2026 年最佳 AI 模型：排名、價格與選擇指南

最後更新：2026 年 11 月 5 日。AI 模型市場每隔幾週就會變化，因此本指南會持續修訂。我們將三種排行榜分開呈現、記錄牌價，並提供一份決策表，方便你在下一款模型推出時重新評估。

目前，「最強的 AI 模型」有三種不同答案，而且彼此不能互換。

Gemini 4 Carbon 以 60 分登上 Artificial Analysis Intelligence Index 榜首，但 Google 目前只透過 Fairwind 計畫向部分網路安全防禦者及合作夥伴開放。Claude Opus 5.5 以一分之差居次，並在 Arena Agents 排行榜領先，任何開發者現在都能呼叫它。GPT-6.1 Sol 則比 Carbon 低五分、比 Opus 低四分；然而，根據 Artificial Analysis 的測量，每項任務的成本為 $1.27，約為 Opus $10.04 的八分之一。

這就是現在的市場樣貌：智慧、可用性和每項任務成本，已成為三種彼此獨立的排行榜。本文會分別介紹這些面向，再提供一份涵蓋重要模型的決策表。

三種排行榜，三位不同贏家

Artificial Analysis Intelligence Index是一項綜合評分，涵蓋推理、程式設計、知識和 Agent 評測。目前榜上 Carbon 得 60 分、Opus 5.5 得 59 分、GPT-6 Astra 得 57 分，另有一批模型並列 55 分，包括 Claude Sonnet 5.5 和 GPT-6.1 Sol。Google 的發布文章引用 Carbon 在較早的 v5.0 快照中獲得 59 分；目前排行榜則顯示 60 分。這一分之差來自版本更新，而不是新模型。

Arena Agents 排行榜衡量的是另一件事：使用者在 Agent 任務中偏好某模型輸出的頻率。Opus 5.5 以 20.14% 排名第一，Carbon 以 16.72% 居次，Sonnet 5.5 以 15.42% 排名第三，Astra 則以 14.70% 排名第四。

每項任務的成本是第三個面向。Artificial Analysis 會讓每個模型執行相同的評測，並記錄每次執行的成本，包括推理和輸出 token。依此衡量，Terra 每項任務成本為 $0.96，Sol 為 $1.27，Astra 為 $6.24，Carbon 為 $7.76，Sonnet 為 $10.02，Opus 則為 $10.04。

模型可能在一份榜單勝出，卻在另一份榜單落敗。Carbon 在智慧評分上勝出，在 Arena 排名第二，但大多數團隊無法使用它。Opus 在 Arena 榜上勝出，在智慧評分上排名第二。Sol 則是在評分達 55 分或以上的模型中，成本最低的選擇。

第一梯隊一覽

價格以每百萬 token 計。Carbon 在發布期間的價格為 $2/$10，標準價格則為 $4/$20。Argon 的價格在 2026 年 11 月 30 日前為 $2/$10，之後為 $4/$20。Carbon 未列入 AIHubMix 的模型目錄；本表中的其他六款模型都可透過 AIHubMix 使用。AA 分數採用各模型得分最高的設定：Opus、Astra、Sonnet、Sol 和 Terra 為 max；Carbon 和 Argon 為 high。

有兩點值得注意。第一梯隊內的價格差距極大：Terra 的 token 價格是 Astra 的十分之一，每項任務的成本約為 Astra 的 15%。而且各榜單的排名並不一致：Sonnet 在 Arena 排名第三，在智慧評分榜排名第四；Astra 在智慧評分榜排名第三，在 Arena 則排名第四。

實際上，應根據你的限制條件選擇對應的評估面向。如果你需要最高的能力上限，而且有使用權限，選 Carbon。如果你需要現在就能部署的模型，選 Opus。如果你需要大量運算，選 Sol 或 Terra。

各款旗艦模型的實際用途

Claude Opus 5.5：生產環境的預設選擇

Claude Opus 5.5是需要跨多個步驟進行判斷的任務中，最具競爭力的模型。它在 max 推理強度下於智慧評分榜獲得 59 分，在 Arena Agents 以 20.14% 領先；Anthropic 表示，它在 xhigh 推理強度下於 Terminal-Bench 4.0 得分 66.4%，在 GDPval-AA v2.1 獲得 1846 Elo，並在使用工具時於 Humanity's Last Exam 得分 67.7%。

