2026年最便宜的智能体 AI：完成一项任务的实际花费

同一个问题，仅由 Claude 回答。上方的最终榜单综合了所有 AI。

1. 1
   Claude Haiku 5.5

   与 Ember 的指数得分相同（36），但每项任务费用是其 3 倍（$0.41 对 $0.14），而且在唯一一项独立的无人值守工作测试中记录最干净。

   来源 ↗
2. 2
   Meta Muse Ember（2026）

   指数每项任务 $0.14，得分 36，但 OSWorld 的宣传数字 69.5% 是按部分得分计算的；任务必须完全通过时，只有 33.8%。

   来源 ↗
3. 3
   DeepSeek V4.1 Flash

   缓存命中每百万 $0.003，是这里最便宜的缓存输入；在 Bito 的长会话测试中，它以 71.9% 位居第一。

   来源 ↗
4. 4
   MiniMax M3.1 Flash

   在 Bito 的 20 轮测试中（75.0%）与 Haiku 5.5 只差一分，但每次运行耗时 3 至 5 小时，费用 $3.62。

   来源 ↗
5. 5
   GPT-6 Luna

   与 Ember 和 Haiku 同为 $0.10 / $0.50 的标价，但最高推理强度下指数只有 27.8，Terminal-Bench 4.0 上也只有 16.4%。

