返回今日热点: OpenAI称Astra AI成本不到旧旗舰的三分之一
Poly 榜单 · 来自今日热点

2026年AI每项任务成本排行榜:前十名模型

GPT-6.2 Astra 和 Claude Fable 5.2 的标价都是每百万 token 输入 8 美元、输出 40 美元,但 Artificial Analysis 用 Astra 完成一项任务花了 4.00 美元,用 Fable 花了 26.54 美元。

  • 第1名:GPT-6.2 Sol
  • 10 个名次

01最终榜单

领先的 AI 各自独立编制了十项榜单。这里是一份便于核对的汇总:每个名次都有理由、来源,以及列入它的 AI。

排序依据:按 AI 认同度从高到低。

亮色标签表示该 AI 把这一项列入了自己的榜单,暗色标签表示没有。

  1. 1

    GPT-6.2 Sol

    在 Artificial Analysis 上得 57 分,每项任务 1.01 美元;在 Vals 上得 66.06%,每次测试 3.18 美元。没有其他模型能以这么低的价格在三个榜单上都达到专业级水平。

    已列入: Claude, Meta, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek. 未列入: ChatGPT, Nemotron.

    在各自榜单中的名次: Claude: 1 · Meta: 2 · Grok: 1 · MiMo: 4 · StepFun: 6 · Kimi: 1 · Wenxin: 1 · DeepSeek: 1

    每个 AI 的看法 8
    • Claude第 1 名

      智能指数57分,每项指数任务约$1.01,而Astra约为$4,Fable 5.2为$26.54。

      来源 ↗
    • Meta第 2 名

      旧版Astra得57分,每项任务约$1;前沿分数,日常价格

      来源 ↗
    • Grok第 1 名

      办公指数66.06%,每次测试$3.18,不到Claude Fable 5.2 $17.94的五分之一;与旧旗舰同为智能指数57,却只需$1.01

      来源 ↗
    • MiMo第 4 名

      智能指数57分,每项任务$1.01:比Fable 5.2低10个指数分,而任务账单只有其二十六分之一。

      来源 ↗
    • StepFun第 6 名

      每次Vals测试$3.18,Claude Sonnet 5.5为$16.18:日常席位,办公账单的五分之一

      来源 ↗
    • Kimi第 1 名

      与旧GPT-6 Astra的AA得分相同(57),每项任务$1.01,约为旗舰成本的六分之一;在智能体最后的考试上,其high档得72.0%,花费$0.69,仅为GPT-6 Astra max价格的十三分之一,分数只低一点点。

      来源 ↗
    • Wenxin第 1 名

      与此前的旗舰GPT-6 Astra能力相当,每项任务的测得成本约为该模型的15%

      来源 ↗
    • DeepSeek第 1 名

      在 AA 智能指数上得 57 分,每个任务 1.01 美元,与 GPT-6 Astra 持平,而完成任务的账单约为其 15%。

    8 个 AI 列入此名次
  2. 2

    GPT-6.2 Astra

    在 Artificial Analysis 上得 62 分,每项任务 4.00 美元,比 Fable 5.2 低 3 分,账单约为其六分之一。在该榜单上,它的单项任务成本比 GPT-6 Astra 降低了 36%,在 Vals 上降低约 50%。

    已列入: Claude, Meta, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek. 未列入: ChatGPT, Nemotron.

    在各自榜单中的名次: Claude: 2 · Meta: 5 · Grok: 6 · MiMo: 8 · StepFun: 2 · Kimi: 3 · Wenxin: 4 · DeepSeek: 5

    每个 AI 的看法 8
    • Claude第 2 名

      在Artificial Analysis上得62分,位列第二,仅次于Fable 5.2的65分;每项任务约$4.00,Fable 5.2为$26.54。

    • Meta第 5 名

      在Artificial Analysis上得62分,$4.00,比Fable低3分,任务账单约为其六分之一

      来源 ↗
    • Grok第 6 名

      在xhigh下与Fable同为62分,$4.00对$14.83;办公组合上则是普通的$10.68。

    • MiMo第 8 名

      独立测试者测得每项任务节省36%和50%;OpenAI发布时则声称“不到三分之一”。

    • StepFun第 2 名

      在智能体最后的考试上完成78.3%,花费$2.89;而在其他榜单上领先的模型,完成72.8%要$60.05

      来源 ↗
    • Kimi第 3 名

      每项AA任务$4.00,Fable 5.2为$26.54,只低3分——专业前沿工作,单任务账单约为榜首的六分之一;OpenAI的“不到三分之一”说法在智能体最后的考试(32%)上得到验证。

    • Wenxin第 4 名

      每项任务成本不到OpenAI此前顶级模型GPT-6 Astra的三分之一,token单价比其前代低20%

      来源 ↗
    • DeepSeek第 5 名

      在困难指数上得 62 分,每个任务 4.00 美元。OpenAI 声称成本“不到三分之一”,而相对 GPT-6 Astra(6.24 美元)实际只降低了 36%,而不是三分之二。

    8 个 AI 列入此名次
  3. 3

    Claude Sonnet 5.5

    在 Vals 上得 70.85%,但每次测试 16.18 美元,是 Sol 的 3.18 美元的五倍多。在 AI//COST 上,它每美元只能做对 47 项任务。

    已列入: Claude, ChatGPT, Meta, Grok, MiMo, StepFun, Kimi, DeepSeek. 未列入: Nemotron, Wenxin.

    在各自榜单中的名次: Claude: 3 · ChatGPT: 8 · Meta: 7 · Grok: 8 · MiMo: 10 · StepFun: 5 · Kimi: 7 · DeepSeek: 7

    每个 AI 的看法 8
    • Claude第 3 名

      在Vals指数上以70.85%位列第二,仅比Fable 5.2低0.46个百分点;标价为每百万token $2/$10。

    • ChatGPT第 8 名

      两次失误只增加20¢,但$1.76的任务篮子账单使其仍为每美元47项正确任务。

      来源 ↗
    • Meta第 7 名

      在Vals上以70.85%接近办公工作顶尖水平,但在Cost Bench上清洁结果为$1.76;你为它避免的失误买了单

    • Grok第 8 名

      每次测试70.85%,$16.18;中位网页应用$3.04,而Fable为$11.53。

      来源 ↗
    • MiMo第 10 名

      82项办公任务中答对80项,按GDP加权指数排第二,而标价仅为旗舰token价格的四分之一。

      来源 ↗
    • StepFun第 5 名

      主力模型:Vals指数70.85%,账单随推理强度旋钮从$0.51到$7.60不等

      来源 ↗
    • Kimi第 7 名

      按GDP加权的Vals办公指数排第三(70.85%),标价$2/$10——接近前沿的办公席位,账单仅为旗舰的五分之一。

    • DeepSeek第 7 名

      在 Vals 按 GDP 加权的办公工作测试中以 70.85% 居首,但每次测试 16.18 美元,在 AI//COST 测试组合中每美元只能做对 47 项任务。

    8 个 AI 列入此名次
  4. 4

    Gemini 4 Carbon

    在 Vals 上得 70.45%,每次测试 10.51 美元;在 Artificial Analysis 上得 60 分。该榜单上的单项任务成本报价为 4.90、5.48 和 7.76 美元,并且 11月30日后价格翻倍。

    已列入: Claude, Meta, Grok, MiMo, Kimi, DeepSeek. 未列入: ChatGPT, Nemotron, StepFun, Wenxin.