同時，成本效益也有所提升。Opus 5.5 的牌價為每百萬 token $4/$20，Anthropic 表示，與 Opus 5 相比，典型工作負載的成本降低約 40%。它支援 1M-token 上下文視窗和 128K 輸出 token。Artificial Analysis 測得每項任務成本為 $10.04，耗時 26.2 分鐘。

最後這個數字很重要。Opus 不適合大量分類或草稿生成，而是適用於長時間程式設計、多份文件需要一併掌握的研究工作，以及必須判斷下一步該做什麼的 Agent。如果輸出的價值足以讓一次錯誤答案造成超過十美元的損失，Opus 是較穩妥的預設選擇。

Gemini 4 Carbon：你可能無法使用的領先模型

Gemini 4 Carbon在智慧評分上領先。Google 的發布文章引用它在 AA v5.0 獲得 59 分；目前排行榜則顯示 60 分。它在 Arena Agents 以 16.72% 排名第二；Google 表示，它在 SEC-bench Pro 得分 88.2%、CWE-bench 得分 71.0%，並在 ExploitGym 得分 54.8%。發布期間的價格為 $2/$10，標準價格則為 $4/$20。

問題在於使用權限。Carbon 會先提供給部分網路安全防禦者，再透過 Fairwind 計畫向其他信任合作夥伴開放。Google 表示，未來計畫擴大開放，但目前尚未普遍提供。它也未列入 AIHubMix 的模型目錄。Google 的發布文章沒有列出 Carbon 的上下文視窗大小。

對大多數團隊而言，Carbon 反映的是 Gemini 4 未來的發展方向，而不是值得納入規劃的模型。真正可用的 Gemini 4 是 Argon。

GPT-6 Astra：昂貴的專家型模型

GPT-6 Astra 是 OpenAI 在處理模糊、跨應用程式任務方面最強的模型。它在 max 推理強度下於智慧評分榜獲得 57 分，在 Arena Agents 以 14.70% 排名第四；牌價為每百萬 token $10/$50，支援 1.05M-token 上下文視窗和 128K 輸出。輸入 token 超過 272K 時，較高費率會套用至整個請求：輸入 $20、輸出 $75。Artificial Analysis 測得每項任務成本為 $6.24，耗時 18.8 分鐘。

Astra 的 token 價格是 Sol 的五倍，測得的每項任務成本也約為 Sol 的五倍：$6.24 對 $1.27。但和 Opus 相比，情況就不同了。Astra 的 token 價格是 Opus 的 2.5 倍，但每項任務的成本較低，因為它每項任務使用的 token 較少。在 OpenAI 自家的軟體維護說明中，Ultra 推理強度設定也呈現相同趨勢：Astra 花費 $109.06，產生 142 項發現（每項 $0.77）；Sol 花費 $15.12，產生 131 項發現（每項 $0.12）。也就是說，只花 14% 的 API 成本，就取得 92% 的發現數量。

如果任務確實沒有明確邊界，例如整理大型程式碼儲存庫、操作瀏覽器和多個桌面應用程式，或透過多種工具追查問題，Astra 就很適合。但若是大量生成，同樣的工作用 Terra 或 Sol 就能以低得多的成本完成。

Claude Sonnet 5.5 與 GPT-6.1 Sol：牌價相同，帳單不同

Sonnet 5.5 和 Sol 的牌價都是 $2/$10，但每項任務的成本並不相同。Artificial Analysis 測得 Sonnet 每項任務成本為 $10.02，Sol 為 $1.27，相差 7.9 倍；每項任務耗時分別為 30.6 分鐘和 20.9 分鐘。

差距來自兩款模型的輸出量和思考方式。Anthropic 將 Sonnet 定位為 Opus 的快速、低成本搭配選擇，適合範圍明確的日常任務、錯誤修正和精修文件；而 Anthropic 表示，在需要持續判斷力的複雜開放式工作上，Opus 仍明顯更強。Sonnet 在 Terminal-Bench 4.0 的供應商公布分數為 70.6%，高於 Opus 的 66.4%；但 Sonnet 未公布推理強度設定，Opus 的數據則是在 xhigh 設定下取得。基準測試衡量的是特定任務，不是判斷力。token 成本仍足以解釋為何 Sonnet 的每項任務成本可能與 Opus 相當，儘管 token 價格只有一半。

Sol 是適合大量使用的模型。它在 max 推理強度下於智慧評分榜獲得 55 分，在 Arena Agents 以 12.51% 排名第六，並支援相同的 1.05M-token 上下文視窗。對於每天執行數千次的 Agent 迴圈、程式碼維護、批次分析和初步審查，Sol 每項任務 $1.27 的成本才是關鍵。

