覆盖 12 家国产大模型厂商（DeepSeek、通义千问、豆包、智谱、Kimi、MiniMax、百度文心、腾讯混元等） 与 3 家海外巨头（OpenAI、Anthropic、xAI）共 60+ 个模型。 价格取自各家官方定价页原始单价，速度与推理能力取自 Artificial Analysis 第三方基准评测与厂商公开实测数据。
点击任意表头即可切换排序方向。默认按推理能力降序。可通过上方控件筛选厂商、模态与部署形态， 或直接搜索模型名。价格已统一折算为「人民币 / 百万 tokens」以便直接对比。
| # | 模型 / 厂商▼ | 阵营 | 输入 ¥/M▼ | 输出 ¥/M▼ | 速度 tok/s▼ | 推理能力▼ | 性价比指数▼ | 上下文 | 特性 |
|---|
* 价格为「短上下文 / 标准档」单价，未含长上下文阶梯与峰谷定价；速度为第三方基准中位输出吞吐； 推理能力为 Artificial Analysis Intelligence Index（满分 100，越高越强）。性价比指数 = 推理能力 ÷（输入+输出）综合单价。
国产与海外旗舰模型同台对比。注意国产厂商普遍采用输入 / 输出 / 缓存命中 三段计价，并叠加长上下文阶梯与峰谷时段定价。
| 厂商 / 模型 | 输入 | 输出 | 缓存命中 | 上下文 |
|---|---|---|---|---|
| DeepSeek V4-Pro | 9.00 | 27.0 | 0.30 | 1M |
| DeepSeek V4.1-Flash 空闲时段 | 1.00 | 4.00 | 0.02 | 1M |
| DeepSeek V4.1-Flash 高峰时段 | 2.00 | 8.00 | 0.04 | 1M |
| 阿里 通义千问 Qwen3.8-Max | 12.0 | 36.0 | — | 1M |
| Qwen3.7-Plus | 2.40 | 14.4 | — | 1M |
| Qwen3.8-Flash | 0.74 | 3.00 | — | 1M |
| 字节 豆包 Seed-2.1-Pro | 6.00 | 30.0 | 1.20 | 1M |
| Doubao Seed-2.0-Pro ≤32K | 3.20 | 16.0 | 0.64 | 256K |
| Doubao Seed-2.1-Lite | 0.80 | 2.40 | 0.16 | 1M |
| 智谱 GLM 5.3 | 8.00 | 28.0 | 2.00 | 1M |
| GLM-5.3-Flash | 0.80 | 2.80 | 0.23 | 1M |
| 月之暗面 Kimi K3.1-Pro | 13.0 | 68.0 | 1.30 | 1M |
| Kimi K3 | 3.00 | 15.0 | 0.30 | 1M |
| 百度 文心 ERNIE 5.1 ≤32K | 4.00 | 18.0 | — | 128K |
| ERNIE 4.5 Turbo | 0.80 | 3.20 | 0.20 | 128K |
| MiniMax M3 ≤512K，5折 | 4.27 | 8.53 | 0.85 | 1M |
| MiniMax M3.1-Flash | 1.07 | 4.27 | 0.11 | 1M |
| 腾讯 混元 Hy4-Preview | 6.00 | 18.0 | — | 1M |
| 混元 TurboS | 0.80 | 2.00 | — | 128K |
| 小米 MiMo V2.6-Pro | 1.90 | 6.20 | — | 1M |
| 厂商 / 模型 | 输入 | 输出 | 缓存命中 | 上下文 |
|---|---|---|---|---|
| OpenAI GPT-6 Astra | $10.00 | $50.00 | $1.00 | 1.05M |
| GPT-6.1 Sol | $2.00 | $10.00 | $0.10 | 1.05M |
| GPT-6.1 Terra | $1.00 | $5.00 | $0.05 | 1.05M |
| GPT-6 Luna | $0.10 | $0.50 | $0.01 | 1.05M |
| GPT-5.5 | $5.00 | $30.00 | $0.50 | 1M |
| GPT-5.4 mini | $0.75 | $4.50 | $0.075 | 400K |
| Anthropic Claude Fable 5.1 | $10.00 | $50.00 | $0.25 | 1M |
