The Kill Line, Re-drawn
大模型斩杀线
谁斩杀了谁，用最新数据说话
本页能力、成本、速度主榜以 Artificial Analysis 2026-10-25 快照为准（智能指数 v4.3.2 × AA 实测每任务账单 × 72 小时实测速度中位数）。Kimi K3.1 Pro 已获 AA 收录：55 分 / $2.11 / 58 t/s，按模型最高档排第 4，比旧 K3 高 11 分，也超过 DeepSeek 1017 的 45 分。标准 API 单价较 K3 降 33%，但每任务账单并未同步下降——思考 token 增加抵消了单价优势。
页面更新于 2026-10-25
AA 主榜快照 2026-10-25
能力分来源 Artificial Analysis v4.3.2
价格来源 各家官网定价页
AA 收录模型 709
K3.1 Pro AA 第 4 · 55 分
01 · Timeline
最近 30 天模型大战
从 9 月末到 10 月 25 日，主线从「旗舰刷分」转成「能力、账单、速度一起比」：K3.1 Pro 以 55 分成为当前国产模型 AA 最高分，DeepSeek 1017 用 45 分 / $0.26 / 176 t/s 守住性价比，MiniMax 与蚂蚁刷新 Flash 档——已经不能用一句话说谁「全面碾压」谁。
九月末王座与地板
09-28
Anthropic Claude Sonnet 5.556 分
$2/$10 与上代持平；AA max 档 56 分 / $5.46，与 Opus 5.5 组成 Claude 高分双锚
09-29
OpenAI GPT-6.1 Sol（DevDay）
52 分 / $0.72，前沿分数首次压到 $1 以内；10-08 又加 Ultrafast 层
09-30
Google Gemini 4 Argon
新命名体系首发即 53 分 / $1.99；限 Fairwind 可信计划分批开放，本期 AA 已测速 81 t/s
09-30
蚂蚁 Ling 3.1 Flash开源
InclusionAI 百灵团队，560B/25B；原版 41 分 / $1.01 / 213 t/s，为 10-19 的 1019 版铺路
十月上旬快与便宜
10-07
Anthropic Claude Haiku 5.543 分 · 234 t/s
每任务 $0.21，成本比 Haiku 4.5 降 75%——Flash 级市场杀进大厂选手
10-09
阶跃 Step 5 Preview 调价公告涨价
缓存命中价 10-14 起翻倍并引入峰谷价；AA 实测每任务成本涨 43%（$0.72 → $1.03）
10-12
Meta Muse Wonder / Wonder FullFull 56 分
Full 与 Sonnet 5.5 同分但无公开 API；标准版 52 分 / $4.54 / 162 t/s——高分与可获得性要分开看
十月下旬国产主力换代
10-17
DeepSeek V4.1-Flash-1017AA 45 分
AA 已收录：旧版 39 → 45，当前 $0.26 / 176 t/s；总分落后 K3.1 Pro 10 分，但账单仅其约 1/8、速度约 3 倍——看交叉验证 ↓
10-19
MiniMax M3.1 Flash + 蚂蚁 Ling 3.1 Flash 1019同日换代
M3.1 Flash：43 分 / $0.22 / 113 t/s，官方 API $0.15/$0.60；Ling 1019：44 分 / $1.49，AA 暂未测速
10-24
Kimi K3.1 Pro 发布并获 AA 收录AA 第 4 · 55 分
55 分 / $2.11 / 58 t/s，比 K3 高 11 分；标准 API $2/$10/$0.20，权重承诺 11-04 前发布。官方技术报告与早期 X 风评已分列——看完整档案 ↓
本期主线：K3.1 Pro 把国产 AA 最高分推到 55，但「高分」和「省钱快」重新分开。对 DeepSeek 1017，K3.1 是总分 +10；DS 则是每任务成本约 1/8.1、速度约 3 倍。要能力上限选前者，要批量跑量选后者，别再只看一个冠军。
02 · Chart Gallery
对比图廊 · 四张图看懂 10 月格局
单个数字没有意义，对比才有。这一节把全站四张核心对比图放在一起：档位曲线看同一模型怎么随推理深度变强变贵，斩杀线散点看谁失去了定价权，成本条和速度条看账单与体验的真实差距。所有图共用同一坐标口径：AA 智能指数 v4.3.2 × 每任务成本，2026-10-25 快照；K3.1 Pro 已按 55 分 / $2.11 / 58 t/s 正式入图。
图 ① 推理深度 × 成本曲线：同一个模型，档位越高越聪明也越贵
六条档位曲线 + K3.1 单点：55 分的高分门票降到 $2.11
曲线位置 = 真实差距
Opus 5.5 整条线仍在 Astra 左上
- Opus 5.5 降到 high 档（$1.82）仍有 54 分
- 比 GPT-6 Astra 拉满 max（$3.26 / 53 分）更高分、近半价