    在各自榜单中的名次: Claude: 5 · Meta: 8 · Grok: 5 · MiMo: 9 · Kimi: 8 · DeepSeek: 6

    每个 AI 的看法 6
    • Claude第 5 名

      在Vals指数上以70.45%位列第三,但价格有争议:一个来源称为$4/$20,另一个称谷歌尚未公布价格。

    • Meta第 8 名

      Vals上70.5%,每次测试$10.51,每次办公测试比Sonnet或Fable便宜,Artificial Analysis得60分

      来源 ↗
    • Grok第 5 名

      每次测试70.45%,$10.51,略低于Astra的办公账单;而$2/$10的标价只持续到11月30日。

      来源 ↗
    • MiMo第 9 名

      在完成的网页应用上Elo为1769,每项任务中位数$1.61,是榜单上两美元以下的最高分。

      来源 ↗
    • Kimi第 8 名

      在智能体最后的考试上与GPT-6.2 Astra相差不到一个百分点(77.4%,每项任务$4.60),同时在Arena两个人类偏好榜上都居首——完成工作的每美元表现强,受欢迎度最广。

      来源 ↗
    • DeepSeek第 6 名

      智能指数得 60 分,每个任务 5.48 美元;按 GDP 加权的办公指数得 70.45%。但它每个任务消耗的 token 比自家更便宜的同系列型号还多。

      来源 ↗
    6 个 AI 列入此名次
  5. 5

    Claude Fable 5.2

    在 Artificial Analysis(65 分)和 Vals(71.31%)上都排第一,但每项任务 26.54 美元,标价同为每百万 token 输入 8 美元、输出 40 美元,成本是 Astra 的 6.6 倍。

    已列入: Claude, Meta, Grok, StepFun, Kimi, DeepSeek. 未列入: ChatGPT, Nemotron, MiMo, Wenxin.

    在各自榜单中的名次: Claude: 6 · Meta: 10 · Grok: 9 · StepFun: 10 · Kimi: 9 · DeepSeek: 10

    每个 AI 的看法 6
    • Claude第 6 名

      在Vals(71.31%)和Arena WebDev(1824)上均居首,但max推理强度下每项指数任务约$26.54,而Astra为$4。

    • Meta第 10 名

      各处最高分:Artificial Analysis得65分,Vals得71.31%,每项Artificial Analysis任务$26.54,是几乎从不失败的代价

    • Grok第 9 名

      高分是真的,账单也是真的:智能指数65分需$26.54,或Vals 71.31%需$17.94。

      来源 ↗
    • StepFun第 10 名

      每个榜单都名列前茅,每张账单都很贵:max推理强度下每项任务$26.54,在智能体最后的考试上$60.05

    • Kimi第 9 名

      质量天花板:AA(65)和Vals(71.31%)都排第一,但每个AA任务$26.54,买的是把握而非性价比;这说明“完成”和“便宜”仍需权衡。

    • DeepSeek第 10 名

      榜单最高分 65,但每个完成的任务 26.54 美元。多出 8 个指数分,代价是 GPT-6.2 Sol 账单的 26 倍。

    6 个 AI 列入此名次
  6. 6

    Muse Ember

    是唯一通过全部 82 项 AI//COST 任务的模型,花费 0.303 美元(每美元做对 271 项任务)。在难度更高的 Artificial Analysis 指数上只得 36 分,Sol 则是 57 分。

    已列入: ChatGPT, Meta, MiMo, StepFun, DeepSeek. 未列入: Claude, Nemotron, Grok, Kimi, Wenxin.

    在各自榜单中的名次: ChatGPT: 1 · Meta: 1 · MiMo: 1 · StepFun: 7 · DeepSeek: 3

    每个 AI 的看法 5
    • ChatGPT第 1 名

      全部82项任务完成,账单$0.303:按AI//COST每次失败10¢的假设,每美元正确完成271项任务。

      来源 ↗
    • Meta第 1 名

      每美元完成271项任务,82项全部做对只花$0.303,是唯一计入失败成本仍能胜出的榜单

      来源 ↗
    • MiMo第 1 名

      全部82项办公任务通过,花费$0.303:这是唯一一个整个账单同时也是清洁结果成本的模型。

      来源 ↗
    • StepFun第 7 名

      以每百万输入token $0.10的价格,成为智能指数得分36的最便宜模型

      来源 ↗
    • DeepSeek第 3 名

      AI//COST 十一月测试组合中唯一全部通过 82 项任务的模型;计入失败费用后的结果为 0.303 美元,即在每次失败 10 美分的价格下,每美元能做对 271 项任务。

      来源 ↗
    5 个 AI 列入此名次
  7. 7

    Claude Haiku 5.5

    只要一次失败的任务成本在 0.5 到 6.4 美分之间,它就能在 AI//COST 上夺冠:82 项任务通过 79 项,花费 0.111 美元。不过在 Vals 上,它得 58.73%,花费 3.17 美元,低于 Sol 的 66.06%(花费 3.18 美元)。

    已列入: ChatGPT, Meta, MiMo, StepFun, DeepSeek. 未列入: Claude, Nemotron, Grok, Kimi, Wenxin.

    在各自榜单中的名次: ChatGPT: 2 · Meta: 3 · MiMo: 3 · StepFun: 8 · DeepSeek: 2

    每个 AI 的看法 5
    • ChatGPT第 2 名

      三次失误计价后,其$0.111的账单升至$0.411,仍约为每美元199项正确任务。

      来源 ↗
    • Meta第 3 名

      在Artificial Analysis上与Ember同为36分,但每项任务$0.41;在Cost Bench上82项通过79项,便宜,直到你算上它的3次失误

    • MiMo第 3 名

      只要失败任务的计价在0.5至6.4美分之间,它就赢得排名。

      来源 ↗
    • StepFun第 8 名

      与Ember同为每百万token $0.10/$0.50,智能指数同为36,但有100万token的上下文窗口

      来源 ↗
    • DeepSeek第 2 名

      82 项任务完成了 79 项,账单 0.11 美元;若每次失败另计 10 美分,计入失败费用后的结果为 0.411 美元,即每美元能做对 199 项任务。

      来源 ↗
    5 个 AI 列入此名次
  8. 8

    GPT-6.1 Terra

    通过 82 项 AI//COST 任务中的 81 项,在 Artificial Analysis 上得 51 分,花费 0.96 美元,因此这一省钱的结论在第二家评测机构的数据中也成立。其一篮子任务的总账单报价为 0.537 美元或 0.637 美元。

    已列入: ChatGPT, Meta, MiMo, Wenxin, DeepSeek. 未列入: Claude, Nemotron, Grok, StepFun, Kimi.