   来源 ↗
6. 6
   Inkling 2 Small（思考机器实验室）

   指数得分 31，但 Terminal-Bench 4.0 只有 13%，而 Sonnet 5.5（中等推理强度）为 30%。

   来源 ↗
7. 7
   Kimi K3.1 Pro

   在 Bito 的长会话中得分 64.9%，但 20 轮运行费用 $29.32，约为 Ember 的 $0.95 的 30 倍。

   来源 ↗
8. 8
   GLM-5.3（智谱AI）

   输入标价 $1.40，但 Bito 的 20 轮运行费用为 $20.28，综合得分 60.1%。

   来源 ↗
9. 9
   Muse Spark 1.3（Meta）

   指数只比 Ember 高一分（37 对 36），每项任务费用却是其 17 倍（$2.39 对 $0.14）。

   来源 ↗
10. 10
    Qwen3.8 Flash（阿里巴巴）

    标价（$0.15 / $0.47）属于最低之列，但我没有找到独立的得分或单任务费用，因此因证据缺失排在最后。

    来源 ↗

同一个问题，仅由 ChatGPT 回答。上方的最终榜单综合了所有 AI。

1. 1
   Meta Muse Ember（2026）

   智能水平几乎与 Haiku 持平，每项指数任务只需 $0.136 而不是 $0.411；真正的惊喜是 $0.004 的缓存输入价格。

   来源 ↗
2. 2
   Claude Haiku 5.5（2026）

   四舍五入后的智能得分与 Ember 相同，但费用约为三倍；不过在难度更高的代码合并对比中，Haiku 胜出。

   来源 ↗
3. 3
   OpenAI GPT-6 Luna（2026）

   低推理强度的一项指数任务只需 $0.073，但得分降到 21.4；最高推理强度可达 27.8，费用为 $0.152。

   来源 ↗
4. 4
   DeepSeek V4.1 Flash 1017（2026）

   缓存折扣 98%，听起来无人能敌，但推理和输出的消耗让实测的指数任务费用达到 $0.60。

   来源 ↗
5. 5
   智谱AI GLM-5.3-Flash（2026）

   在官方终端任务中解决率为 35.8%，这款开放权重的 Flash 模型是认真的智能体候选。

   来源 ↗
6. 6
   谷歌 Gemini 3.8 Flash（2026）

   它的 100 万 token 上下文和多模态输入很有吸引力，但每项指数任务 $1.24 削弱了“廉价智能体”的论点。

   来源 ↗
7. 7
   思考机器实验室 Inkling 2 Small（2026）

   名字里的 Small 掩盖了一个 5940 亿参数的模型，以及 $1.18 的评测费用。

   来源 ↗
8. 8
   OpenAI GPT-6.1 Sol（2026）

   作为默认的微型智能体太贵，但 58.2% 的终端解决率使它成为可信的升级备选模型。

   来源 ↗
9. 9
   Meta Muse Spark 1.3（2026）

   在指数上只比 Ember 多出一个四舍五入的智能点，每项指数任务的费用却高出约 17.6 倍。

   来源 ↗
10. 10
    Meta Muse Spark Open（2026）

    开放权重提高了部署的可控性，但 FrontierCode 上 6.2% 的得分，给无人值守的代码修改留下的余地很小。

    来源 ↗

同一个问题，仅由 Meta 回答。上方的最终榜单综合了所有 AI。

1. 1
   Muse Ember（2026）

   在 AA v5 最高推理强度下，与 Haiku 同为 36 分，但每项任务 $0.14 而不是 $0.41，是买到这一分数最便宜的方式。

   来源 ↗
2. 2
   Claude Haiku 5.5（2026）

   在 $0.10 的模型中，它是编程智能体的领先者，但每个 AA 任务输出的 token 约为 Luna 的 3 倍。

   来源 ↗
3. 3
   GPT-6.1 Terra（2026）

   AA v5 得分 51，每项任务 $0.96——是目前见过的、通往 50 分以上得分最便宜的途径，而这些来源中没有对应的 Terminal-Bench 证据。

   来源 ↗
4. 4
   GPT-6 Luna（2026）

   与 Haiku、Ember 的标价同为 $0.10 / $0.50，但在最高推理强度下，每个 AA 任务输出约 5 万 token，Haiku 则约为 16.2 万。