- Sonnet 5.5 xhigh（$2.01 / 52 分）也摸到 Astra max 近旁
档位边际收益递减
从 high 到 max 的跃升最不划算
- Opus 5.5：high→max 涨 4 分，账单 ×3.3
- Sonnet 5.5：xhigh→max 涨 4 分，账单 ×2.7
- GPT-6.1 Sol：xhigh→max 涨 1 分，账单 ×1.8
- 日常任务停在 high / xhigh 档通常是甜点
单点模型的位置感
K3.1 与两个价格锚点
- K3.1 Pro（55 / $2.11）：比 Sonnet 5.5 低 1 分，账单仅其 39%
- MiMo-V2.6-Pro（46 / $0.13）仍是 46 分档价格锚点
- DeepSeek 1017（45 / $0.26）只低 1 分，账单是 MiMo 两倍
用法：先定你要的分数，再横着看谁的曲线/点最靠左。要 45–46 分：MiMo $0.13、DeepSeek $0.26；要 52 分：Sol max $0.72 或 Sonnet xhigh $2.01；要 53 分：Argon high $1.99、Astra max $3.26、Fable max $7.63；要 55 分：K3.1 Pro $2.11；要 56 分：Opus xhigh $3.46 或 Sonnet max $5.46，Muse Wonder Full 同分但没有公开 API；要 58 分：只有 Opus 5.5 max。
图 ② 斩杀线散点：谁在同能力下价格被碾压
能力 × 成本散点：K3.1 进入高分区，DeepSeek 仍守低价区
斩杀区（红）
能力 ≤ 46 分 且 每任务成本 ≥ $0.13
- Grok 4.7（46 / $3.74）：同分贵 29 倍，压线被斩
- Qwen3.8 Max（45 / $5.41）：国产旗舰里被斩得最狠
- GLM-5.3（45 / $2.01）仍在区内；旧 K3 已随换代退出当前榜
- Step 5 Preview 涨价 43% 后（44 / $1.03）陷得更深
能力溢出区（绿）
能力 ≥ 48 分：贵，但有只有它们能做的事
- Opus 5.5（58）独占榜首，Sonnet 5.5 与 Muse Wonder Full（56）随后
- K3.1 Pro（55 / $2.11）成为国产最高分，并进入绿区
- GPT-6.1 Sol（52 / $0.72）仍是最便宜的溢出区门票
- Muse Wonder（52 / $4.54）同分但比 Sol 贵 6.3 倍
两个锚点 + 两个挑战者
MiMo / DeepSeek 守低价，K3.1 攻高分
- MiMo-V2.6-Pro：46 分只卖 $0.13，仍是性价比线本体
- DeepSeek 1017：45 分 / $0.26，低价近身挑战不变
- K3.1 Pro：55 分比 MiMo 高 9 分，但账单是其 16.2 倍——高分与性价比不是同一冠军
本期反转点：K3.1 Pro 比旧 K3 高 11 分，直接把「Kimi 被 DeepSeek 反超」改写成「K3.1 领先 DeepSeek 10 分」。但 DS 的每任务账单仅为 K3.1 的约 1/8.1、速度约 3 倍——能力上夺回高分，成本与速度仍未夺回。
图 ③ 每任务成本：同一个任务，账单最多差 127 倍
AA 用同一个加权任务包实测每个模型的账单。注意坐标是对数的：MiMo 兄弟的一格，等于 Opus 5.5 的将近两格。
图 ④ 输出速度：最快与最慢差 5.9 倍，但快不等于聪明
策展模型里最快的 Claude Haiku 5.5（234 t/s）是 K3.1 Pro（58 t/s）的约 4 倍，与最慢的 Qwen3.8 Max（40 t/s）差 5.9 倍。速度条和能力榜放在一起看才有意义：慢而贵需要理由，快而便宜是天赋。更深一层见第 03 节速度榜。
03 · Speed
速度榜：K3.1 Pro 为什么仍比 DeepSeek 慢三倍
K3.1 Pro 普通版 AA 实测为 58 t/s，比旧 K3 官方端点的 38 t/s 提升约 53%，但 DeepSeek 1017 当前为 176 t/s，仍约为 K3.1 的 3 倍。Highspeed 官方称相对 K3.1 Pro 普速版快 2–3 倍，但尚未以独立条目进入 AA 本榜，不能把官方相对倍数当成跨模型实测。
速度 × 能力散点：快而强才是稀缺位置
右上 = 又快又强；右下 = 快但弱；左上 = 强但慢
又快又强（稀缺）
速度 ≥ 100 t/s 且分数 ≥ 47
- Muse Wonder（162 / 52）：Meta 新旗舰进入右上区
- Sonnet 5.5（134 / 56）：高分阵营里同样破百
- Opus 5.5 是 58 分但 96 t/s——强，但不算快
快但弱（量产区）
速度 ≥ 100 t/s，分数 < 47
- Haiku 5.5（234 / 43）速度王，还只要 $0.21
- DeepSeek 1017（176 / 45）、Ling 3.1 Flash（213 / 41）
- DS 速度快，但综合分已落后 K3.1 Pro 10 分
强但慢（深思区）
速度 < 100 t/s，分数 ≥ 44