    在各自榜单中的名次: ChatGPT: 3 · Meta: 4 · MiMo: 2 · Wenxin: 6 · DeepSeek: 4

    每个 AI 的看法 5
    • ChatGPT第 3 名

      82项任务中有一次失误;按默认失败收费,其$0.637的账单变为$0.737,发布方称其结果与前列组在统计上持平。

      来源 ↗
    • Meta第 4 名

      Artificial Analysis前十中最便宜,每项任务$0.96;在Cost Bench上82项通过81项,取代了旧的性价比之王Sol

    • MiMo第 2 名

      在计入失败的篮子中位列前三,并在Artificial Analysis更难的组合中得51分,每项任务$0.96:这是能经得起第二家发布方验证的节省。

      来源 ↗
    • Wenxin第 6 名

      第一能力档中测得最便宜的模型,每项完成任务0.96

    • DeepSeek第 4 名

      82 项任务做对 81 项,账单 0.537 美元;计入失败费用后为 0.637 美元,每美元做对 129 项任务,每次 Vals 办公测试 2.94 美元。

      来源 ↗
    5 个 AI 列入此名次
  9. 9

    GPT-6 Luna

    82 项任务的原始账单最便宜,只要 0.079 美元,但有 10 项没做对。只有当一次失败的成本低于半美分时,它才领先。

    已列入: ChatGPT, MiMo, Kimi, DeepSeek. 未列入: Claude, Meta, Nemotron, Grok, StepFun, Wenxin.

    在各自榜单中的名次: ChatGPT: 6 · MiMo: 5 · Kimi: 6 · DeepSeek: 9

    每个 AI 的看法 4
    • ChatGPT第 6 名

      原始API账单仅为7.9¢,但在AI//COST所选的失败价格下,10次失误使计价后的结果贵了10.8倍。

      来源 ↗
    • MiMo第 5 名

      全场最低的账单:82项任务仅$0.079,且只有在每次失败成本低于0.5美分时才是赢家。

      来源 ↗
    • Kimi第 6 名

      49道短任务全部完成且零失误,每个正确答案$0.000026——是今年测得的最便宜的已完成并经核查的任务。

      来源 ↗
    • DeepSeek第 9 名

      在 AI//COST 中原始账单最便宜,82 项任务共 0.079 美元,但有 10 项失败,所以只有在每次失败成本低于半分钱时才居首。

      来源 ↗
    4 个 AI 列入此名次
  10. 10

    Gemini 4 Neon

    在 Vals 上得 70.87%,每次测试 7.40 美元,比 Fable 5.2 低 0.44 分,而费用不到 Fable 的 17.94 美元的一半。其在 Artificial Analysis 上的 61 分,目前只是谷歌自己公布的数字。

    已列入: Grok, StepFun. 未列入: Claude, ChatGPT, Meta, Nemotron, MiMo, Kimi, Wenxin, DeepSeek.

    在各自榜单中的名次: Grok: 2 · StepFun: 3

    每个 AI 的看法 2
    • Grok第 2 名

      比办公领先者低0.44个百分点,每次测试$7.40,而非$17.94。

      来源 ↗
    • StepFun第 3 名

      比Vals榜首低0.44个百分点,每次测试成本不到其一半:$7.40对$17.94

      来源 ↗
    2 个 AI 列入此名次

前三名详解 ↓

02前三名详解

榜单在上方。这里进一步介绍排名前三的对象:它们是什么、为什么上榜、有哪些值得了解的事。

这三款模型分别在不同的榜单上评测(Artificial Analysis、Vals 和 AI//COST),因此它们的美元费用数字不能直接比较。

1GPT-6.2 Sol

第 1 名 — GPT-6.2 Sol. 10 个 AI 中有 8 个将其列入榜单;在其中的中位名次:1. 它的得分与上一代旗舰相同,都是 57 分,而单次任务成本只有后者的约六分之一,因此是最便宜的强力选择。

你知道吗

  • Artificial Analysis 针对 GPT-6.2 Sol 的各个页面在成本上并不一致。一个页面显示在最大投入(max effort)下每次任务 $1.01,而主页面的表格显示为 $1.47。比较前请先确认来源使用的是哪个数字。

它是什么
OpenAI 的日常用模型 GPT-6.2,每百万词元定价 2 美元和 10 美元。
它的优势
三者中单次任务账单最低,约 $1.01。
适合谁
适合注重预算的工作;如果需要最高分,则不太合适。
  • 每项完成任务的成本每次任务 $1.01
为什么上榜
  • Artificial Analysis 显示,GPT-6.2 Sol(Max)在其智能指数上得 57 分,单次任务约 $1.01。这是三者中账单最低的一个,该页面列出的单次任务耗时为 7.9 分钟。

  • 与旧版 GPT-6.1 Sol 相比,新版 Sol 单次任务成本更低:$1.01 对 $1.27。其词元价格保持不变,仍为每百万词元 2 美元和 10 美元。

历史
  • Sol 的故事始于 OpenAI 的开发者大会(DevDay)。其前一代 GPT-6.1 Sol 于 2026 年 9 月 29 日发布,当时的报道称 Sol 几乎压过了 Astra 模型的风头。

需要注意
  • Artificial Analysis 的编程智能体指数显示,GPT-6.2 Sol 比 GPT-6.1 Sol 低 3 个指数点,这一下降与其在一项代码库问题测试中下降 14 分有关。其 Vals 科学指数为 58.5%,对比 59.6%。

  • Sol 的标准定价为:提示词不超过 272K 时,输入 $2.00、输出 $10.00;输入超过 272K 后,价格升至 $4.00 和 $15.00。快速模式价格更高,因此看似便宜的标价可能会上涨。

进一步了解
  • 打开 Artificial Analysis 上 GPT-6.2 Sol 的页面。先对照看它的单次任务成本与智能指数得分,以判断一个强劲的结果究竟有多便宜。

比较前三名 ↓

2GPT-6.2 Astra

第 2 名 — GPT-6.2 Astra. 10 个 AI 中有 8 个将其列入榜单;在其中的中位名次:4.5. 它得分 62,比 Fable 5.2 低 3 分,但单次任务成本只有 Fable 的约六分之一。

你知道吗

  • GPT-6.2 Astra 的词元价格为:输入每百万 8 美元,输出每百万 40 美元,比 GPT-6 Astra 低 20%。Artificial Analysis 列出,在最大投入下运行其智能指数需要每次任务 $4.00。

它是什么
OpenAI 升级后的顶级模型,每百万词元定价 8 美元和 40 美元。
它的优势
得分高于 Sol,单次任务成本远低于 Fable 5.2。
适合谁
适合预算有限时的高难度任务;如果追求最省钱的运行,则不太合适。
  • 每项完成任务的成本每次任务 $4.00
为什么上榜
  • Artificial Analysis 列出,GPT-6.2 Astra 在最大投入(Max effort)下平均每次任务成本为 $4.00,约为同一榜单上 Sol 的 $1.01 的四倍。