| Claude Opus 5.5 | $4.00 | $20.00 | $0.20 | 1M |
| Claude Opus 5 | $5.00 | $25.00 | $0.50 | 1M |
| Claude Sonnet 5.5 | $2.00 | $10.00 | $0.10 | 1M |
| Claude Haiku 5.5 | $0.10 | $0.50 | $0.01 | 100K |
| xAI Grok 4.7 / 4.6 | $2.00 | $6.00 | $0.50 | 500K |
| Grok 4.7 ≥200K 长上下文 | $4.00 | $12.00 | $1.00 | 500K |
| Grok 4.3 / 4.20 | $1.25 | $2.50 | $0.20 | 1M |
速度是 Agent 场景的核心指标。下表汇总 Artificial Analysis 与多方独立压测的公开数据。国产模型在非思考模式下普遍显著快于海外旗舰推理模型。
| 模型 | 阵营 | TTFT | 吞吐 tok/s |
|---|---|---|---|
| DeepSeek V4.1-Flash 非思考 | 国产 | 0.65s | 254 |
| Qwen3-Coder-Next | 国产 | 4.1s | 128.7 |
| DeepSeek V4.1-Flash max | 国产 | 11.6s | 184 |
| Doubao Seed-2.0-Pro | 国产 | 0.9s | 65 |
| Step-3.5-Flash | 国产 | 0.12s | 80 |
| GLM-5.3 max | 国产 | 11.9s | 53 |
| Qwen3.8-Max 0902 | 国产 | 11.9s | 40 |
| DeepSeek V4-Pro | 国产 | 0.67s | 42.2 |
| GLM-5.1 | 国产 | 1.2s | 38 |
| Qwen3.5-Plus | 国产 | 1.5s | 55 |
| Kimi K3 max | 国产 | — | 36 |
| Kimi K2.6 | 国产 | 2.9s | 23 |
| Claude Opus 5 max | 海外 | — | 52 |
| Grok 4.6 high | 海外 | — | 65 |
| GPT-6 Astra max | 海外 | — | 53 |
| GPT-5.5 Fast 模式 | 海外 | — | >50 |
| GPT-5.6 Sol Fast 模式 | 海外 | — | >80 |
Artificial Analysis Intelligence Index v5.0 综合 9 项评测（AA-Briefcase、AutomationBench、Terminal-Bench 4.0、 FrontierCode 2.0、HLE-Diamond、GDP.pdf、CritPt v2、AA-Omniscience、Terminal-Bench-Science）。 2026 年 10 月的开源权重模型前六名全部为中国模型。
| 评测项 | Qwen3.8 Max | Claude Opus 5 | 差距 |
|---|---|---|---|
| Intelligence Index | 45 | 51 | -6 |
| Terminal-Bench 4.0 | 39% | 49% | -10 |
| AutomationBench-AA | 56% | 57% | -1 |
| AA-Briefcase (Elo) | 1622 | 1645 | -23 |
| Humanity's Last Exam | 43% | 55% | -12 |
| AA-Omniscience Index | 12 | 37 | -25 |
| GDP.pdf | 23% | 22% | +1 |
| SciCode | 52% | 56% | -4 |
结论：国产模型在专业文档处理、Agent 工作流、中文本地化上已追平甚至反超， 差距集中在前沿知识广度（AA-Omniscience）与超长程自主编程（Terminal-Bench）。 另需注意：AA 指数在 2026 年 9 月内两次修订，「分数上涨」未必是模型真实提升。
逐家梳理主流国产大模型的技术特点、开源状态与差异化优势。
按真实业务场景倒推，而非按榜单排名。