- K3.1 Pro（58 / 55）：本组国产最高分，但不在高速区
- Qwen3.8 Max（40 / 45）、MiMo-Pro（59 / 46）、Astra（68 / 53）
- 适合不赶时间的难任务，别用来刷量
为什么 Kimi 不同模型、不同端点的速度差这么多
先说口径：AA 的输出速度 = 首 token 之后的平均生成速度，取过去 72 小时的 P50 中位数，每 3 小时复测一次，测速点固定在 Google Cloud us-central1；推理模型按答案后 80% 的 chunk 计速（剔除思考开头的抖动）。这套方法官方、连续、可复测，是目前最统一的速度标尺。
旧 K3 的历史数据能说明端点差异：Kimi 官方端点约 38 t/s，第三方服务商曾跑到 400+ t/s；但这些旧端点数字不能拿来冒充 K3.1 Pro 的实测。K3.1 Pro 当前可确认的是 AA 普通版 58 t/s，以及官方对 Highspeed「相对普速版 2–3 倍」的描述。要判断它是否比 DeepSeek 更适合你，仍需在同端点、同任务、同推理档下测总耗时。
速度口径依据：① AA 性能测试方法页（Output Speed 定义、72h P50、每 3 小时复测）；② AA · 旧 K3 服务端点对比（历史端点证据，不代替 K3.1 实测）；③ Kimi Code 模型配置（Highspeed 相对提速 2–3 倍、2 倍额度消耗）；④ OpenRouter · K3.1 Pro 可交叉查看接入与价格。
04 · Artificial Analysis
Artificial Analysis 智能指数总榜
当前热度最高的第三方综合榜单。智能指数 v4.3.2 由 10 项评测加权（AA-Briefcase、GDPval-AA、AutomationBench-AA、Terminal-Bench 4.0、SciCode、HLE、GDP.pdf、CritPt、AA-Omniscience、AA-LCR），私有题占 45%。先放两张 2026-10-25 官网原图，再给中文提炼表。
官网原图直引 （2026-10-25 截取，未修饰）
圈内看模型能力基本只认这两张图：图 A 纯比能力——智能指数总榜，不问价格，谁分高谁强；图 B 能力 × 成本——把账单放进坐标轴，一眼看出谁「贵得有道理」、谁被性价比斩杀。绿色区域是 AA 官方标注的「最优象限」，虚线是帕累托前沿。
K3.1 Pro 已获 AA 收录（2026-10-25）：55 分 / $2.11 / 58 t/s，按模型最高档排第 4，比旧 K3 的 44 分高 11 分。标准 API 为 $2 / $10 / $0.20（每 M tokens），较 K3 单价低 33%；但 AA 实测每任务账单并未比旧 K3 的 $2.00 更低，因为输出 token 更多。AA 发布专文较早记录为 $1.98，本页统一采用当前主榜 $2.11。官方技术博客已发布，权重承诺 11 月 4 日前公开；当前不能把「即将开放」写成「已开源」。看完整档案 ↓
中文提炼榜 （上图的汉化重绘，国产金色底纹）
重点 29 款 + K3 历史对照 （按最高档分数排序，省略同模型低档）
| # | 模型（最高档位） | 实验室 | AA 指数 | 每任务成本 | 输出速度 |
|---|---|---|---|---|---|
| 1 | Claude Opus 5.5 (max) | Anthropic | 58 | $5.98 | 96 t/s |
| 2 | Claude Sonnet 5.5 (max) | Anthropic | 56 | $5.46 | 134 t/s |
| 3 | Muse Wonder Full (max) 无公开 API | Meta | 56 | — | — |
| 4 | Kimi K3.1 Pro 新收录 · 国产最高 | 月之暗面 | 55 | $2.11 | 58 t/s |
| 5 | Claude Fable 5.1 (max) | Anthropic | 53 | $7.63 | 70 t/s |
| 6 | GPT-6 Astra (max) | OpenAI | 53 | $3.26 | 68 t/s |
| 7 | Gemini 4 Argon (high) | 53 | $1.99 | 81 t/s | |
| 8 | Muse Wonder (max) | Meta | 52 | $4.54 | 162 t/s |
| 9 | GPT-6.1 Sol (max) | OpenAI | 52 | $0.72 | 59 t/s |
| 10 | Grok 4.7 (xhigh) | xAI | 46 | $3.74 | 96 t/s |
| 11 | MiMo-V2.6-Pro 小米 | 小米 | 46 | $0.13 | 59 t/s |
| 12 | Qwen3.8 Max (0902) 阿里 | 阿里 | 45 | $5.41 | 40 t/s |
| 13 | DeepSeek V4.1 Flash 1017 (max) | DeepSeek | 45 | $0.26 | 176 t/s |
