2026 年最佳 AI 模型：排名、价格及选择指南

最后更新：2026 年 11 月 5 日。AI 模型市场每隔几周就会变化，因此本指南会持续修订。我们将三个排行榜分别列出，记录标价，并提供一张决策表，方便你在下一个模型发布时重新评估。

目前，“最强 AI 模型”有三种不同答案，而且彼此不能互换。

Gemini 4 Carbon 以 60 分位居 Artificial Analysis Intelligence Index 榜首，但 Google 目前只通过 Fairwind 计划向部分网络安全防御人员和合作伙伴开放。Claude Opus 5.5 以一分之差紧随其后，并领跑 Arena Agents 榜单，任何开发者现在都能调用它。GPT-6.1 Sol 比 Carbon 低五分、比 Opus 低四分，但按照 Artificial Analysis 的测算，每项任务成本为 $1.27，约为 Opus 的 $10.04 的八分之一。

这就是如今的市场格局：智能水平、可用性和单项任务成本已经形成三个各自独立的排行榜。本文会分别介绍它们，再为值得关注的模型提供一张决策表。

三个排行榜，三种不同的赢家

Artificial Analysis Intelligence Index是一个综合评分，依据推理、编码、知识和智能体评测得出。目前 Carbon 得分 60，Opus 5.5 得分 59，GPT-6 Astra 得分 57，另有一批模型并列 55 分，其中包括 Claude Sonnet 5.5 和 GPT-6.1 Sol。Google 的发布文章引用了 Carbon 在较早 v5.0 快照中的 59 分；当前排行榜显示为 60 分。这一分之差源于版本变化，并非新模型。

Arena Agents 排行榜衡量的是另一件事：人们在智能体任务中有多常偏好某个模型的输出。Opus 5.5 以 20.14% 排名第一，Carbon 以 16.72% 排名第二，Sonnet 5.5 以 15.42% 排名第三，Astra 以 14.70% 排名第四。

单项任务成本是第三个维度。Artificial Analysis 让每个模型完成相同的评测，并记录运行成本，包括推理和输出 token。按这一指标，Terra 的成本为 $0.96，Sol 为 $1.27，Astra 为 $6.24，Carbon 为 $7.76，Sonnet 为 $10.02，Opus 为 $10.04。

一个模型可以在某个榜单上夺冠，却在另一个榜单上落后。Carbon 在智能水平榜上夺冠、在 Arena 上排名第二，但大多数团队无法使用它。Opus 在 Arena 上夺冠，在智能水平榜上排名第二。在得分达到 55 或更高的模型中，Sol 的成本最低。

第一梯队速览

价格按每百万 token 计算。Carbon 在发布期的价格为 $2/$10，标准价格为 $4/$20。Argon 在 2026 年 11 月 30 日之前的价格为 $2/$10，此后为 $4/$20。Carbon 未收录在 AIHubMix 的模型目录中；本表中的其他六款模型均可通过 AIHubMix 使用。AA 得分采用各模型得分最高的设置：Opus、Astra、Sonnet、Sol 和 Terra 为 max；Carbon 和 Argon 为 high。

有两点值得注意。第一梯队内部的价格差距非常大：Terra 的 token 价格只有 Astra 的十分之一，单项任务成本约为 Astra 的 15%。而且，不同榜单上的排名并不一致：Sonnet 在 Arena 上排名第三，在智能水平指数上排名第四；Astra 在指数上排名第三，在 Arena 上排名第四。

实际选择时，应根据自己的限制因素挑选相应维度。如果你追求最高上限且能获得使用权限，就选 Carbon。如果你需要今天就能部署的模型，就选 Opus。如果你需要高调用量，就选 Sol 或 Terra。

各旗舰模型的实际用途

Claude Opus 5.5：生产环境的默认之选

Claude Opus 5.5是处理多步骤、需要综合判断的工作的标杆模型。在 max 推理强度下，它在智能水平指数上得分 59，在 Arena Agents 上以 20.14% 领跑。Anthropic 报告称，它在 xhigh 推理强度下的 Terminal-Bench 4.0 得分为 66.4%，在 GDPval-AA v2.1 上达到 1846 Elo，在 Humanity's Last Exam 搭配工具时得分为 67.7%。

与此同时，成本表现也有所改善。Opus 5.5 的标价为每百万 token $4/$20，Anthropic 表示，典型工作负载的成本比使用 Opus 5 时低约 40%。它支持 1M-token 上下文窗口和 128K 输出 token。Artificial Analysis 测得其单项任务成本为 $10.04，耗时 26.2 分钟。

