 →按 Artificial Analysis Intelligence Index v5 排序。这是目前唯一同时覆盖闭源与开源、且两周更新一次的独立综合指数。
| # | 模型 | v5 | 相对分位 | GPQA | TB 4.0 | 输入 | 输出 | tok/s |
|---|---|---|---|---|---|---|---|---|
| 1 | Gemini 4 CarbonGoogle | 59.4 | 100% | — | 65.2 | $2.00 | $10.00 | 87 |
| 2 | Claude Opus 5.5Anthropic | 58.4 | 98% | 93.9 | 59.6 | $4.00 | $20.00 | 96 |
| 3 | GPT-6 AstraOpenAI | 56.9 | 96% | 95.8 | 59.1 | $10.00 | $50.00 | 81 |
| 4 | GPT-6.1 SolOpenAI | 54.5 | 92% | 95.4 | 56.1 | $2.00 | $10.00 | 77 |
| 5 | Claude Sonnet 5.5Anthropic | 54.2 | 91% | 95.6 | 63.6 | $2.00 | $10.00 | 135 |
| 6 | GPT-6.1 TerraOpenAI | 51.0 | 86% | 94.3 | 55.6 | $1.00 | $5.00 | 94 |
| 7 | Gemini 4 ArgonGoogle | 50.0 | 84% | 96.4 | 57.1 | $2.00 | $10.00 | 80 |
| 8 | Claude Fable 5.1Anthropic | 49.0 | 82% | — | 52.0 | $10.00 | $50.00 | 57 |
| 9 | Kimi K3.1 ProMoonshot AI | 46.0 | 77% | — | 67.2 | $2.00 | $10.00 | 28 |
| 10 | Muse WonderMeta | 43.3 | 73% | — | — | $4.00 | $20.00 | 143 |
| 11 | Claude Haiku 5.5Anthropic | 36.0 | 61% | — | — | $0.10 | $0.50 | 235 |
| 12 | Grok 4.7xAI | 34.3 | 58% | 92.7 | 25.8 | $2.00 | $6.00 | 105 |
价格 × 智能：谁在被高估
价格分析 →横轴是混合价（输入 3 : 输出 1 加权，对数刻度），纵轴是智能指数。左上角是“便宜又聪明”，右下角是“贵还没那么聪明”。
分维度榜单
评测方法论 →综合分掩盖差异。同一个模型可能在文档生成上追平旗舰，却在终端 agent 上只拿到 1 分——选型要看具体维度。
推理能力
GPQA Diamond 研究生级科学题，抗污染最强
代码与终端
Terminal-Bench 4.0 真实容器内的软件工程任务
性价比
每美元买到的智能分，按 3:1 混合价计
输出速度
tok/s 吞吐，决定长回答的等待时间
编辑观察
最近一个月数据里最值得注意的五件事。
智能指数换了尺子
AA Intelligence Index 于 10 月 27 日升到 v5，同一模型的分数整体下移。DeepSeek V4.1 Flash 在 v4.3.2 上是 45.1，到 v5 变成 32.0——不是它退步了，是题变难了。跨版本比较是这类榜单最常见的误读。
中段价格塌到 $2/$10
GPT-6.1 Sol、Claude Sonnet 5.5、Kimi K3.1 Pro、Gemini 4 Argon 四家现在同价。两年前这个位置要 $15/$75。价格不再是区分档次的信号，只有智能分和速度是。
开源输在 agent，不输在知识
Terminal-Bench 4.0 上闭源最好 67.2%、开源最好 41.9%，差 25 个百分点；但 GPQA Diamond 只差 3 分（96.4 对 93.1）。开源模型会答题，还不太会干活。
同价位速度差 4.8 倍
Claude Sonnet 5.5 与 Kimi K3.1 Pro 都是 $2/$10，输出速度 135 对 28 tok/s。生成 4000 字回答，一个 30 秒、一个 2 分半。
促销价到期提醒
Gemini 4 Argon 的 $2/$10 在 2026-12-01 翻倍为 $4/$20；Gemini 3.8 Flash 的 $0.75/$3.75 在 2027-01-01 翻倍。按现价做预算会失准。
Token 用量
K 线与完整排行 →2026-11-03 全网 9,780 亿 token，较前一交易日 -0.26%。把日调用量当股票看：放量上涨是在抢份额，缩量下跌是在被替代。
AI 导航
全部 103 个 →榜单回答「哪个模型强」，导航回答「现在就能用上的是哪个」。103 个站点按 12 类整理，标了免费额度和境外访问。
C
C
G
D
豆
P
秘
C