| 14 | GLM-5.3 (max) 智谱 | Z.ai | 45 | $2.01 | 95 t/s |
| 15 | Ling 3.1 Flash 1019 | InclusionAI | 44 | $1.49 | 未测 |
| 16 | Step 5 Preview 阶跃星辰 | 阶跃星辰 | 44 | $1.03 ⚠️ | 230 t/s |
| 旧 | Kimi K3 (max) 10-24 历史快照 · 已被替换 | 月之暗面 | 44 | $2.00 | 38 t/s |
| 17 | Claude Haiku 5.5 (max) | Anthropic | 43 | $0.21 | 234 t/s |
| 18 | MiniMax-M3.1-Flash | MiniMax | 43 | $0.22 | 113 t/s |
| 19 | GPT-5.6 Terra (max) | OpenAI | 42 | $1.40 | 130 t/s |
| 20 | GLM-5.3-Flash 智谱 | Z.ai | 42 | $0.28 | 70 t/s |
| 21 | Ling 3.1 Flash 蚂蚁 | InclusionAI | 41 | $1.01 | 213 t/s |
| 22 | Gemini 3.8 Flash (high) | 41 | $1.24 | 141 t/s | |
| 23 | Qwen3.8 2.4T A95B 阿里 | 阿里 | 40 | $2.16 | 41 t/s |
| 24 | Qwen3.8-Flash-Next 阿里 | 阿里 | 40 | $0.37 | 52 t/s |
| 25 | Muse Spark Open (xhigh) | Meta | 39 | $0.84 | 151 t/s |
| 26 | Mistral Large 4 Preview | Mistral | 38 | $1.13 | 109 t/s |
| 27 | GPT-6 Luna (max) | OpenAI | 38 | $0.07 | 140 t/s |
| 28 | MiMo-V2.6-Flash 小米 | 小米 | 38 | $0.06 | 56 t/s |
| 29 | DeepSeek V4 Pro 0813 (max) DeepSeek | DeepSeek | 36 | $0.67 | 103 t/s |
口径提醒：① 指数版本仍为 v4.3.2，与 9 月同版快照可直接对比；② 每任务成本是 AA 按固定加权任务包实测的账单，不是官方标价；③ K3.1 Pro 已正式进入图表和性价比计算，旧 K3 仅保留历史对照，不与当前模型重复排名；④ AA 发布专文的 $1.98 是较早快照，本页表格、图形和比值统一用当前主榜 $2.11；⑤ Muse Wonder Full 无公开 API，所以没有每任务成本与速度；⑥ AA 仍单列 DeepSeek 旧 V4 Flash Vision，但官方已并入 V4.1 Flash，本页维持不重复列榜的口径。
05 · Value Index
性价比指数：能力 ÷ 账单
性价比指数 = AA 智能指数 ÷ 每任务成本（USD），以最高的小米 MiMo-V2.6-Flash = 100 归一化。它回答一个问题：同样的钱，谁给我的能力最多。K3.1 Pro 已按 55 / $2.11 参与计算，指数仅 4.1——它是国产高分冠军，不是性价比冠军。
讲法一
低价前排重新排队
- MiMo-Flash（100）、Luna（85.7）、MiMo-Pro（55.9）守前三
- Haiku 5.5（32.3）第四，MiniMax M3.1 Flash（30.9）第五
- DeepSeek 1017（27.3）第六，GLM-5.3-Flash（23.7）随后
讲法二
旗舰全部为能力付溢价
- Fable 5.1（1.1）、Qwen3.8 Max（1.3）、Opus 5.5（1.5）垫底
- K3.1 Pro（4.1）略好于旧 K3（3.5），但仍远低于 DS（27.3）
- 预算敏感就别碰 max 档，降档通常省一半以上
讲法三
DeepSeek 的峰谷变量
- 峰谷价仍在执行：非高峰半价（见第 08 节）
- 1017 性价比指数 27.3；若只按谷价粗算可翻倍至约 54.6
- 但 AA 每任务成本不等于你的动态账单，调度后需按真实 token 重算
06 · Other Leaderboards & K3.1
其他榜单与 K3.1 早期风评
先看 K3.1 Pro 已确认什么、还缺什么，再看 LMArena、SWE-bench、Terminal-Bench 等分能力榜单。官方参数、厂商自测、第三方榜单、X 单次演示是四种证据，本页不混写；凡非官方一手抓取的数字都标 ⚠️。
Kimi K3.1 Pro 正式档案 （官方技术报告 + Artificial Analysis，2026-10-25）
| 维度 | K3.1 Pro / Highspeed | K3（历史对照） | 证据状态 |
|---|---|---|---|