最后这个数字很重要。Opus 并不适合高调用量的分类或草稿生成，而是适用于长时间编码、需要综合多份文档的研究，以及必须自主判断下一步行动的智能体。如果输出足够重要，错误答案造成的损失超过十美元，那么 Opus 是更稳妥的默认选择。

Gemini 4 Carbon：你可能用不了的领跑者

Gemini 4 Carbon是智能水平方面的领跑者。Google 的发布文章引用了它在 AA v5.0 上的 59 分；当前排行榜显示为 60 分。它在 Arena Agents 上以 16.72% 排名第二。Google 报告称，它在 SEC-bench Pro 上得分 88.2%，在 CWE-bench 上得分 71.0%，在 ExploitGym 上得分 54.8%。发布期价格为 $2/$10，标准价格为 $4/$20。

难点在于使用权限。Carbon 首先向部分网络安全防御人员开放，随后通过 Fairwind 计划向更多可信合作伙伴开放。Google 表示计划扩大开放范围，但目前尚未全面开放。它也未收录在 AIHubMix 的模型目录中。Google 的发布文章没有列出 Carbon 的上下文窗口大小。

对大多数团队来说，Carbon 更像是 Gemini 4 发展方向的信号，而非值得纳入计划的模型。实际可用的 Gemini 4 是 Argon。

GPT-6 Astra：昂贵的专业模型

GPT-6 Astra 是 OpenAI 在处理模糊需求、跨应用任务方面最强的模型。在 max 推理强度下，它在智能水平指数上得分 57，在 Arena Agents 上以 14.70% 排名第四。标价为每百万 token $10/$50，支持 1.05M-token 上下文窗口和 128K 输出。输入 token 超过 272K 时，较高费率将应用于整个请求：输入 $20，输出 $75。Artificial Analysis 测得其单项任务成本为 $6.24，耗时 18.8 分钟。

Astra 的 token 价格是 Sol 的五倍，测得的单项任务成本也约为 Sol 的五倍：$6.24 对比 $1.27。与 Opus 相比，情况有所不同。Astra 的 token 价格是 Opus 的 2.5 倍，但单项任务成本更低，因为它每项任务消耗的 token 更少。在 OpenAI 自己的软件维护报告中，Ultra 推理强度配置也体现了同样的情况：Astra 花费 $109.06，产出 142 条发现（每条发现 $0.77）；Sol 花费 $15.12，产出 131 条发现（每条发现 $0.12）。Sol 以 14% 的 API 成本产出了 92% 的发现。

如果任务确实没有明确边界，比如清理大型代码库、操作浏览器和多个桌面应用，或跨工具追踪问题，那么 Astra 就很合适。如果是批量生成，它就不合适，因为 Terra 或 Sol 只需花费一小部分成本就能完成相同工作。

Claude Sonnet 5.5 对比 GPT-6.1 Sol：价格相同，账单不同

Sonnet 5.5 和 Sol 的标价都是 $2/$10，但单项任务成本并不相同。Artificial Analysis 测得 Sonnet 的单项任务成本为 $10.02，Sol 为 $1.27，相差 7.9 倍；两者每项任务分别耗时 30.6 分钟和 20.9 分钟。

差距源于两款模型生成内容和思考的用量不同。Anthropic 将 Sonnet 定位为 Opus 更快、成本更低的补充选择，适合范围明确的日常任务、修复 bug 和润色文档；对于需要持续判断的复杂开放式工作，Anthropic 表示 Opus 仍明显更强。Sonnet 由供应商报告的 Terminal-Bench 4.0 得分为 70.6%，高于 Opus 的 66.4%；但 Sonnet 的推理强度设置未公布，而 Opus 的这一成绩是在 xhigh 设置下取得的。基准测试衡量的是某项任务，而非判断力。即使 Sonnet 的 token 价格只有 Opus 的一半，token 使用情况仍能解释为什么它的单项任务成本与 Opus 一样高。

Sol 是面向高调用量的模型。在 max 推理强度下，它在智能水平指数上得分 55，在 Arena Agents 上以 12.51% 排名第六，并支持相同的 1.05M-token 上下文窗口。对于每天运行数千次的智能体循环、代码维护、批量分析和初步审查，Sol 每项任务 $1.27 的成本才是关键。