簡單來說：輸出必須正確，而且會由人閱讀時，選 Sonnet；輸出會交由另一個模型或測試套件檢查時，選 Sol。

Gemini 4 Argon：真正可用的 Gemini 4

Gemini 4 Argon 是大多數團隊實際上能使用的 Gemini 4 模型。它在 high 推理強度下於智慧評分榜獲得 50 分，在 Arena Agents 以 10.53% 排名第八。它可處理文字、圖片、音訊、影片和 PDF，支援 1M-token 上下文視窗；價格在 2026 年 11 月 30 日前為 $2/$10，之後為 $4/$20。Artificial Analysis 測得每項任務成本為 $9.95，耗時 25.8 分鐘。

Google 公布的結果在多模態和科學研究任務上最為突出：Vals Index 綜合排名第一、ERQA 得分 87%、RareBench 得分 57%，以及 LabBench 得分 52.2%。它適合長影片、以圖表為主的文件、3D 與空間推理，以及混合多種格式的研究工作。不適合低延遲聊天；AA 測得每項任務耗時 25.8 分鐘，與 Opus 相近，因此應預留時間供非同步或批次使用。

Kimi K3.1 Pro：開放權重程式設計挑戰者

Kimi K3.1 Pro 是開放權重模型在程式設計方面最接近閉源前沿模型的一款。Moonshot 表示，它在 Terminal-Bench 4.0 得分 65.7%，只比 Opus 5.5 低 0.7 分；此外，它在 Kimi Code Bench 3.0 Long-horizon 得分 61.2%，在搭配工具的 BenchCAD 得分 92.7%，並在 OfficeQA Pro v2 得分 64.4。它支援 1,048,576-token 上下文視窗，於 2026 年 10 月 24 日發布；權重則於 11 月 2 日以 Kimi K3.1 Pro License 發布在 Hugging Face 上。

需要注意的是，它在智慧評分榜的表現。AA 給 Kimi 46 分，比 Opus 低 13 分；它在 Arena Agents 的排名也在前十名之外。這樣的組合顯示，這款模型在供應商挑選的評測任務上表現出色，但目前還不能全面取代前沿旗艦模型。若需要開放授權或自行託管，可將它用於終端機程式設計、CAD 和 3D 工作，以及財務文件處理。

我們查閱的 Moonshot 定價頁面未列出美元牌價；AIHubMix 將 Kimi K3.1 Pro 列為每百萬 token $2/$10.5。Artificial Analysis 測得每項任務成本為 $3.68。

Claude Haiku 5.5：高頻使用的選擇

Haiku 5.5 是用於小型任務的模型。它在 intelligence index 上獲得 36 分，標價為每百萬 tokens $0.10/$0.50，適用於最多 100K tokens 的提示詞（超過 100K 時為 $0.50/$2.50），並支援 1M-token 上下文視窗。Artificial Analysis 測得每項任務成本為 $0.41。

它適合用於分類、擷取、路由、摘要，以及在較大型工作流程中需要快速做出決策的子 Agent。它並非用來處理高難度推理的模型；與 Opus 的差距有 23 個 index 分數。實務上的做法是讓 Opus 或 Sonnet Agent 負責規劃，再由 Haiku 執行成本低、規格明確的步驟。

Claude Fable 5.1：Anthropic 另一款旗艦模型

Fable 5.1 容易被忽略，因為它不是多數團隊優先選用的模型。它的標價為每百萬 tokens $10/$50，支援 1M tokens 的上下文和 128K 輸出，且已正式推出。Anthropic 稱 Fable 5.1 和 Mythos 5.1 是其最先進的程式設計與知識工作模型，不過該頁面並未直接比較 Fable 與 Opus 5.5。AA 測得 Fable 在 max 推理強度下為 49 分、xhigh 下為 50 分；Arena 排名第五，得分為 13.86%。

其受限版本 Mythos 5.1 使用相同的底層模型，但為經審核的美國組織提供較寬鬆的防護措施，適用於網路安全和生命科學領域，只能透過 Anthropic 的可信任存取計畫取得。Fable 的 token 價格是 Opus 的 2.5×，但這項溢價並未換來更高的 index 分數：在 xhigh 下，Fable 得 50 分，Opus 得 57 分；在 max 下則分別為 49 分和 59 分。AA 測得 Fable 在 xhigh 下每項任務成本為 $10.85，Opus 在 max 下為 $10.04，約高出 8%。在認定這項溢價值得之前，先實際測試。