首选 GLM-5.3-Flash（¥0.8/¥2.8）或 混元 TurboS（¥0.8/¥2.0）——两者输出价均为 ¥2-3 区间， 上下文分别达 1M / 128K。豆包 Seed-2.1-Lite（¥0.8/¥2.4）同样优秀且新用户送 50 万 tokens/日。 若需 1M 上下文 + 极致速度，DeepSeek V4.1-Flash 空闲时段（¥1/¥4）配合缓存命中 ¥0.02 是最优解。
国产首选 Kimi K3.1-Pro（AA 55.1，全球第二）或 GLM-5.3（编程体验 +50%）。 Kimi K3 的 2.8 万亿参数与 300 Agent 并行能力在长程任务上有独特优势； GLM-5.3 的 Token 利用率更优，同等效果下成本更低。 若需极致终端编程速度，Qwen3-Coder-Next（128.7 tok/s） 或 Kimi K2.7-Code-HighSpeed（260 tok/s）。
当业务重度依赖 Claude Code、Cursor、MCP 生态、国际 SaaS 集成或需要处理非中文长尾知识时， Claude Opus 5.5（$4/$20）或 Sonnet 5.5（$2/$10） 仍是稳妥选择。 提示缓存 0.1× 读取 + Batch 5 折能把长系统提示词场景成本压到国产同级。 GPT-6.1 Sol（$2/$10） 在代码与专业工作上性价比已接近 Claude Sonnet 5.5。
DeepSeek V4.1-Flash 非思考模式（TTFT 0.65s，254 tok/s） 是国产实时对话首选， 官方 V4-Pro 首字延迟 0.67s 且输出稳定无抖动，同样适合实时场景。 豆包 Seed-2.0-Pro 国内网络最稳（TTFT 0.9s / 65 tok/s）。 火山方舟「低延迟」档与智谱「特惠区」是官方提供的加速通道。
百度 ERNIE 5.1 中文理解与法律推理强，配套搜索增强与成熟的知识库 RAG 链路； 通义千问 Qwen3.8-Max 提供最完整的模型市场与多模态企业能力； 智谱 GLM-5.3 的知识库服务（向量化 ¥0.5/M、深度解析 ¥0.12/页）与 Context-IR 上下文增强是亮点。 火山方舟「智能模型路由」可在多模型间按成本/质量自动分流。
以下问题基于本报表数据整理，用于快速定位选型结论。
综合输入与输出价格，国产阵营最便宜的是 智谱 GLM-5.3-Flash（输入 0.8 元 / 输出 2.8 元每百万 tokens） 与 腾讯混元 TurboS（0.8 / 2.0 元）。若把缓存命中成本计入，DeepSeek V4.1-Flash 空闲时段 （输入 1 元 / 输出 4 元，缓存命中仅 0.02 元）是高频调用场景的最优解。 海外最便宜可用的为 Claude Haiku 5.5 与 GPT-6 Luna，折合约 3.56 元每百万 tokens 输出。
国产模型中 DeepSeek V4.1-Flash 在非思考模式下输出速度可达 254 tokens/秒、首字延迟 0.65 秒， 是实时交互场景的首选；Kimi K2.7-Code-HighSpeed 最高可达 260 tokens/秒。 旗舰级推理模型普遍较慢，Qwen3.8-Max 约 40 tokens/秒、Kimi K3 约 36 tokens/秒。 需要注意开启深度思考模式会使首字延迟增加十倍以上（DeepSeek 从 0.65 秒升至 11.6 秒）。
在 Artificial Analysis Intelligence Index v5.0 评测中，国产最高分为 月之暗面 Kimi K3.1 Pro 的 55.1 分， 位居全球第二，仅次于 Claude Opus 5.5（50.8）与 GPT-6 Astra（52.7）。 2026 年 10 月开源权重模型前六名全部为中国模型。 差距主要集中于前沿知识广度（AA-Omniscience，Qwen3.8 Max 落后 25 分） 和超长程自主编程（Terminal-Bench 4.0，落后 10 分）， 而在中文处理、专业文档理解与 Agent 工作流编排上已基本追平甚至反超。
主要有五类：① 阶梯计价，超过阈值后整单按更高单价计费（豆包 Seed-2.0-Pro 输入超 128K 时价格翻倍）； ② 峰谷定价，DeepSeek 高峰时段（北京时间 9-12 点、14-18 点）价格为空闲时段两倍； ③ 长上下文加价，xAI 超过 20 万 token、OpenAI 超过 27.2 万 token 即整单涨价； ④ 缓存写入成本，Kimi 按 5 分钟和 1 小时 TTL 分别计费； ⑤ 工具调用单独计费，Web Search 通常为每千次调用 10 美元。