一个简单的规则：输出需要准确且供人阅读时选 Sonnet；输出需要由另一个模型或测试套件检查时选 Sol。

Gemini 4 Argon：真正可用的 Gemini 4

Gemini 4 Argon 是大多数团队真正能够使用的 Gemini 4 模型。在 high 推理强度下，它在智能水平指数上得分 50，在 Arena Agents 上以 10.53% 排名第八。它支持文本、图像、音频、视频和 PDF，提供 1M-token 上下文窗口，价格在 2026 年 11 月 30 日之前为 $2/$10，此后为 $4/$20。Artificial Analysis 测得其单项任务成本为 $9.95，耗时 25.8 分钟。

Google 报告的最佳成绩集中在多模态和科学任务上：Vals Index 总排名第一，ERQA 得分 87%，RareBench 得分 57%，LabBench 得分 52.2%。它适用于长视频、图表密集型文档、3D 和空间推理，以及融合多种格式的研究。不适合低延迟聊天；AA 测得它每项任务耗时 25.8 分钟，与 Opus 相当，因此应安排异步或批量使用。

Kimi K3.1 Pro：开源权重编码挑战者

在编码方面，Kimi K3.1 Pro 是最接近闭源前沿模型的开源权重模型。Moonshot 报告称，它在 Terminal-Bench 4.0 上得分 65.7%，仅比 Opus 5.5 低 0.7 分；此外，它在 Kimi Code Bench 3.0 Long-horizon 上得分 61.2%，在搭配工具的 BenchCAD 上得分 92.7%，在 OfficeQA Pro v2 上得分 64.4。它支持 1,048,576-token 上下文窗口，于 2026 年 10 月 24 日发布；权重于 2026 年 11 月 2 日在 Hugging Face 上发布，采用 Kimi K3.1 Pro License。

需要注意的是它在智能水平指数上的表现。AA 给 Kimi 的评分为 46，比 Opus 低 13 分；它在 Arena Agents 上的排名则在前十之外。这些情况表明，该模型在供应商选择评测的任务上表现出色，但尚不能全面替代前沿旗舰模型。可将它用于终端编码、CAD 和 3D 工作，以及重视开放许可或自托管的金融文档处理。

我们查阅的版本中，Moonshot 的定价页面未列出美元标价；AIHubMix 对 Kimi K3.1 Pro 的标价为每百万 token $2/$10.5。Artificial Analysis 测得其单项任务成本为 $3.68。

Claude Haiku 5.5：高频调用之选

Haiku 5.5 是面向小型任务的模型。它在智能指数上得分为 36，标价为每百万 token $0.10/$0.50，适用于不超过 100K token 的提示词（超过该长度则为 $0.50/$2.50），并支持 1M-token 上下文窗口。Artificial Analysis 测得其每项任务成本为 $0.41。

它适用于分类、信息提取、路由、摘要，以及在较大型工作流中需要快速做出决策的子智能体。它并不适合复杂推理；与 Opus 相差 23 个指数点。实用的做法是让 Opus 或 Sonnet 智能体负责规划，再让 Haiku 执行成本低、定义明确的步骤。

Claude Fable 5.1：Anthropic 的另一款旗舰模型

Fable 5.1 很容易被忽略，因为它并不是大多数团队首先会选用的模型。它的标价为每百万 token $10/$50，支持 1M token 上下文和 128K 输出，目前已正式推出。Anthropic 称 Fable 5.1 和 Mythos 5.1 是其用于编程和知识工作的最先进模型，但页面并未将 Fable 与 Opus 5.5 直接比较。AA 测得它在 max 推理强度下得分为 49，在 xhigh 下为 50；Arena 将其排在第五位，得分为 13.86%。

它的受限版同系列模型 Mythos 5.1，底层模型相同，但为经审核的美国网络安全和生命科学领域机构提供了限制更宽松的安全防护，仅通过 Anthropic 的可信访问计划开放。Fable 的 token 价格是 Opus 的 2.5×，但这笔溢价并没有带来更高的指数得分：在 xhigh 下，Fable 得分为 50，Opus 为 57；在 max 下，Fable 得分为 49，Opus 为 59。AA 测得 Fable 在 xhigh 下每项任务成本为 $10.85，而 Opus 在 max 下为 $10.04，高约 8%。在认定这笔溢价值得之前，先进行测试。

开放权重：编程能力接近，通用智能仍有差距

开放权重表格中的基准测试数据由供应商报告；GLM 的 Terminal-Bench 4.0 得分是在 mini-swe-agent 测试框架下使用 Max 配置得出的。