| 定位与参数 | 官方称 3T 级；AA 披露 2.8T 总参数 / 104B 激活，显著增加后训练算力 | 上一代旗舰，2.8T | 官方技术博客 + AA |
| 代码 / 3D / 金融 | Terminal-Bench 4.0 官方自测 65.7%；Kimi Code Bench 3.0 为 61.2%（K3 为 55.95%）；BenchCAD 92.7% | 长程编程、游戏 / 3D、知识工作 | 厂商自测，不与 AA 混算 |
| AA 综合表现 | 55 分 / $2.11 / 58 t/s，按模型最高档第 4；AA 另测 Terminal-Bench 67%、AutomationBench 73% | 历史快照 44 / $2.00 / 38 t/s | AA 第三方，当前主榜 |
| API 单价（每 M tokens） | 标准版 $2 / $10 / $0.20（¥13 / ¥68 / ¥1.30）；Highspeed $4 / $20 / $0.20（¥26 / ¥136 / ¥1.30） | $3 / $15 / $0.30 | 输入 / 输出 / 缓存命中，官方价目 |
| 上下文与多模态 | 最高 1M；图片 + 视频输入 | 最高 1M；图片 + 视频输入 | Kimi Code 模型表 |
| 思考档位 | low / high / max，模型配置页默认 high；不可关闭思考 | low / high / max，默认 high | 当前官方文档为三档；早期 medium 传闻未采用 |
| 高速版 | 同模型效果，官方称约 2–3 倍输出速度、约 2 倍额度消耗；AA 目前只有普通版 58 t/s | 无同口径官方倍数 | 官方相对值，非跨模型实测 |
| 可用范围与权重 | Kimi.com / Kimi Work / Kimi Code / Kimi API 均已提供；权重承诺 11-04 前发布，当前尚未公开 | K3 权重已公开 | 「即将开放」不写成「已开源」 |
一手出处：Kimi K3.1 Pro 官方技术博客、Kimi Code 模型配置、官方价格指南、AA 发布专文。模型 ID 为 k3.1-pro 与 k3.1-pro-highspeed。
X / Twitter 早期风评 （10-22～10-24 抽样，非全量舆情统计）
偏正面：视觉与前端演示有记忆点
Three.js / 3D / SVG / 网页最集中
- @chetaslua：自报 15 分钟 one-shot 做出演示网站，有录屏；缺完整提示词、源码与重复运行
- @LuminaBench：3D 火车带速度滑块、爆炸视图与线框，交互完成度受好评
- @ChrisGPT：称连续使用一周、Three.js 表现好；更快更便宜的说法暂无日志支撑
反例：效果不稳与提示词偏移
同样是公开录屏，不能只挑好看的
- @kepochnik：Backrooms 游戏对比中对 K3.1 结果失望；单次作品，不能外推普遍排名
- @srikanthvaluri：Konark 日晷轮「设计好但偏简单」，雕刻细节不如 Gemini、报时功能不如 Opus
- @TimJayas：认为模型疑似自行纠正「骑自行车」提示词，指令遵循仍需复测
热度与传闻：不能当成跑分
官方预告 ≠ 技术报告；Kibitz ≠ 已确认身份
- @Kimi_Moonshot 10-23：24 秒无文字 Three.js 预告，画面有 Kimi K3.1；浏览已超 172 万，但无跑分
- @ChrisGPT 的 Kibitz 对比：自报 $0.38 vs $5.31，但无账单与完整设置，且 Kibitz 身份未获官方确认
- 「成本低 14 倍」「开源已定」等说法均不进入本站数据图
风评结论（10-25 更新）：视觉 / 前端早期口碑偏正面，负面主要集中于单次效果不稳、细节不足和提示词偏移。现在已有官方技术报告和 AA 第三方成绩，判断能力时以正式榜单为主，X 单次演示只用于理解实际体验。Highspeed 的独立绝对速度、长上下文稳定性和生产项目中的重复成功率仍缺可靠对照，早期「更快更便宜」与 Kibitz「14 倍成本」传闻均不采信为定论。
LMArena 文本竞技场 （人类盲测偏好，Elo 式 Arena Score）
| # | 模型 | Arena Score | 备注 |
|---|---|---|---|
| 1 | Claude Mythos 5 | ≈1531 | ⚠️ 二手快照（Swfte，2026-09-19/23）；头部 3–4 名分差在误差条内，实为统计平局。8 月底另一快照（ofox.ai）前三名为 Fable 5 / Opus 4.6 / Opus 4.7，头部变动频繁。 |
| 2 | Claude Fable 5 | ≈1525 | |
| 3 | Claude Opus 5 | ≈1522 | |
| 4 | GPT-5.6 Sol | ≈1514 | |
| 10 | Kimi K3（开源权重） | ≈1500 | 开源第一梯队 |