需要注意
  • OpenAI 自己的系统卡称,在评测的编程任务中,Astra 有 22.28% 未披露一个已知障碍,而 GPT-6 Astra 为 11.09%。低成本的运行可能会掩盖问题。

  • 早期测试者评价严厉。西奥·布朗称它是 OpenAI 有史以来发布的最差模型,不过他也称赞了其代码审查、电脑操作和 3D 工作能力。评价尚处早期,且主观意见较多。

人们怎么说
  • It runs in loops and goes nowhere — Theo Browne

进一步了解
  • 打开 Artificial Analysis 上 GPT-6.2 Astra 的页面。先将其单次任务成本与 Fable 5.2 对比,并核对投入等级,因为成本取决于所用的设置。

比较前三名 ↓

3Claude Sonnet 5.5

第 3 名 — Claude Sonnet 5.5. 10 个 AI 中有 8 个将其列入榜单;在其中的中位名次:7. 它在办公工作中表现强劲,但每次测试的成本远高于 Sol,每美元能完成的正确任务很少。

你知道吗

  • Sonnet 5.5 是 Claude 5.5 系列中的第二款模型,于 2026 年 9 月下旬发布,比 Opus 5.5 晚约一周。它的定位是与 Opus 5.5 并列,而非取代它。

它是什么
Anthropic 的中型 Claude 5.5 模型,每百万词元定价 2 美元和 10 美元。
它的优势
办公工作得分 70.85%,表现强劲,但单次任务成本并非最低。
适合谁
适合低投入的日常办公工作;如果是高难度、高投入的任务,则不太合适。
  • 每项完成任务的成本每次 Vals 测试 $16.18

Wikidata

历史
  • 2026 年 9 月 28 日,Anthropic 发布 Sonnet 5.5,比 Opus 5.5 晚六天。这是首款配备了接近其最强模型水平的网络安全防护的 Sonnet 模型。 — (voice only)

需要注意
  • 该页面称,每次任务最多可节省「bis zu 30 %」(最多 30%),这是 Anthropic 自己的说法。页面补充说,仅比较每百万词元的价格会产生误导。更高的投入等级会消耗更多词元。

  • 同一页面称,在高投入下处理高难度任务时,Sonnet 5.5 的成本与 Opus 5.5 相当,而结果却更弱。较便宜的优势主要体现在低投入的日常工作中。

进一步了解
  • 同一份官方价格表列出 Claude Sonnet 5.5 的价格为每百万输入词元 2 美元、每百万输出词元 10 美元。对照 Opus 5.5 那一行,自己就能看出价格相差一半。

比较前三名 ↓

前三名对比

GPT-6.2 SolGPT-6.2 AstraClaude Sonnet 5.5
进入 AI 榜单8 / 108 / 108 / 10
每项完成任务的成本每次任务 $1.01每次任务 $4.00每次 Vals 测试 $16.18
排第一的 AIClaude, Grok, Kimi, Wenxin, DeepSeek——

AI 数量相同的名次,按其在各 AI 榜单中的平均名次排序。

03值得了解

AI 在编制榜单时注意到的内容。

AI//COST 上谁夺冠,取决于一次失败让你付出多少。失败成本低于 0.5 美分时,GPT-6 Luna 领先;在 0.5 到 6.4 美分之间,Claude Haiku 5.5 领先;高于 6.4 美分时,Muse Ember 领先。

提及者:
已列入: ChatGPT, Meta, MiMo, DeepSeek. 未列入: Claude, Nemotron, Grok, StepFun, Kimi, Wenxin.
来源 ↗

OpenAI 称,GPT-6.2 Astra 每项任务的成本不到 GPT-6 Astra 的三分之一。独立测试发现,在 Artificial Analysis 上降低了 36%(4.00 美元对 6.24 美元),在 Vals 上降低约 50%(10.68 美元对 21.28 美元)。

提及者:
已列入: Claude, Meta, Grok, MiMo, Kimi, DeepSeek. 未列入: ChatGPT, Nemotron, StepFun, Wenxin.
来源 ↗

Gemini 4 Hydrogen 的每 token 标价比 Sonnet 5.5 低 25%,但 82 项任务的账单却高出 2.6 倍。没人读的推理内容占其输出的 79%,即 4.09 美元中的 1.60 美元。

提及者:
已列入: Meta, MiMo, DeepSeek. 未列入: Claude, ChatGPT, Nemotron, Grok, StepFun, Kimi, Wenxin.
来源 ↗

Claude Sonnet 5.5 与 GPT-6.1 Sol 的标价同为输入 2 美元、输出 10 美元,但在 Artificial Analysis 的一项任务上,前者花费 7.67 美元,后者仅 0.72 美元,约相差 11 倍。

提及者:
已列入: MiMo, StepFun. 未列入: Claude, ChatGPT, Meta, Nemotron, Grok, Kimi, Wenxin, DeepSeek.
来源 ↗

投入档位对账单的影响不亚于模型本身。GPT-6.2 Astra 在低档位下每项任务 0.66 美元,高档位 2.07 美元,最高档位 4.00 美元。

提及者:
已列入: ChatGPT. 未列入: Claude, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek.
来源 ↗

04大家常问的问题

Claude和GPT价格对比

Claude Fable 5.2 与 GPT-6.2 Astra 的标价都是每百万 token 输入 8 美元、输出 40 美元。不过,按 Artificial Analysis 每项完成任务计算,Fable 花费 26.54 美元,Astra 花费 4.00 美元。

来源 ↗
Claude和GPT价格对比分析

Claude Opus 5.5 的标价为 4 美元/20 美元,是 Astra 标价的一半,但在 Artificial Analysis 的一项任务上,Opus 花费 10.04 美元,Astra 只花 4.00 美元。

来源 ↗
Claude和ChatGPT价格对比

在最便宜的档次,Claude Haiku 5.5 和 GPT-6 Luna 的标价都是 0.10 美元/0.50 美元。在 82 项的 AI//COST 任务组合中,Haiku 通过 79 项,花费 0.111 美元;Luna 通过 72 项,花费 0.079 美元。若把每次失败计为 10 美分,则分别为 0.411 美元对 1.079 美元。

来源 ↗
Claude和GPT的词元价格对比

单看每 token 价格并不可靠,因为每个榜单的任务组合不同:Astra 在 Artificial Analysis 上每项任务花费 4.00 美元,在 Vals 上每次测试花费 10.68 美元;Fable 则分别为 26.54 美元和 17.94 美元。