Kimi 是这组模型中的焦点。Terminal-Bench 得分为 65.7%，与 Opus 仅差 0.7 个百分点，确实表现出色；1M 上下文也让它适用于整个代码库规模的工作。但智能指数上的差距同样不容忽视：Kimi 为 46，Opus 为 59。模型可能在一项编程基准测试中表现接近，但在指数衡量的推理、知识和智能体任务综合能力上仍远远落后。

GLM 5.3 是这组模型中注重成本的选择。AA 测得它在 max 推理强度下得分为 32，远低于 Kimi 的 46；不过它是一款采用 glm-5.3 许可证的 753B MoE 模型，在 Terminal-Bench 4.0 上由供应商报告的得分为 41.9%（Max、mini-swe-agent），在 GDPval-AA v2 上为 1769 Elo，在使用工具的 Humanity's Last Exam (HLE) 上为 62.5%。官方价格为 $1.40/$4.40；AIHubMix 目前的标价低于官方价格，为每百万 token $1.13/$3.94。

DeepSeek V4.1 Flash 1017 主打低成本和所有权。它是一款采用 MIT 许可证的 763B 模型，拥有 1M-token 上下文窗口、384K 最大输出长度，并支持视觉输入。官方价格为非高峰时段 $0.15/$0.60，高峰时段 $0.30/$1.20；高峰时段为周一至周五的 01:00–04:00 和 06:00–10:00 UTC，中国法定节假日除外。每百万 token 的缓存命中输入价格为非高峰时段 $0.003，高峰时段 $0.006。它并非一线通用模型，但能以极低成本拥有一款长上下文多模态模型。

MiniMax M3.1 Flash 是多模态智能体选项：总参数量为 428B，每个 token 激活 23B，支持 1M-token 上下文窗口、文本/图像/视频输入，在 OSWorld 2.0 上得分为 61.7。MiniMax 以人民币定价，每百万 token ¥1/¥4。它是值得考虑的自托管替代方案，适用于计算机操作工作流，不过速度表现平平。

开放权重的价值并不在于它在所有方面都已追平。它的价值在于：当数据不能离开你的网络、成本必须固定，或你需要微调时，你可以拥有自己的模型。在这些约束下，能否自由部署比指数上相差几个点更重要。

在入围名单之外，Meta 的 Muse Wonder 是 Arena 前十中另一款多模态智能体，排名第九，得分为 9.42%；它的 Full 配置在 AA 上得分为 50，标准配置则为 44。xAI 的 Grok 4.7 提供 500K 上下文，提示词少于 200K token 时标价为 $2/$6（达到或超过 200K 时为 $4/$12），在 AA 上得分为 35。Alibaba 的 Qwen3.8 Max 每项任务成本为 $10.02，得分为 34。这些模型都不会改变一线模型的格局。

token 价格不等于任务成本

账单栏是一个计算示例，并非 AA 数据：按标准标价计算，输入 10M token 加输出 2M token；假设每次请求都未超过供应商的长上下文阈值，且不使用缓存，也不享受批量折扣。Carbon 和 Argon 使用标准费率；按发布价和首发价计算，两者的账单都会降至 $40。

由此可以得出三点结论。

第一，相同的 token 价格，任务成本可能相差约 8×。Sonnet 和 Sol 的标价都是 $2/$10。测得的 Sonnet 每项任务成本为 $10.02，Sol 则为 $1.27。差别在于输出长度和思考时间，而非价目表上的单价。

第二，价格昂贵的模型不一定是成本更高的选择。Astra 的 token 价格是 Opus 的 2.5×，但它每项任务的成本为 $6.24，而 Opus 为 $10.04，因为 Astra 每项任务使用的 token 更少。高单价和高账单并不是一回事。

第三，上下文并非免费。超过 272K token 后，OpenAI 的长上下文档位会对整次请求采用更高费率：Astra 的输入和输出价格分别为 $20 和 $75，Sol 则为 $4 和 $15。1M-token 窗口很有用，但每次请求都把它填满，就需要考虑预算。

如何选择

遵循三条规则，才能让这张表真正发挥作用。

在做决定前，先运行 20 项真实任务。使用你自己的提示词、输出格式和失败标准，而不是公共基准测试。20 项任务足以暴露模型是否无法遵循你的 schema，或是否会在长上下文下失效。

将决策与执行分开。让 Opus 或 Sonnet 负责规划、审核和处理难题；让 Haiku、Sol 或 DeepSeek 执行定义明确的步骤。在智能体系统中，无需让最贵的模型完成每一步。