開放權重模型：程式設計表現接近，通用智慧仍有差距

開放權重模型表格中的基準測試數據由供應商提供；GLM 的 Terminal-Bench 4.0 分數是在 mini-swe-agent 測試框架上使用 Max 配置所得。

Kimi 是最受矚目的模型。Terminal-Bench 得分 65.7%，與 Opus 僅差 0.7 分，是一項實質成就；1M 上下文也讓它能用於整個程式碼儲存庫的工作。但 intelligence index 的差距同樣值得注意：46 分對上 59 分。模型在單一程式設計基準測試上的表現可能接近，但在 index 衡量的推理、知識和 Agent 任務組合上，仍可能遠遠落後。

GLM 5.3 是這組模型中以成本為導向的選擇。AA 測得它在 max 推理強度下為 32 分，遠低於 Kimi 的 46 分；不過，它是採用 glm-5.3 授權的 753B MoE 模型，在 Terminal-Bench 4.0 上由供應商提供的分數為 41.9%（Max、mini-swe-agent），GDPval-AA v2 為 1769 Elo，使用工具時在 Humanity's Last Exam（HLE）上的得分為 62.5%。官方價格為 $1.40/$4.40；AIHubMix 目前的每百萬 tokens 價格低於牌價，為 $1.13/$3.94。

DeepSeek V4.1 Flash 1017 主打低成本與自主掌控。它是採用 MIT 授權的 763B 模型，具備 1M-token 上下文視窗、384K 最大輸出和視覺輸入功能。官方離峰價格為 $0.15/$0.60，尖峰時段則為 $0.30/$1.20；尖峰時段為週一至週五 UTC 01:00–04:00 和 06:00–10:00，不含中國公眾假期。快取命中的輸入價格為離峰每百萬 tokens $0.003，尖峰每百萬 tokens $0.006。它不是第一梯隊的通用模型，但能以極低成本取得一款長上下文多模態模型。

MiniMax M3.1 Flash 是多模態 Agent 的選擇：總參數量為 428B，每個 token 啟用 23B，具備 1M-token 上下文視窗，可輸入文字、圖片和影片，OSWorld 2.0 得分為 61.7。MiniMax 以人民幣計價，每百萬 tokens 為 ¥1/¥4。對電腦操作工作流程而言，它是值得考慮的自架替代方案，但速度表現平平。

開放權重模型的價值，不在於它們已全面縮小差距，而在於資料不能離開網路、成本必須固定，或需要微調時，你可以自主掌控模型。在這些限制條件下，部署自由比 index 上的幾分差距更重要。

入選名單之外，Meta 的 Muse Wonder 是 Arena 前十名中的另一款多模態 Agent，排名第九，得分為 9.42%；它的 Full 配置在 AA 上得 50 分，標準配置則為 44 分。xAI 的 Grok 4.7 提供 500K 上下文，提示詞少於 200K tokens 時標價為 $2/$6（達到 200K 及以上時為 $4/$12），AA 得分為 35。Alibaba 的 Qwen3.8 Max 每項任務成本為 $10.02，得分為 34。這些模型都不會改變第一梯隊的整體格局。

token 價格不等於任務成本

帳單欄是試算範例，不是 AA 數據：以標準牌價計算 10M 輸入 tokens 加上 2M 輸出 tokens，假設每個請求都低於供應商的長上下文門檻，且不使用快取或批次折扣。Carbon 和 Argon 採用標準費率；依其上市和初期優惠價格計算，兩者的帳單都會降至 $40。

可以得出三個結論。

第一，相同的 token 價格，每項任務的成本可能相差約 8×。Sonnet 和 Sol 的牌價都是 $2/$10。Sonnet 實測每項任務成本為 $10.02，Sol 則為 $1.27。差異來自輸出長度和思考時間，而不是價目表上的費率。

第二，昂貴的模型不一定是成本較高的選擇。Astra 的 token 價格是 Opus 的 2.5×，但每項任務的成本為 $6.24，低於 Opus 的 $10.04，因為它每項任務消耗的 tokens 較少。高費率和高帳單是兩回事。

第三，上下文並非免費。OpenAI 的長上下文級距會在請求超過 272K tokens 時，對整個請求套用較高費率：Astra 的輸入和輸出價格為 $20 和 $75，Sol 則為 $4 和 $15。1M-token 視窗確實實用，但每次請求都填滿它，是一項預算決策。