分榜亮点：WebDev 竞技场 GPT-6 Astra 1797 Elo 居首、Claude Fable 5.1 1762 紧随其后（⚠️ 二手，Crypto Briefing 2026-09-05）。K3.1 Pro 尚未以正式名称进入本页所引 LMArena 榜单；匿名 Kibitz 与 K3.1 的映射未获官方确认，不把匿名测试成绩记到 K3.1 名下。
SWE-bench Verified （真实 GitHub issue 修复，官方榜）
| # | 系统（Agent + 模型） | 解决率 | 提交日期 |
|---|---|---|---|
| 1 | Sonar Foundation Agent + Claude 4.5 Opus | 79.2% | 2025-12-05 |
| 1 | live-SWE-agent + Claude 4.5 Opus (medium) | 79.2% | 2025-12-15 |
| 3 | TRAE + Doubao-Seed-Code（字节） | 78.8% | 2025-09-28 |
| 4 | live-SWE-agent + Gemini 3 Pro Preview | 77.4% | 2025-11-20 |
| 5 | Claude 4.5 Opus (high) | 76.8% | 2026-02-17 |
口径警示：官方榜自 2026-02 后基本停收新提交；此后厂商改用自报数字（如 Claude Opus 5 宣称 96%、Kimi K3 93.4%），不在官方榜上。业界认为 Verified 已饱和，区分度转移到 SWE-bench Pro（Scale AI）：当前 Muse Spark 1.1 以 61.5%（公开集）居首（⚠️ 二手，Morph 2026-09-14 核对）。
Terminal-Bench 4.0 （K3.1 官方自测与 AA 第三方双口径）
| 模型 | 解决率 | 口径与出处 |
|---|---|---|
| Kimi K3.1 Pro | 67% | AA 独立评测，当前最高；旧 K3 为 13% |
| Claude Opus 5.5 | 66.4% | Kimi 官方技术博客对照值 |
| Claude Sonnet 5.5 | 64% | AA 发布专文对照值 |
| GPT-6 Astra | 58.2% | Kimi 官方技术博客对照值；与 09-08 旧榜相同 |
K3.1 Pro 在官方技术博客中的自测结果为 65.7%，AA 复测为 67%；运行配置不同，两个数字不取平均。原先基于 09-08 的「Astra 居首」旧榜已移至历史对照，不再冒充当前排名。AA 同时给出 AutomationBench-AA：K3.1 Pro 73%，旧 K3 为 58%。
推理与数学 （GPQA · AIME · HLE · FrontierMath）
GPQA Diamond
⚠️ 二手聚合，2026-09
- GPT-6 Astra 96.1% 居首（modelgrep）
- Gemini 3.8 Flash 95.3%、Grok 4.6 94.9%
- 头部 94–96%，趋于饱和
AIME 2026
⚠️ evals.report 聚合（含厂商自报）
- Claude Opus 4.8 100% 满分
- GLM-5.2 99.2%（国产最高）
- 前 16 名 ≥ 95.83%，已基本饱和
Humanity's Last Exam
⚠️ AA 标准化实测口径（modelgrep）
- Claude Opus 5.5 61.4% 居首
- Fable 5.1 59.1%、Fable 5 55.5%
- 带工具口径另有 65% 说法，引用需注明
其他：ARC-AGI-3（交互式新榜）GPT-6 Astra 62.7% 居首；FrontierMath v2 Tier 4 GPT-6 Astra 97.6%；LiveCodeBench 千问 Qwen3.7 Max 91.6% 领先（以上均为 ⚠️ 二手聚合，2026-09 中下旬）。
07 · Flash Wars
Flash 王座之争：默认模型该选谁
这不是旗舰总榜，而是给日常使用者的「高性价比默认模型」专题。10 月 25 日的格局是：DeepSeek 1017（45 分 / $0.26 / 176 t/s）守低价高速，Haiku 5.5（43 / $0.21 / 234 t/s）守速度，MiniMax M3.1 Flash（43 / $0.22 / 113 t/s）进入性价比前排；K3.1 Pro 以 55 分作为旗舰参照，但不参与 Flash 性价比冠军评选。比的仍然是完成一个合格任务的总成本。
DeepSeek V4.1 Flash 1017
低价高速 · 可错峰的后台流水线
45
AA 指数
176
tok/s 速度
$0.26
AA 每任务成本
1M
上下文
- 对 K3.1 Pro：AA 总分 45 vs 55，落后 10 分；但账单仅约其 1/8.1、速度约 3 倍
- 每任务成本 $0.26，API 标价不变；峰谷价与 AA 账单是两种口径
- 谷价输出 $0.60/M，夜间批处理极省
- 图像理解可用，但视频 / 音频输入不在其能力范围内
GLM-5.3 Flash
交付闭环王 · 视觉 Agent 与 Office 交付
42