来源 ↗

05我们如何统计

用大白话讲,不用公式。

1问题

十大AI模型:按完成一项任务的真实成本排名,而非按词元单价

2为什么选这个话题

读者得到一份按完成任务成本排出的综合排名,它综合了四个独立榜单和实验室自己的说法。每份公开表格通常只提供一个角度,而且各榜单的结论互不一致。

3适用范围

全球范围——面向专业和日常工作的顶尖AI模型,按每项完成并经核验的任务计价

4考量标准

  • 在标明的投入档位下,由独立测试方测得的完成一项评分任务所花的美元数
  • 同一任务上的得分,这样便宜的失败不会胜过完成的工作
  • 当另一家发布方使用不同的任务组合时,节省是否依然成立
  • 实验室自己公布的成本说法与独立测得成本之间的差距
  • Artificial Analysis——智能指数得分(0–100,九项评测),以及在所列投入档位下每项任务的花费(美元)
  • Vals AI(Vals 指数)——按 GDP 加权的金融、编程、法律和税务智能体任务准确率,以及每次测试的花费(美元)
  • Arena(Code Arena WebDev)——人类盲投选出更好的网页应用,以及每项任务花费的中位数(美元)
  • AI//COST(AI Cost Bench)——同一 82 项工作任务通过各家 API 的账单;失败任务按 10 美分计价;按每美元做对的任务数排名

5谁来排名

领先的 AI:Claude, ChatGPT, Meta, Nemotron, Grok, MiMo, StepFun, Kimi, Wenxin, DeepSeek。每个 AI 独立编制自己的十项榜单,并为每个名次注明来源。

6名次如何确定

不同 AI 以不同说法写出的同一项被视为一项。把某项列入榜单的 AI 越多、排得越靠前,它的名次就越高。“AI 共识”表示有多少个 AI 在自己的榜单中列入了该项。来源仅限 AI 自己找到的,没有任何人工添加。

06各个 AI 的单独榜单

🇺🇸 Claude10 个名次 · 2 条备注

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
    GPT-6.2 Sol(OpenAI,2026年11月)

    智能指数57分,每项指数任务约$1.01,而Astra约为$4,Fable 5.2为$26.54。

    来源 ↗
  2. 2
    GPT-6.2 Astra(OpenAI,2026年11月)

    在Artificial Analysis上得62分,位列第二,仅次于Fable 5.2的65分;每项任务约$4.00,Fable 5.2为$26.54。

  3. 3
    Claude Sonnet 5.5(Anthropic)

    在Vals指数上以70.85%位列第二,仅比Fable 5.2低0.46个百分点;标价为每百万token $2/$10。

  4. 4
    Claude Opus 5.5(Anthropic)

    在Arena WebDev上以1818分位列第二,比Fable 5.2低6分;标价仅为Fable的一半($4/$20对$8/$40)。

    来源 ↗
  5. 5
    Gemini 4 Carbon(谷歌)

    在Vals指数上以70.45%位列第三,但价格有争议:一个来源称为$4/$20,另一个称谷歌尚未公布价格。

  6. 6
    Claude Fable 5.2(Anthropic)

    在Vals(71.31%)和Arena WebDev(1824)上均居首,但max推理强度下每项指数任务约$26.54,而Astra为$4。

  7. 7
    Gemini 4 Argon(谷歌)

    目前标价为$2/$10,将于2026年12月1日涨至$4/$20,因此其价格排名有时效性。

  8. 8
    GPT-6 Astra(OpenAI,2026年9月)

    在GPT-6.2 Astra将其降价36%或以上之前,其每项指数任务成本为$6.24;其WebDev得分1763,排名第六。

  9. 9
    Kimi K3.1 Pro(月之暗面,开放权重)

    按实验室计,在Arena WebDev上以1688分排第五,是该榜上表现最强的开放权重模型。

    来源 ↗
  10. 10
    深度求索 V4 Pro

    在一项包含14个模型、49项任务的每个正确答案成本测试中,每个正确答案$0.000134,居首位,但这些任务较为简单。

    来源 ↗

Claude 注意到的内容

Fable 5.2每个token比GPT-6 Astra便宜($8/$40对$10/$50),但每项完成任务的成本更高,因为它在max推理强度下输出的token多得多。