   来源 ↗
5. 5
   DeepSeek V4.1 Flash 1017（2026）

   AA 得分 33，每项任务 $0.60，Vals AI 的 Terminal-Bench 测试每次 $0.54——是这组模型中账单最低的终端工作者。

6. 6
   MiniMax M3.1 Flash（2026）

   AutomationBench-AA 办公流程得分 72.5%，是办公界的明星；终端得分仅约 26%——适合用来操作应用，而不是跑命令行。

   来源 ↗
7. 7
   GLM-5.3-Flash（2026）

   输入 $0.15、输出 $0.50 的标价，AA 得分 28，每项任务 $0.58——纸面上便宜，但因为输出更多，单任务费用比 Luna 还高。

   来源 ↗
8. 8
   MiMo-V2.6-Flash（2026）

   在本组中与最便宜的 AA 任务并列，每项 $0.13，AA 得分 27——依据所查证据，它是节省的路由器，而不是能把活干完的模型。

   来源 ↗
9. 9
   Gemini 3.8 Flash（2026）

   高推理强度下 AA 得分 31，但 AA 测得每项任务费用 $7.77——这是标价不等于账单的最明显证明。

   来源 ↗
10. 10
    腾讯 Hy4（2026）

    AA 得分 35，每项任务 $1.03——高于这里所有 $0.10 的模型，多出来的分数代价一目了然。

    来源 ↗

同一个问题，仅由 Grok 回答。上方的最终榜单综合了所有 AI。

1. 1
   Muse Ember（2026）

   独立得分 36，每完成一项任务约 $0.14；Haiku 同样得分 36，但约需 $0.41。

   来源 ↗
2. 2
   Claude Haiku 5.5

   四舍五入后同为 36 分，费用约为三倍，而且在可合并代码上仍然是赢家。

   来源 ↗
3. 3
   GLM-5.3-Flash

   开放权重模型完成了 60.4% 的办公目标，但在可合并的代码任务上只完成 17.6%。

   来源 ↗
4. 4
   DeepSeek V4.1 Flash 1017

   指数 33，每项任务 $0.60，而且官方费率在高峰时段会翻倍。

   来源 ↗
5. 5
   Hy4（腾讯）

   在一项终端榜单上与 Ember 并列，均为 39.4%；但每次测试费用是 $1.28，Ember 只要 $0.22。

6. 6
   Qwen3.8 Flash

   同一个独立页面上，办公目标完成率 55.9%，终端任务完成率 25.3%。

   来源 ↗
7. 7
   MiniMax-M3.1-Flash

   厂商自报的终端得分为 38.1%，但 Vals AI 用统一测试框架运行后降到 25.25%。

   来源 ↗
8. 8
   MiMo-V2.6-Flash

   每项任务 $0.13 的账单看起来与 Ember 相当，但任务耗时 64 分钟，得分 27。

   来源 ↗
9. 9
   GPT-6 Luna

   与 Ember 同为 $0.10 的标价，指数 27.8，在计算机测试中的二元成功率为 17%。

   来源 ↗
10. 10
    Gemini 3.8 Flash

    在 Ember 的对比中知识准确率最高，为 50.5%，每百万输入 token 收费 $0.75。

    来源 ↗

同一个问题，仅由 Gemini 回答。上方的最终榜单综合了所有 AI。

1. 1
   Meta Muse Ember（2026）

   Meta 的子代理专家在解决操作系统循环时用更少的轮次完成任务，相比 Claude Haiku，30 步智能体的账单降低了 54%，而两者的基础费率相同。

   来源 ↗
2. 2
   Anthropic Claude 3.5 Haiku

   在长时间执行链中，它的工具幻觉率最低，避免了浪费在重跑上的 token，而这些浪费会抬高看似低廉的标价。

3. 3
   谷歌 Gemini 2.0 Flash

   100 万 token 的上下文窗口，加上不到一分钱的提示缓存，使 30 步状态的反复读取，成本低于一次输出的爆发。

4. 4
   OpenAI GPT-4o mini

   结构化输出可靠性保持在 99.4% 不间断，但在可视化桌面导航上需要人工介入的次数是 Ember 的两倍。

   来源 ↗
5. 5
   DeepSeek-V3

   输入标价是全球最低的 $0.14，但重复的工具调用重试，使实际任务账单比 Muse Ember 高出 1.5 倍。

   来源 ↗
6. 6
   阿里巴巴 Qwen 2.5 Coder 32B-Instruct

   社区宠儿，托管接口每百万 token 仅 $0.20，语法生成接近前沿水平，但偶尔会在终端 bash 中超时。

   来源 ↗
7. 7
   Meta Llama 3.3 70B Instruct

   提供 700 亿参数的开放权重推理能力，每百万生成 token 不到 $0.60，但推理 token 的开销较大，拉高了总账单。

8. 8
   谷歌 Gemini 1.5 Flash

   每百万 token 不到一毛钱，但在第 15 步之后步骤失败率升高，导致代价高昂的整条链路智能体重置。

9. 9
   Mistral Small 24B

   欧洲精干的企业级挑战者，专为简洁的 JSON 函数调用优化，只有在浏览器任务需要通过截图进行视觉推理时才会失色。

10. 10
    Nous Research Hermes 3（Llama 3.1 8B）

    无审查的本地智能体冠军，可在边缘工作站上运行，托管费用为 $0；但在长达 30 步的计算机任务中，若无人工引导，会明显跑偏。

同一个问题，仅由 Z.ai 回答。上方的最终榜单综合了所有 AI。

1. 1
   Muse Ember（Meta，2026）

   同等得分下，这是 Artificial Analysis 测过的最便宜的模型：指数 36，每项任务 $0.14——相同得分，费用约为 Claude Haiku 5.5 的 $0.41 的三分之一。

   来源 ↗
2. 2
   MiniMax M3.1 Flash（MiniMax，2026）

   在 AA 测试的 249 个模型中，办公流程得分 72.5% 排第二；在 Vals AI 的独立测试中，每次终端测试只收 $0.21——比 Haiku 5.5 便宜约 15 倍。

   来源 ↗
3. 3
   Claude Haiku 5.5（Anthropic，2026）

   经过验证的选手：与 Ember 同为 36 分，在可合并代码上击败了所有廉价同类，但每项任务费用为 $0.41；输入 token 超过 10 万后，输入单价跳升 5 倍至 $0.50。

   来源 ↗
4. 4
   Kimi K3.1 Pro（月之暗面，2026）

   廉价档的大脑：AA 指数 46，Terminal-Bench 4.0 得分 67.2%，是所有模型中的最高分——但缓存反复读取会把 $2/$10 的标价，变成约 $32 的六任务运行费用。

   来源 ↗
5. 5
   DeepSeek V4.1 Flash 1017（深度求索，开放权重，2026）

   MIT 许可的开放权重加上 $0.003 的缓存命中价格，让一位开发者以总计 $27 跑完 445 次终端测试；但它在 Terminal-Bench 4.0 上自报的 42.3%，在 Vals AI 的独立测试中降到了 19.7%。

   来源 ↗
6. 6
   GPT-6 Luna（OpenAI，2026）

   费用冠军：低推理强度下每项指数任务仅 $0.01，比它的最高推理强度便宜 15 倍；一项真实任务费用为 $0.071。问题在于，它只解决了 Vals AI 终端任务的 13.6%。

   来源 ↗
7. 7
   GLM-5.3（智谱AI，2026）

   在 Vals AI 的 Terminal-Bench 4.0 上，预算档的准确率最高（38.9%），与价格贵一倍的模型持平；但每次测试 $9.37，账单看起来像旗舰模型，而不是预算模型。