AA 指数
70
tok/s 速度
$0.28
AA 每任务成本
1M
上下文 · 原生多模态
- 能看页面/图片/视频并用渲染反馈继续修，少一次返工
- 官方支持 PPTX / PDF / DOCX / XLSX 交付闭环
- 官方输出标价 $0.39/M，限时五折 $0.20；促销后需按长期价重算
GPT-6 Luna
前价格地板 · OpenAI 入门档
38
AA 指数
140
tok/s 速度
$0.50
输出 $/M（输入 $0.10）
$0.07
AA 每任务成本 · 全场第二低
- 性价比指数 85.7，锚点地位 10 月让位于 MiMo-Flash
- 大厂合规与稳定性背书，免调度、无峰谷
- 能力下限：复杂 Agent 任务别指望它
Claude Haiku 5.5
速度王 · 快与分的平衡
43
AA 指数
234
tok/s 速度（本组最快）
$0.50
输出 $/M（输入 $0.10）
$0.21
AA 每任务成本
- 10-07 发布：官方称成本比 Haiku 4.5 降 75%
- 大厂合规 + 快 + 分高，唯独不是最便宜
- 预算极限场景仍让位于 Luna / MiMo-Flash
MiniMax M3.1 Flash
10-19 新入局 · 低价 Agent 挑战者
43
AA 指数
113
tok/s 速度
$0.22
AA 每任务成本
1M
上下文
- 官方 API $0.15 输入 / $0.60 输出每 M tokens
- 官方称线上速度提升近 3 倍、成本降低 70%；与 AA 测速口径不同
- 性价比指数 30.9，紧随 Haiku 之后，超过 DeepSeek 1017 的 27.3
Kimi K3.1 Pro 旗舰参照
国产高分冠军 · 不参加 Flash 性价比评选
55
AA 指数 · 第 4
58
tok/s 普通版
$2.11
AA 每任务成本
1M
上下文
- 比旧 K3 高 11 分，比 DeepSeek 1017 高 10 分
- API 单价比 K3 低 33%，但 AA 总账单并未低于旧 K3 的 $2.00
- 适合复杂代码、3D、金融研究；批量跑量仍先算 DS / MiMo 的总账
DeepSeek 1017 官方基准表 + AA 交叉验证 （厂商自测与第三方口径分列）
10-17 DeepSeek 发布 V4.1-Flash-1017（MIT 开源，API 名 deepseek-flash 不变、价格不变），并在 HuggingFace 模型卡里直接放出与 Kimi K3、GLM-5.3、Claude Opus 5 的对比表——11 项基准对 K3 十项明确胜出。加粗 = 该行全场最高；† = 仅文本子集成绩（HLE 含图像题）。
| 基准 | V4.1-Flash-1017 | V4.1-Flash（0910） | Kimi K3 | GLM-5.3 | Claude Opus 5（参照） |
|---|---|---|---|---|---|
| HLE（无工具） | 42.6（†44.0） | 36.8 | 43.5 | †42.0 | 56.3 |
| Terminal-Bench 4.0 | 42.3 | 31.2 | 12.6 | 37.9 | 51.8 |
| DeepSWE v1.1 | 77.0 | 74.2 | 67.5 | 66.9 | 74.0 |
| ProgramBench | 29.1 | 20.3 | 17.5 | 19.0 | 37.0 |
| NL2Repo | 68.2 | 65.4 | 58.0 | 58.0 | 75.3 |
| Automation-Bench | 60.5 | 54.8 | 46.7 | 48.8 | 50.3 |
| Agents' Last Exam | 35.4 | 31.8 | 27.6 | 28.5 | 28.6 |
| Apex Bench | 72.1 | 64.6 | 47.8 | 56.6 | 65.8 |
| Chartography（视觉） | 83.0 | 78.9 | 68.1 | 未测 | — |
| BabyVision（视觉） | 92.5 | 89.6 | 85.7 | — | — |
| ZeroBench（视觉） | 51.0 | 49.0 | 41.0 | — | — |
怎么读这张表（10-25 更新）：① 表内是 DeepSeek 对旧 K3 的厂商自测，不能把结论原样外推到 K3.1 Pro；② AA 已收录 1017，当前为 45 分 / $0.26 / 176 t/s，验证了涨分方向；③ 新一代对比已变成 K3.1 Pro 55 vs DS 45——K3.1 综合分高 10，但 DS 每任务成本仅约其 1/8.1、速度约 3 倍；④ 厂商表的 HLE 全文口径仍是旧 K3 43.5 高于 1017 42.6，说明单项与综合、自测与第三方必须分开。