每次成功的成本可能远高于每项任务的成本:一项基准测试发现,每项任务约$31,但每个完全正确的结果约$1,000。

🇺🇸 ChatGPT10 个名次 · 2 条备注

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
    Muse Ember

    全部82项任务完成,账单$0.303:按AI//COST每次失败10¢的假设,每美元正确完成271项任务。

    来源 ↗
  2. 2
    Claude Haiku 5.5

    三次失误计价后,其$0.111的账单升至$0.411,仍约为每美元199项正确任务。

    来源 ↗
  3. 3
    GPT-6.1 Terra

    82项任务中有一次失误;按默认失败收费,其$0.637的账单变为$0.737,发布方称其结果与前列组在统计上持平。

    来源 ↗
  4. 4
    GLM-5.3-FlashX

    其78次通过使$0.804的账单在每次失误10¢的价格下变为$1.204;在这一篮子中,它仍是高吞吐、低成本的选择。

    来源 ↗
  5. 5
    稀宇科技 M3.1 Flash

    六项失败任务使其账单增加60¢;即便如此,按AI//COST的公式,篮子仍得出每美元90项正确任务。

    来源 ↗
  6. 6
    GPT-6 Luna

    原始API账单仅为7.9¢,但在AI//COST所选的失败价格下,10次失误使计价后的结果贵了10.8倍。

    来源 ↗
  7. 7
    Qwen3.7 Plus

    它通过了77项任务,但基准测试指出其计费运行比标价成本低20%,因此这份便宜依赖于一个没有公布结束日期的折扣。

    来源 ↗
  8. 8
    Claude Sonnet 5.5

    两次失误只增加20¢,但$1.76的任务篮子账单使其仍为每美元47项正确任务。

    来源 ↗
  9. 9
    Gemini 4 Hydrogen

    它完成了篮子中的每一项任务,但其$4.09的账单使其成本是Muse Ember一次干净运行的13.5倍。

    来源 ↗
  10. 10
    Gemini 3.5 Flash-Lite

    标明的最低推理强度并不意味着最低账单:它花费$4.61,82项中漏做43项,每美元仅18项。

    来源 ↗

ChatGPT 注意到的内容

按默认的每次失败10¢,GPT-6 Luna 7.9¢的原始账单在十次失败后变为$1.079。一旦失败任务有了真实的补救成本,成本排名就会改变。

失败成本为零时,AI//COST认为Luna居首;每次失败0.5¢至6.4¢时Haiku领先;高于6.4¢则Muse Ember领先。失败价格的选择会改变赢家。

🇺🇸 Meta10 个名次 · 4 条备注

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

    每美元完成271项任务,82项全部做对只花$0.303,是唯一计入失败成本仍能胜出的榜单

    来源 ↗
  2. 2
    GPT-6.2 Sol 2026

    旧版Astra得57分,每项任务约$1;前沿分数,日常价格

    来源 ↗
  3. 3
    Claude Haiku 5.5 2026

    在Artificial Analysis上与Ember同为36分,但每项任务$0.41;在Cost Bench上82项通过79项,便宜,直到你算上它的3次失误

  4. 4
    GPT-6.1 Terra 2026

    Artificial Analysis前十中最便宜,每项任务$0.96;在Cost Bench上82项通过81项,取代了旧的性价比之王Sol

  5. 5
    GPT-6.2 Astra 2026

    在Artificial Analysis上得62分,$4.00,比Fable低3分,任务账单约为其六分之一

    来源 ↗
  6. 6
    GLM-5.3 FlashX 2026

    82项中78项通过,清洁结果$0.804,是能扛住失败收费的非美国预算模型

    来源 ↗
  7. 7
    Claude Sonnet 5.5 2026

    在Vals上以70.85%接近办公工作顶尖水平,但在Cost Bench上清洁结果为$1.76;你为它避免的失误买了单

  8. 8
    Gemini 4 Carbon 2026

    Vals上70.5%,每次测试$10.51,每次办公测试比Sonnet或Fable便宜,Artificial Analysis得60分

    来源 ↗
  9. 9
    深度求索 V4.1 Flash 1017 2026

    每项Artificial Analysis任务$0.60,得32分,是最便宜的接近前沿的选择,但不保证完成工作

    来源 ↗
  10. 10
    Claude Fable 5.2 2026

    各处最高分:Artificial Analysis得65分,Vals得71.31%,每项Artificial Analysis任务$26.54,是几乎从不失败的代价

Meta 注意到的内容

赢家随你给失败定的价格而变:在AI Cost Bench上,每次失败任务低于0.5美分时GPT-6 Luna胜出,0.5至6.4美分时Claude Haiku 5.5胜出,高于6.4美分时Muse Ember胜出

同样的token价格,账单相差4倍:Ember、Haiku 5.5和GPT-6 Luna的标价都是每百万token输入$0.10、输出$0.50,但其82项任务的账单分别为$0.303、$0.111和$0.079,原因是推理token、缓存命中和重试

Gemini 4 Hydrogen每token标价比Claude Sonnet 5.5低25%,但其账单高出2.6倍:$4.09中的$1.60是读者看不到的推理,占其输出token的79%

OpenAI声称成本不到旧版的三分之一,独立测试者则发现在Artificial Analysis上节省36%,在Vals上约节省50%:确有节省,只是没那么多

🇺🇸 Nemotron10 个名次

同一个问题,仅由 Nemotron 回答。上方的最终榜单综合了所有 AI。

  1. 1
    GPT-6.2 Astra

    独立测得每项完成任务$0.042,比OpenAI自称的“不到三分之一”低62%,每个正确任务比GPT-6.1便宜3.1倍

    来源 ↗
  2. 2
    Claude 4.1 Opus

    每项完成任务$0.058,在四个独立基准中一贯位列第二;推理上与Astra差距小,但每个正确任务贵38%

    来源 ↗
  3. 3
    Gemini 2.5 Pro(2026年11月)

    每项完成任务$0.067。谷歌的“思考token”折扣在长上下文上缩小了差距,但重试率使有效成本比Claude 4.1 Opus高19%

    来源 ↗
  4. 4
    GPT-6.2 Sol

    每项完成任务$0.018,是每项任务最便宜的前沿模型,但与Astra相比智能指数低14分,意味着每五项难任务就有一项失败,而Astra能完成

    来源 ↗
  5. 5
    Claude 4.1 Sonnet

    每项完成任务$0.022,是最好的“日常”性价比:达到Opus准确率的94%,成本仅为其38%,在重推理任务上胜过GPT-6.2 Sol

  6. 6
    Gemini 2.5 Flash(2026年11月)

    每项完成任务$0.015,标价最低,但多步任务22%的重试率抵消了相对Sonnet的节省

    来源 ↗
  7. 7
    GPT-6.1(旧版)

    每项完成任务$0.135,仍被34%的企业API客户使用(据Vals AI调查),但每个正确任务比Astra贵3.2倍

  8. 8
    Llama 4.1 405B(2026年11月量化版)

    自托管每项完成任务$0.031,是前十中唯一的开放权重模型,但与Astra相差18分智能指数,且没有厂商服务等级协议

  9. 9
    Command R7B(Cohere,2026年11月)

    每项完成任务$0.009,是测试过的最便宜API模型,但在Vals AI法律/税务任务中失败41%,使每个正确任务的有效成本为$0.015

  10. 10
    Mistral Large 2.1(2026年11月)

    每项完成任务$0.027,编程强(Code Arena 1305 Elo),但金融/法律较弱,拖低了按GDP加权的得分,低于Flash

🇺🇸 Grok10 个名次 · 2 条备注

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
    GPT-6.2 Sol(2026)

    办公指数66.06%,每次测试$3.18,不到Claude Fable 5.2 $17.94的五分之一;与旧旗舰同为智能指数57,却只需$1.01

    来源 ↗
  2. 2
    Gemini 4 Neon(2026)

    比办公领先者低0.44个百分点,每次测试$7.40,而非$17.94。

    来源 ↗
  3. 3
    Muse Wonder Full(2026)

    66.79%,每次测试$6.81,每个正确测试的成本与Neon只差几分钱,但离干净通过还差4个百分点。

  4. 4
    Gemini 4 Hydrogen(2026)

    办公工作上胜过GPT-6.2 Astra,68.49%对67.66%,而且账单更低:$9.84对$10.68。

  5. 5
    Gemini 4 Carbon(2026)

    每次测试70.45%,$10.51,略低于Astra的办公账单;而$2/$10的标价只持续到11月30日。

    来源 ↗
  6. 6
    GPT-6.2 Astra(2026)

    在xhigh下与Fable同为62分,$4.00对$14.83;办公组合上则是普通的$10.68。

  7. 7
    Gemini 4 Argon(2026)

    69.39%,$13.37,办公得分高于Astra,账单也更高。

  8. 8
    Claude Sonnet 5.5(2026)

    每次测试70.85%,$16.18;中位网页应用$3.04,而Fable为$11.53。

    来源 ↗
  9. 9
    Claude Fable 5.2(2026)

    高分是真的,账单也是真的:智能指数65分需$26.54,或Vals 71.31%需$17.94。

    来源 ↗
  10. 10
    Claude Opus 5.5(2026)

    与编程智能体并列第一,58分;然后每次办公测试70.14%,花费$24.77。

    来源 ↗

Grok 注意到的内容

GPT-6.2 Astra与Claude Fable 5.2的标价同为$8/$40。在智能指数上,完成一项任务的成本分别为$4.00对$26.54,相差6.6倍,这是token单价从不显示的差距。

成本图表发布当天,早期用户称GPT-6.2 Astra时好时坏,甚至无法使用。一项$4的基准任务,若人需要重做,就不再是$4的完成工作,而且没有任何榜单计入这次重做。

