速度对比

输出吞吐（tok/s）与首字延迟（秒）。吞吐决定长回答的总等待，延迟决定对话的“手感”。两个指标经常反向。

最快输出

235tok/s

Claude Haiku 5.5

最慢模型

28tok/s

Kimi K3.1 Pro

全站速度差

8.4×

最快对最慢输出吞吐

生成 4000 字耗时

17秒

以最快速度估算，最慢需 2 分钟

速度 × 智能

右上角是“又快又聪明”。这条线上几乎没有模型——速度与智能在架构上是妥协关系，MoE 的激活参数少所以快，思考链长所以慢。

#	模型	tok/s	相对最快	首字延迟 s	智能分	输出 $
1	Claude Haiku 5.5Anthropic	235	最快	0.6	36.2	$0.50
2	gpt-oss-120b 开源OpenAI	220	94%	0.7	—	$0.20
3	Gemma 4 31B 开源Google	200	85%	0.5	19.0	$0.40
4	Qwen3.8 27B 开源Alibaba Qwen	180	77%	0.8	33.7	$0.40
5	Gemini 3.8 FlashGoogle	160	68%	1.1	—	$3.75
6	DeepSeek V4.1 Flash 开源DeepSeek	148	63%	2.3	32.5	$1.20
7	Muse WonderMeta	143	61%	1.4	43.3	$10.00
8	Claude Sonnet 5.5Anthropic	135	57%	2.1	54.2	$10.00
9	GPT-6 LunaOpenAI	130	55%	1.2	—	$0.50
10	MiniMax M3 开源MiniMax	126	54%	1.3	29.2	$1.00
11	GLM-5.3 Flash 开源Z.ai	120	51%	1.5	41.8	$0.80
12	MiniMax M3.1 FlashMiniMax	118	50%	1.8	29.0	$0.60
13	Grok 4.7xAI	105	45%	1.8	35.0	$6.00
14	Claude Opus 5.5Anthropic	96	41%	2.4	58.4	$20.00
15	Step 5 PreviewStepFun	95	40%	1.6	—	$2.00
16	GPT-6.1 TerraOpenAI	94	40%	1.9	51.0	$5.00
17	Qwen3.8 MaxAlibaba Qwen	88	37%	2.0	—	$8.00
18	Gemini 4 CarbonGoogle	87	37%	2.7	59.4	$10.00
19	GPT-6 AstraOpenAI	81	34%	2.8	56.9	$50.00
20	MiMo-V2.6 Pro 开源Xiaomi	81	34%	2.9	30.0	$1.40
21	Gemini 4 ArgonGoogle	80	34%	2.6	50.4	$10.00
22	GPT-6.1 SolOpenAI	77	33%	2.5	54.5	$10.00
23	GLM-5.3 开源Z.ai	77	33%	2.2	32.0	$2.20
24	DeepSeek V4 Pro 开源DeepSeek	72	31%	2.9	23.0	$3.96
25	Nemotron 3 Ultra 开源NVIDIA	70	30%	3.1	—	$1.60
26	Claude Fable 5.1Anthropic	57	24%	6.2	49.7	$50.00
27	Kimi K3 开源Moonshot AI	30	13%	4.2	43.6	$15.00
28	Kimi K3.1 Pro 开源Moonshot AI	28	12%	4.5	46.0	$10.00

速度为 Artificial Analysis 测得的中位输出吞吐，同一模型在不同供应商处差异可达 3 倍。首字延迟包含推理模型的思考时间，所以推理模型的 TTFT 数值天然偏大。

TTFT 超过 3 秒，用户就会觉得卡。推理模型的首 token 动辄 100 秒以上（含思考），不适合做实时交互，只适合批处理。

28 tok/s 生成 4000 字要 2 分半，235 tok/s 只要 17 秒。写报告、批量生成的场景，吞吐差距直接换算成人效。

Haiku 5.5 又快又便宜，但它做不了长程 agent。速度优势只在你不需要它“想很久”的时候才成立。