如何選擇

掌握三項原則，就能善用這張表。

在做出決定前，先執行 20 項真實任務。使用你自己的提示詞、輸出格式和失敗判準，而不是公開基準測試。20 項任務就足以看出模型是否無法遵循你的結構描述，或是在長上下文下失去效能。

將決策與執行分開。讓 Opus 或 Sonnet 負責規劃、審查和處理難題；讓 Haiku、Sol 或 DeepSeek 執行規格明確的步驟。在 Agent 系統中，不需要每個步驟都交給最昂貴的模型處理。

保留可替換的層。模型每隔幾個月就會改變。相較於選出某個月份的贏家，使用單一 API、收到一張帳單並集中查看一份記錄更重要。

透過 AIHubMix 使用這些模型

AIHubMix 不是另一款模型，而是讓模型可以替換使用的方式。一組金鑰即可搭配 OpenAI 相容端點、Claude 相容端點（測試版）和 Gemini 原生端點使用，超過 900 款模型合併在同一張帳單。表格中的 Gemini 4 Carbon 是唯一未提供的模型。快速入門指南說明了請求格式。

對多數團隊來說，OpenAI 相容端點就足夠了：

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 依照供應商名稱命名（此處沒有 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。

如果你不想為每個請求個別選擇模型，auto 路由器支援四種策略：cost_optimized（預設）、balanced、quality_first 和 latency_critical。可用於探索性工作；關鍵任務則固定使用指定模型，並保留備援方案。

常見問題

目前最強的 AI 模型是哪一款？
截至 2026 年 11 月 5 日，Gemini 4 Carbon 在目前的 Artificial Analysis Intelligence Index 上得分 60。對多數團隊而言，實際上最能投入正式環境使用的模型則是得分 59 的 Claude Opus 5.5。

我可以透過 AIHubMix 使用 Gemini 4 Carbon 嗎？
不行。Carbon 僅提供給部分網路安全防禦人員和 Fairwind 合作夥伴，未列入目錄。Gemini 4 Argon 則是全面開放使用的 Gemini 4。

哪款模型最適合程式設計？
高難度、開放式工作選 Opus 5.5；日常程式設計和文件工作選 Sonnet 5.5；大量 Agent 循環選 Sol；需要開放權重則選 Kimi K3.1 Pro。

Sonnet 5.5 的每項任務成本為什麼這麼高，明明它和 Sol 的每個 token 價格相同？
Artificial Analysis 測得 Sonnet 每項任務成本為 $10.02，Sol 則為 $1.27。Sonnet 每項任務消耗的 tokens 多得多。token 價格相同，帳單卻不同。

第一梯隊中最便宜的模型是哪一款？
GPT-6.1 Terra 的 AA 每項任務成本為 $0.96，是最便宜的。若只看得分達 55 以上的模型，GPT-6.1 Sol 以 $1.27 最便宜。DeepSeek V4.1 Flash 的每個 token 價格更低，但得分遠低於第一梯隊。

開放權重模型能追上前沿模型嗎？
在特定程式設計基準測試上，Kimi 表現接近：Terminal-Bench 4.0 得分為 65.7%，Opus 在 xhigh 推理強度下則為 66.4%。在通用智慧方面，AA 測得 Kimi 為 46 分，Opus 則為 59 分。選擇開放權重是為了掌控權、降低成本和進行微調，而不是因為差距已全面縮小。

我可以用一組 API 金鑰呼叫所有這些模型嗎？
Carbon 未列入 AIHubMix 目錄；表格中的其他模型都有提供。一組金鑰即可搭配 OpenAI 相容、Claude 相容和 Gemini 原生端點使用。

資料來源

1. Artificial Analysis Intelligence Index leaderboard, accessed November 5, 2026.
2. Arena Agents leaderboard, accessed November 5, 2026.
3. 前沿模型供應商資料：Claude Opus 5.5、Claude Sonnet 5.5、Claude Haiku 5.5、Claude Fable 5.1 與 Mythos 5.1、Claude 模型總覽、Gemini 4 Carbon、Gemini 4 Argon、Gemini API 模型、OpenAI 模型目錄、GPT-6 系列維護公告、Kimi K3.1 Pro、Kimi 定價。
4. 開放權重模型供應商資料：GLM 5.3 定價、GLM 5.3 模型卡、DeepSeek 定價、DeepSeek V4.1 Flash 1017 模型卡、MiniMax 定價、MiniMax M3.1 Flash 模型卡、Grok 4.7 模型。
5. AIHubMix：模型目錄與API 快速入門，查閱日期為 2026 年 11 月 5 日。