保留可替换层。模型每隔几个月就会变化。与其押注某个月的赢家，不如关注统一的 API、统一的账单和统一的日志。

通过 AIHubMix 使用这些模型

AIHubMix 并不是另一款模型，而是一种让模型可以随时替换的方式。一个密钥即可通过兼容 OpenAI 的端点、兼容 Claude 的端点（测试版）以及 Gemini 原生端点调用 900 多款模型，所有用量汇总到一张账单中。表格中的模型只有 Gemini 4 Carbon 无法通过该平台调用。快速入门介绍了请求格式。

对大多数团队来说，兼容 OpenAI 的端点就足够了：

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = "Explain in three sentences why cost per task beats cost per token."

response = client.chat.completions.create(
    model="claude-opus-5-5",
    messages=[{"role": "user", "content": prompt}],
)

print(response.choices[0].message.content)

模型 ID 遵循供应商的命名规则（此处没有 Carbon 的 ID）：claude-opus-5-5、claude-sonnet-5-5、claude-haiku-5-5、claude-fable-5-1、gpt-6-astra、gpt-6.1-sol、gpt-6.1-terra、gemini-4-argon、kimi-k3.1-pro、glm-5.3、deepseek-v4.1-flash-1017、minimax-m3.1-flash 和 muse-wonder。

如果不想为每次请求单独选择模型，auto 路由器支持四种策略：cost_optimized（默认）、balanced、quality_first 和 latency_critical。可将其用于探索性工作；关键任务则固定使用特定模型，并保留备用方案。

常见问题

目前能力最强的 AI 模型是什么？
截至 2026 年 11 月 5 日，在当前 Artificial Analysis 智能指数上，Gemini 4 Carbon 得分为 60。对于大多数团队都能实际投入使用的模型，Claude Opus 5.5 得分为 59。

我可以通过 AIHubMix 使用 Gemini 4 Carbon 吗？
不可以。Carbon 仅向部分网络安全防御人员和 Fairwind 合作伙伴开放，未列入模型目录。Gemini 4 Argon 是面向大众开放的 Gemini 4 模型。

哪款模型最适合编程？
复杂、开放式任务选 Opus 5.5；日常编程和文档处理选 Sonnet 5.5；大规模智能体循环选 Sol；需要开放权重则选 Kimi K3.1 Pro。

为什么 Sonnet 5.5 的每项任务成本这么高，明明它和 Sol 的每 token 价格相同？
Artificial Analysis 测得 Sonnet 每项任务成本为 $10.02，Sol 为 $1.27。Sonnet 每项任务使用的 token 多得多。token 价格相同，账单却不同。

一线模型中最便宜的是哪款？
GPT-6.1 Terra 在 AA 上每项任务成本为 $0.96。如果只看得分达到 55 或更高的模型，GPT-6.1 Sol 最便宜，每项任务成本为 $1.27。DeepSeek V4.1 Flash 的每 token 价格更低，但得分远低于一线模型。

开放权重模型能追上一线模型吗？
在特定编程基准测试中，Kimi 表现接近：Terminal-Bench 4.0 得分为 65.7%，而 Opus 在 xhigh 推理强度下得分为 66.4%。在通用智能方面，AA 给 Kimi 的得分为 46，Opus 则为 59。选择开放权重，是为了获得控制权、降低成本和进行微调，而不是因为差距已在所有方面缩小。

我可以用一个 API 密钥调用这些模型吗？
Carbon 未列入 AIHubMix 的模型目录；表格中的其他模型均已收录。一个密钥即可通过兼容 OpenAI、兼容 Claude 和 Gemini 原生端点调用这些模型。

来源

1. Artificial Analysis 智能指数排行榜，访问日期：2026 年 11 月 5 日。
2. Arena 智能体排行榜，访问日期：2026 年 11 月 5 日。
3. 前沿模型供应商资料：Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5、Claude Fable 5.1 和 Mythos 5.1、Claude 模型概览、Gemini 4 Carbon、Gemini 4 Argon、Gemini API 模型、OpenAI 模型目录、GPT-6 系列维护公告、Kimi K3.1 Pro、Kimi 定价。
4. 开放权重模型供应商资料：GLM 5.3 定价、GLM 5.3 模型卡、DeepSeek 定价、DeepSeek V4.1 Flash 1017 模型卡、MiniMax 定价、MiniMax M3.1 Flash 模型卡、Grok 4.7 模型。
5. AIHubMix：模型目录和API 快速入门，访问日期：2026 年 11 月 5 日。