ARTICLE · 1291583
一个月换了四代模型,你那份＂AI 工具清单＂该重写了
这个十月,我的手机被一类推送轰炸了:
“OpenAI 发布 GPT-6.1,推理速度提升 8 倍。”
“谷歌发布 Gemini 4 Argon,新一代旗舰。”
“Gemini 4 Carbon 屠榜,全球第一。”
“Claude Opus 5.5 来了。”
中间还夹着国产队的集体交卷:Kimi K3.1、GLM-5.3、DeepSeek V4.1、小米的 MiMo-V2.6。
一个月,四代旗舰。我朋友圈里做 AI 内容的朋友已经写麻了,今天“最强”,明天“变天”,后台一堆人问我:到底该用哪个?
问得好。我去把 Artificial Analysis 的实时榜单扒了下来,三张表看完,答案其实挺清楚的。
Artificial Analysis 实时榜单:智能、速度、成本三张榜
一、第一张表:头部挤成了一团
智能榜前五是:Gemini 4 Carbon 59 分,Claude Opus 5.5 58 分,GPT-6 Astra 57 分,GPT-6.1 Sol 55 分,Claude Fable 5.1 49 分。
智能榜:前四名只差 4 分|图源:Artificial Analysis
看出来了吗?第一名和第四名,只差 4 分。
两年前,榜首和榜尾能差出一代人的距离。现在前四名挤在 4 分以内,谁发新模型谁就暂时坐第一,坐到下周被别人超掉。
所以“屠榜”这个词,看看就好。今天的第一名,保质期按天算。这点我上一篇写 Carbon 的时候说过,榜单只是再次证实了它。
二、第二张表:最快的,不最聪明
速度榜的第一名你可能没听过:Muse Wonder,每秒 197 个 token。
第二名是 DeepSeek V4.1 Flash,178。而智能榜第一的 Carbon,速度 100,排第四。智能榜上的红人 Kimi K3.1 Pro,速度只有 36,垫底。
速度榜:最快的不最聪明,最聪明的不最快|图源:Artificial Analysis
这不是缺陷,是分工。聪明和快,在这个行业里是两条技术路线。想清楚你要哪个,比想清楚谁第一重要得多。
聊天写作,慢两秒无所谓。但你让 AI 帮你盯着数据、批量处理几百个文件的时候,速度就是钱。
三、第三张表:真正的分水岭在价格
成本榜是我觉得最该看的一张。同样一个任务,各家的收费:
成本榜:每任务成本,最低 $0.26,最高 $12.99|图源:Artificial Analysis
最右边,Claude Fable 5.1,一个任务 12.99 美元。
最左边,小米的 MiMo-V2.6-Pro,一个任务 0.26 美元。
50 倍。智能分差多少呢?49 对 30,差不到一倍。
再往前看,第二名 DeepSeek V4.1 Flash,0.60 美元一个任务,智能 32 分,速度 178。这个组合翻译过来就是:够聪明,够快,够便宜。
成本榜前两名都是国产模型,前五名里国产占了三席。硅谷在卷“最强”,国产队在卷“够便宜”。对每天真在用的人来说,后面这件事重要得多。
四、所以,清单怎么换
直接给结论,按场景来:
写方案、改稿、长文写作:Claude Opus 5.5。智能榜第二,写作手感公认最稳,速度也够用。等 Carbon 开放后可以再试一次。
写代码、复杂工程活:不急的话等 Carbon 开放,它在这个方向上是断档式的;现在要用,Argon 或 Opus 5.5 顶着。
批量任务、自动化、让 AI 替你值班:DeepSeek V4.1 Flash 或 MiMo-V2.6-Pro。这种一天跑几百次的场景,50 倍价差就是真金白银。
着急要结果的实时场景:Muse Wonder,197 的速度目前独一档。
超长文档:GPT-6 Sol,上下文窗口 100 万 token,整本书丢进去都行。
一句话总结:旗舰模型负责“最强”,你的钱包负责“够用”。把这两件事分开,这个月的信息轰炸就吵不到你了。
五、先别急着全换,三件事得说清楚
热闹归热闹,该说的还是得说。
第一,榜单每周都在变。你今天照着换完,下周可能又洗牌。追新不如追稳,你的工作流跑顺了,就别为 2 分的差距折腾。
第二,迁移有真实成本。提示词要重调,习惯要重养,团队要重教。换模型的收益得先覆盖这些,不然就是负优化。
第三,上面是 API 价格。会员订阅是另一本账,而且各家最近都在调价。掏钱之前,去官网再看一眼现在的价格,别拿这篇文章当报价单。
这个十月很吵,但吵的不是“谁最强”,是“选择变多了”。三年前你没得选,现在你可以按场景点菜,这是好事。
把清单换完,剩下的时间,去干活。