   来源 ↗
8. 8
   Qwen3.8-27B（阿里巴巴 Qwen，开放权重，2026）

   一款 27B 的开放模型，在 OSWorld-Verified 上以 84.3% 排名第四，高于 Claude 和 Gemini 旗舰；但它在 Terminal-Bench 4.0 上只解决了 5.1% 的任务：是图形界面专家，而不是全能选手。

   来源 ↗
9. 9
   Gemini 3.8 Flash（谷歌，2026）

   粉丝称它具有 Opus 级别的智能，价格只要五分之一；但 Vals AI 的计费显示，每次终端测试 $8.65——预算档中最高的账单，准确率却只处于中游，为 19.7%。

   来源 ↗
10. 10
    GPT-6.1 Terra（OpenAI，2026）

    升级之选：每项任务 $0.96，是 AA 新指数上最便宜的“领先”模型，费用约为 Ember 的 7 倍，换来的是预算模型达不到的智能水平。

    来源 ↗

同一个问题，仅由 Kimi 回答。上方的最终榜单综合了所有 AI。

1. 1
   Meta Muse Ember（2026）

   每项指数任务的完成费用为 $0.14，Haiku 5.5 则需要 $0.41，标价同为 $0.10 / $0.50——输出 token 少了 2.6 倍。

   来源 ↗
2. 2
   Claude Haiku 5.5（2026）

   每次指数运行输出 2.98 亿个 token，Ember 为 1.15 亿，输出单价相同——每任务 $0.27 的差距来自话多，而不是标价。

   来源 ↗
3. 3
   GPT-6 Luna（2026）

   在同类中每任务费用最低（$0.07–$0.15），但 Terminal-Bench 4.0 只有 16.4%——它是路由模型，不是能把活干完的模型。

   来源 ↗
4. 4
   DeepSeek V4.1 Flash 1017（2026）

   指数 32，是已发布的开放权重中的最高分；Terminal-Bench 4.0 得分 42.3%，每百万输出 token 约 $0.60–$1.20。

   来源 ↗
5. 5
   GLM-5.3（2026）

   Terminal-Bench 4.0 得分 43.4%，是已发布开放权重中的最佳终端成绩；在指数上领先其他任何开放模型 15 分。

   来源 ↗
6. 6
   MiniMax M3.1 Flash（2026）

   Terminal-Bench 4.0 得分 38.1%，输出 $0.60——这个低调的第三方模型在终端任务上比 Luna 高出 22 分。

   来源 ↗
7. 7
   GLM-5.3-Flash（2026）

   Terminal-Bench 4.0 得分 35.8%，每项任务 $0.36——在榜单上，这是超过三分之一通过率中测得的最便宜成绩。

   来源 ↗
8. 8
   Gemini 3.5 Flash（2026）

   AutomationBench-AA 得分 42.6%，每项任务 $0.49——这是接近该榜单顶端的最便宜业务流程完成率。

   来源 ↗
9. 9
   MiMo-V2.6-Flash（2026）

   Terminal-Bench 4.0 得分 24.2%，每项任务 $0.21——是效率前沿上每个终端任务测得成本最低的模型。

   来源 ↗
10. 10
    Gemini 3.1 Flash-Lite（2026）

    每个 AutomationBench-AA 任务不到 $0.05——是办公流程榜单上最便宜的选项，适用于失败也没有损失的步骤。

    来源 ↗

同一个问题，仅由 DeepSeek 回答。上方的最终榜单综合了所有 AI。

1. 1
   Muse Ember（Meta，2026）

   智能得分与 Haiku 相当，每项任务 $0.14——费用是其三分之一，而且在廉价档中，办公流程仍然领先。

   来源 ↗
2. 2
   MiMo-V2.6-Pro（小米，2026）

   榜单上智能水平最高的廉价模型：每项任务 $0.13，智能指数得分 46；不过它的 OSWorld 成绩仍是厂商自报的。

   来源 ↗
3. 3
   DeepSeek V4.1 Flash 1017（深度求索，2026）

   每项任务 $0.60，它不是最便宜的 token，但完成了 42.3% 的终端任务和 60.5% 的业务流程——是廉价档中终端加办公表现最好的组合。

   来源 ↗
4. 4
   Claude Haiku 5.5（Anthropic，2026）

   廉价档中 OSWorld 最高分，达 72.4%，但同样 $0.10/$0.50 的标价，每项任务要 $0.41——约为 Muse Ember 的三倍，而且在严格的业务流程中只完成 13.9%。

   来源 ↗
5. 5
   GPT-6 Luna（OpenAI，2026）

   与 Haiku 和 Ember 的标价同为 $0.10/$0.50，但智能指数只有 28，Terminal-Bench 只有 16.4%——对于长任务，最便宜的账单可能是虚假的节省。