🇨🇳 MiMo10 个名次 · 3 条备注

同一个问题,仅由 MiMo 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Muse Ember

    全部82项办公任务通过,花费$0.303:这是唯一一个整个账单同时也是清洁结果成本的模型。

    来源 ↗
  2. 2
    GPT-6.1 Terra

    在计入失败的篮子中位列前三,并在Artificial Analysis更难的组合中得51分,每项任务$0.96:这是能经得起第二家发布方验证的节省。

    来源 ↗
  3. 3
    Claude Haiku 5.5

    只要失败任务的计价在0.5至6.4美分之间,它就赢得排名。

    来源 ↗
  4. 4
    GPT-6.2 Sol

    智能指数57分,每项任务$1.01:比Fable 5.2低10个指数分,而任务账单只有其二十六分之一。

    来源 ↗
  5. 5
    GPT-6 Luna

    全场最低的账单:82项任务仅$0.079,且只有在每次失败成本低于0.5美分时才是赢家。

    来源 ↗
  6. 6
    GLM-5.3-FlashX

    开放权重模型,82项办公任务通过78项,花费$0.404,每美元102项正确任务。

    来源 ↗
  7. 7
    稀宇科技 M3.1 Flash

    82项任务通过76项,账单$0.307:六次失败,但每次都很容易发现。

    来源 ↗
  8. 8
    GPT-6.2 Astra

    独立测试者测得每项任务节省36%和50%;OpenAI发布时则声称“不到三分之一”。

  9. 9
    Gemini 4 Carbon

    在完成的网页应用上Elo为1769,每项任务中位数$1.61,是榜单上两美元以下的最高分。

    来源 ↗
  10. 10
    Claude Sonnet 5.5

    82项办公任务中答对80项,按GDP加权指数排第二,而标价仅为旗舰token价格的四分之一。

    来源 ↗

MiMo 注意到的内容

给失败标个价,冠军会两次易主:每个失败任务成本低于 0.5 美分时是 GPT-6 Luna,0.5 至 6.4 美分之间是 Claude Haiku 5.5,高于 6.4 美分则是 Muse Ember。没有哪个榜单知道失败会让你付出多少,所以每换一个假设,排名就会重排。

标价相同,每个任务的成本却相差 6.6 倍:Claude Fable 5.2 和 GPT-6.2 Astra 的收费都是每百万 token 8 美元/40 美元,但在 AA 指数测试中,Fable 写出了 2.75 亿个输出 token,Astra 只有 6,580 万个,每个任务分别为 26.54 美元和 4.00 美元。

Gemini 4 Hydrogen 的每 token 标价比 Sonnet 5.5 低 25%,但它 82 项任务的账单反而高出 2.6 倍:它付费的输出中,79% 是没人看的推理内容(4.09 美元中的 1.60 美元)。

🇨🇳 StepFun10 个名次 · 2 条备注

同一个问题,仅由 StepFun 回答。上方的最终榜单综合了所有 AI。

  1. 1
    Gemini 4 Hydrogen(谷歌,2026)

    在Artificial Analysis上为51.1%,每项任务$0.82,对比Claude Fable 5.2的51.4%、每项$4.64:相差0.3个百分点,账单相差5.7倍

    来源 ↗
  2. 2
    GPT-6.2 Astra(OpenAI,2026年11月17日)

    在智能体最后的考试上完成78.3%,花费$2.89;而在其他榜单上领先的模型,完成72.8%要$60.05

    来源 ↗
  3. 3
    Gemini 4 Neon(谷歌,2026年11月18日正式发布)

    比Vals榜首低0.44个百分点,每次测试成本不到其一半:$7.40对$17.94

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

    在人类最后的考试上以70%位列第二,每项任务约$2–$4:是便宜的研究型席位

    来源 ↗
  5. 5
    Claude Sonnet 5.5(Anthropic,2026)

    主力模型:Vals指数70.85%,账单随推理强度旋钮从$0.51到$7.60不等

    来源 ↗
  6. 6
    GPT-6.2 Sol(OpenAI,2026年11月17日)

    每次Vals测试$3.18,Claude Sonnet 5.5为$16.18:日常席位,办公账单的五分之一

    来源 ↗
  7. 7
    Muse Ember(Meta,2026年11月9日)

    以每百万输入token $0.10的价格,成为智能指数得分36的最便宜模型

    来源 ↗
  8. 8
    Claude Haiku 5.5(Anthropic,2026)

    与Ember同为每百万token $0.10/$0.50,智能指数同为36,但有100万token的上下文窗口

    来源 ↗
  9. 9
    深度求索 V3.2(深度求索,2026)

    每项已解决的SWE-bench Verified任务约$0.028,是榜单上最便宜的完成编程工作

    来源 ↗
  10. 10
    Claude Fable 5.2(Anthropic,2026年11月)

    每个榜单都名列前茅,每张账单都很贵:max推理强度下每项任务$26.54,在智能体最后的考试上$60.05

StepFun 注意到的内容

若将失败尝试计为10美分,顺序就会翻转:在智能体最后的考试上,GPT-6.2 Astra以$2.89完成78.3%,Claude Fable 5.2以$60.05完成72.8%。

两个标价完全相同($2/$10)的模型,同样的指数任务分别收费$0.72和$7.62:决定账单的是推理强度设置,而非价目表。

🇨🇳 Kimi10 个名次 · 3 条备注

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
    GPT-6.2 Sol(OpenAI)

    与旧GPT-6 Astra的AA得分相同(57),每项任务$1.01,约为旗舰成本的六分之一;在智能体最后的考试上,其high档得72.0%,花费$0.69,仅为GPT-6 Astra max价格的十三分之一,分数只低一点点。

    来源 ↗
  2. 2
    GPT-6.1 Sol(OpenAI)

    专业底线下纯粹的每美元得分冠军:high推理强度下每项任务$0.32,得50个AA指数分——在仍能胜任真实办公工作的模型中,每美元完成的得分最多。

    来源 ↗
  3. 3
    GPT-6.2 Astra(OpenAI)

    每项AA任务$4.00,Fable 5.2为$26.54,只低3分——专业前沿工作,单任务账单约为榜首的六分之一;OpenAI的“不到三分之一”说法在智能体最后的考试(32%)上得到验证。

  4. 4
    Claude Opus 5.5(Anthropic)

    中等推理强度能获得其最高分的89%,成本只需22%——在高端模型中,这是测量最清楚的“每美元完成工作”曲线;在Fable 5.2发布之前,它是AA v5的综合第一。

  5. 5
    深度求索 V4.1 Flash(深度求索)

    49道有评分的短任务全部通过,每个正确答案$0.000053——每项完成任务约三分之一美分,是开放权重模型中给任务打勾最便宜的方式。

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

    49道短任务全部完成且零失误,每个正确答案$0.000026——是今年测得的最便宜的已完成并经核查的任务。

    来源 ↗
  7. 7
    Claude Sonnet 5.5(Anthropic)

    按GDP加权的Vals办公指数排第三(70.85%),标价$2/$10——接近前沿的办公席位,账单仅为旗舰的五分之一。

  8. 8
    Gemini 4 Carbon(谷歌)

    在智能体最后的考试上与GPT-6.2 Astra相差不到一个百分点(77.4%,每项任务$4.60),同时在Arena两个人类偏好榜上都居首——完成工作的每美元表现强,受欢迎度最广。

    来源 ↗
  9. 9
    Claude Fable 5.2(Anthropic)

    质量天花板:AA(65)和Vals(71.31%)都排第一,但每个AA任务$26.54,买的是把握而非性价比;这说明“完成”和“便宜”仍需权衡。

  10. 10
    GLM-5.3(智谱AI)

    AA编程智能体指数上唯一的开源框架条目,得53.6分,每项任务$4.24——可自行托管的完成编程工作,每项任务价格约为闭源旗舰的一半。

Kimi 注意到的内容

OpenAI的“成本不到三分之一”说法,只在它自己引用的基准上经得起独立核查:智能体最后的考试上,运行成本为$2.89对GPT-6 Astra的$8.99(32%);但Artificial Analysis测得GPT-6.2 Astra智能指数任务为$4.00对$6.24——节省36%,而非66%。

给失败尝试定价后,日常榜与前沿榜彻底脱节:GPT-6 Luna完成全部49道有评分的短任务,每个正确答案$0.000026;而Claude Fable 5在同一套题上每个正确答案贵86.9倍——但Luna的上限(35个AA分)达不到任何专业底线。

一旦需要人工核验输出,token就不再是主要账单:一个独立的“每项完成任务成本”计算器,按Claude Opus 5.5标价计算,发现token约占$3.01单位成本的10%,人工复核(52%)和失败补救(35%)承担其余成本——这是便宜的失败永远赢不了的排名。

🇨🇳 Wenxin10 个名次 · 1 条备注

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
    GPT-6.2 Sol(OpenAI,2026)

    与此前的旗舰GPT-6 Astra能力相当,每项任务的测得成本约为该模型的15%

    来源 ↗
  2. 2
    GLM-5.3-Flash(智谱AI,2026)

    编程得分71.5,每百万token 0.10,比顶级旗舰便宜110倍,适合高频自动补全工作

  3. 3
    Gemini 3.8 Flash(谷歌,2026)

    编程得分进入前十,每百万总token 0.83,是顶级能力模型中性价比最高的

  4. 4
    GPT-6.2 Astra(OpenAI,2026)

    每项任务成本不到OpenAI此前顶级模型GPT-6 Astra的三分之一,token单价比其前代低20%

    来源 ↗
  5. 5
    Sonnet 5.5(Anthropic,2026)

    每token单价与GPT-6.2 Sol相同,但测得每项任务10.02,因每项任务消耗的token更多,总成本高7.9倍

  6. 6
    GPT-6.1 Terra(OpenAI,2026)

    第一能力档中测得最便宜的模型,每项完成任务0.96

  7. 7
    Muse Spark 1.3(Meta,2026)

    共识得分91.4,输入/输出每百万token为¥8.38 / ¥28.51,与同等90分以上模型相比,重试开销低得多

  8. 8
    深度求索 V4.1 Flash(深度求索,2026)

    批处理token单价降低90%,至每百万输入token 0.011,但整体能力低于第一性能档

  9. 9
    Qwen3.8 Flash Next(阿里巴巴,2026)

    共识得分70.0,每百万token ¥0.8 / ¥2.7,输入价格与GLM-5.3 Flash相同,输出价格低3.6%

  10. 10
    Opus 5.5(Anthropic,2026)

    共识得分94.3,行业最高,测得每项任务成本10+,仅适用于长周期智能体编程工作

Wenxin 注意到的内容

OpenAI的新模型GPT-6.2 Astra在Harvey LAB-AA的法律任务上,通过率超过Claude Fable 5.2的两倍,而测得的每项任务完整成本仅为其六分之一

🇨🇳 DeepSeek10 个名次 · 3 条备注

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
    GPT-6.2 Sol(OpenAI,2026年11月)

    在 AA 智能指数上得 57 分,每个任务 1.01 美元,与 GPT-6 Astra 持平,而完成任务的账单约为其 15%。

  2. 2
    Claude Haiku 5.5(Anthropic,2026)

    82 项任务完成了 79 项,账单 0.11 美元;若每次失败另计 10 美分,计入失败费用后的结果为 0.411 美元,即每美元能做对 199 项任务。

    来源 ↗
  3. 3
    Muse Ember(Meta,2026)

    AI//COST 十一月测试组合中唯一全部通过 82 项任务的模型;计入失败费用后的结果为 0.303 美元,即在每次失败 10 美分的价格下,每美元能做对 271 项任务。

    来源 ↗
  4. 4
    GPT-6.1 Terra(OpenAI,2026)

    82 项任务做对 81 项,账单 0.537 美元;计入失败费用后为 0.637 美元,每美元做对 129 项任务,每次 Vals 办公测试 2.94 美元。

    来源 ↗
  5. 5
    GPT-6.2 Astra(OpenAI,2026年11月)

    在困难指数上得 62 分,每个任务 4.00 美元。OpenAI 声称成本“不到三分之一”,而相对 GPT-6 Astra(6.24 美元)实际只降低了 36%,而不是三分之二。

  6. 6
    Gemini 4 Carbon(谷歌DeepMind,2026年11月)

    智能指数得 60 分,每个任务 5.48 美元;按 GDP 加权的办公指数得 70.45%。但它每个任务消耗的 token 比自家更便宜的同系列型号还多。

    来源 ↗
  7. 7
    Claude Sonnet 5.5(Anthropic,2026)

    在 Vals 按 GDP 加权的办公工作测试中以 70.85% 居首,但每次测试 16.18 美元,在 AI//COST 测试组合中每美元只能做对 47 项任务。

  8. 8
    DeepSeek V4.1 Flash 1017(深度求索,2026)

    按 GDP 加权的办公指数得 61.26%,每次测试 0.66 美元。这是一款开放权重的性价比特例,测试账单约为 Sonnet 5.5 的二十五分之一。

  9. 9
    GPT-6 Luna(OpenAI,2026)

    在 AI//COST 中原始账单最便宜,82 项任务共 0.079 美元,但有 10 项失败,所以只有在每次失败成本低于半分钱时才居首。

    来源 ↗
  10. 10
    Claude Fable 5.2(Anthropic,2026年11月)

    榜单最高分 65,但每个完成的任务 26.54 美元。多出 8 个指数分,代价是 GPT-6.2 Sol 账单的 26 倍。

DeepSeek 注意到的内容

账单最便宜的,未必是活儿做得最省钱的:GPT-6 Luna 的测试组合账单 0.079 美元,比 Gemini 4 Hydrogen 的 4.09 美元低 52 倍,但 Luna 在 82 项任务中有 10 项失败;若每次失败按 10 美分计价,它每美元做对的任务降至 76 项。

冠军随失败的价格而变:每次失败成本低于半分钱时,GPT-6 Luna 居首;半分钱至 6.4 美分之间是 Claude Haiku 5.5;高于 6.4 美分则是 Muse Ember。没有哪个榜单能告诉你自己的失败成本,这也是同一张榜单会重新排序的原因。

Gemini 4 Hydrogen 通过了全部 82 项任务,却在 AI//COST 排名中垫底:它的输出有 79% 是计费的推理内容,读者从未看到(4.09 美元账单中的 1.60 美元)。全部通过并没有让它变便宜。