   来源 ↗
6. 6
   MiniMax M3.1 Flash（MiniMax，2026）

   办公流程专家：AutomationBench-AA 得分 72.5%，是廉价组中最高的，但 Terminal-Bench 只有 26%，FrontierCode 只有 21%。

   来源 ↗
7. 7
   Ling 3.0 Flash（InclusionAI，2026）

   每项任务约 $0.054，是买到智能指数 38 的最便宜途径之一；不过它在智能体终端和办公测试中的成绩，远低于领先者。

   来源 ↗
8. 8
   GLM-5.3-Flash（智谱AI，2026）

   每项任务 $0.58，AutomationBench 得分 60%，表现不错，但 FrontierCode 只有 15%，Terminal-Bench 只有 33%——能处理办公，却不适合合并代码。

   来源 ↗
9. 9
   Gemini 3.8 Flash（谷歌，2026）

   每百万输入 token 价格低（$0.75），但每个完成的任务要 $7.77——是廉价档中标价与真实账单差距最大的模型。

   来源 ↗
10. 10
    K2 Horizon 375B A23B（K2，2026）

    榜单上唯一每项任务费用为 $0.00 的模型，提醒人们：当 OSWorld 和业务流程得分落后时，“免费”并不等于“能胜任智能体工作”。

    来源 ↗

同一个问题，仅由 Wenxin 回答。上方的最终榜单综合了所有 AI。

1. 1
   Meta Muse Ember（2026）

   号称以三分之一的成本追平 Claude——独立计算表明，勉强可以

2. 2
   DeepSeek-V3 Lite（2026）

   指数上最便宜的推理模型，但在长链浏览器任务中会跌跌撞撞

3. 3
   Anthropic Claude Haiku 4.5（2026）

   人人都说要超越的参照点，也是你真正信得过的 30 步任务模型

4. 4
   谷歌 Gemini 2.5 Flash-Lite（2026）

   谷歌押注的每小时不到一美元，办公任务快，编程慢

   来源 ↗
5. 5
   Mistral Small 3.1（2026）

   欧洲最便宜的双语主力——缓存用得好，每任务只要 0.002

   来源 ↗
6. 6
   OpenAI GPT-4o mini（2026）

   人们已经在用的智能体，现在是第三代，但仍然不是最便宜的

   来源 ↗
7. 7
   Qwen 3 4B（2026）

   阿里巴巴开源的 4B 小模型，缓存表现出色，浏览器链路较弱

8. 8
   Cohere Command R+ 08-2026（小型）

   为业务流程做过检索增强调优，费用更高，但办公步骤完成得更好

   来源 ↗
9. 9
   微软 Phi-4 Mini（2026）

   微软的每任务 0.001 微型模型——算术没错，但智能体不行

10. 10
    Stability AI Stable LM 2 1.6B（2026）

    榜单上最便宜的 token——你得到的正是你付的钱

同一个问题，仅由 Qwen 回答。上方的最终榜单综合了所有 AI。

1. 1
   Meta Muse Ember

   用三分之一的费用，匹配 Claude Haiku 的智能。

   来源 ↗
2. 2
   Anthropic Claude Haiku 5.5 / 3.5 Haiku

   廉价智能体的基准，如今只需几分钱即可匹配。

   来源 ↗
3. 3
   OpenAI GPT-4o-mini

   每任务不到一毛钱，最可靠的全能选手。

   来源 ↗
4. 4
   谷歌 Gemini 1.5 Flash 8B

   谷歌的超高密度预算模型，以参数规模来看表现不俗。

   来源 ↗
5. 5
   阿里巴巴 Qwen 2.5 7B

   开放权重的冠军，得分如同中档模型，费用只要几分之一分钱。

   来源 ↗
6. 6
   阿里巴巴 Qwen 2.5 Coder 7B

   写可合并代码最省钱的方式，但看不见浏览器。

   来源 ↗
7. 7
   Meta Llama 3.1 8B

   Meta 较早的开放模型，仍是坚实可靠的本地备选。

   来源 ↗
8. 8
   DeepSeek V2.5 / V3-Lite

   混合专家架构的效率，让智能体循环保持低廉。

   来源 ↗
9. 9
   Mistral Small

   欧洲式的务实：自动化得分不错，又没有旗舰的溢价。

   来源 ↗
10. 10
    谷歌 Gemma 2 9B

    谷歌的开源替代品，单块消费级显卡就能轻松容纳。