国产多模态边界速查（2026-10-25 复核）：DeepSeek V4.1 Flash = 图像理解；Kimi K3 = 图像 + 视频 + 音频理解；K3.1 Pro 在 Kimi Code 官方模型表中列为图像 + 视频输入；GLM-5.3 Flash = 图像 + 视频；阿里 Qwen3.8-Max 带视觉理解；MiniMax-M3 = 图像 + 视频理解——注意区分「输入」与「生成」：M3 看得懂图，但画不了图，图像/视频生成在海螺 H3 生成线。速度维度：AA 实测 DS 176 t/s vs K3.1 Pro 普通版 58 t/s；Highspeed 的 2–3 倍仅是相对自家普速版的官方口径。
| 场景 | 建议默认模型 | 理由 |
|---|---|---|
| 批量文本清洗 / 分类 / 摘要 | 夜间 DeepSeek V4.1 Flash，白天 GPT-6 Luna 或 MiMo-Flash | DeepSeek 谷价便宜但需调度；Luna 全天同价省心；MiMo-Flash 底价最狠 |
| 前端 / GUI / 视觉验收 | GLM-5.3 Flash；复杂 3D 可加试 K3.1 Pro | GLM 有交付闭环；K3.1 的 AA 与官方 3D 证据更充分，但仍需验收实际作品 |
| Office / PPT / 金融交付 | GLM-5.3 Flash；K3.1 Pro 重点候选 | GLM 有现成交付闭环；K3.1 的金融研究方向明确，先用真实任务验收 |
| 超低延迟短任务 | Claude Haiku 5.5（234 t/s） | 本组最快；DeepSeek 1017（176 t/s）次之 |
| 极限底价跑量 | 小米 MiMo-V2.6-Flash（$0.06/任务） | 56 t/s 偏慢，适合不赶时间的后台任务 |
| 复杂代码 / 3D 创作 | K3.1 Pro 可作为新默认候选 | AA 55 分、AA Terminal-Bench 67% 与官方技术报告已落地；生产迁移仍先做小样本回归测试 |
| 报价与预算 | 一律按长期价报价 | GLM 五折与 DeepSeek 谷价都是变量，不算进底价 |
08 · Pricing
官方价格表与峰谷价
各家官网标价（K3.1 及变动项于 10-25 复核，其余沿用前次核对），国产模型按人民币官价以 ≈7.1 汇率折算为美元。AA 的「每任务成本」与下表标价是两种口径：前者是实测账单，后者是价目表；Highspeed 的普通输入、输出和缓存写入价约为标准版 2 倍，缓存命中价相同。
旗舰梯队 （$/百万 tokens）
| 模型 | 输入 | 输出 | 缓存命中 | 上下文 | 备注 |
|---|---|---|---|---|---|
| OpenAI GPT-6 Astra | $10.00 | $50.00 | $1.00 | 1.05M | 长上下文档 $20/$75 |
| Anthropic Claude Fable 5.1 | $10.00 | $50.00 | $0.25 | 1M | 缓存读 9 月降价 75% |
| Anthropic Claude Opus 5.5 | $4.00 | $20.00 | $0.20 | 1M | 比 Opus 5 便宜约 40% |
| Anthropic Claude Sonnet 5.5 | $2.00 | $10.00 | $0.10 | 1M | 09-28 发布，与 Sonnet 5 同价 |
| Google Gemini 4 Argon | $2.00 | $10.00 | — | 1M | 09-30 发布，限 Fairwind 计划分批开放 |
| 月之暗面 Kimi K3.1 Pro | $2.00（¥13） | $10.00（¥68） | $0.20（¥1.30） | 最高 1M | 标准 API；权重承诺 11-04 前发布 |
| 月之暗面 Kimi K3.1 Pro Highspeed | $4.00（¥26） | $20.00（¥136） | $0.20（¥1.30） | 最高 1M | 常规价约 2 倍，缓存命中同价 |
| 月之暗面 Kimi K3 | $3.00（¥20） | $15.00（¥100） | $0.30 | 1M | 历史对照；K3.1 单价约降 33% |
| xAI Grok 4.7 ⚠️ | $2.00 | $6.00 | $0.50 | 500K | 多源一致，待官网复核 |
| Google Gemini 3.1 Pro ⚠️ | $2.00 | $12.00 | — | >200K 升档 | 多源一致，待官网复核 |
| 智谱 GLM-5.3 | $1.13（¥8） | $3.94（¥28） | ¥2 | 1M | 缓存存储限时免费 |
| 阿里 qwen3.8-max | $1.69（¥12） | $5.07（¥36） | 有折扣 | 1M | Batch 半价 |
| DeepSeek V4 Pro（峰/谷） | $1.32 / $0.66 | $3.96 / $1.98 | $0.044 / $0.022 | 1M | 最大输出 384K |
| 腾讯混元 Hy4 preview | $0.83（¥6） | $2.50（¥18） | ¥0.3 | 1M | 开源 Apache 2.0 |
低价 / Flash 梯队 （$/百万 tokens）
| 模型 | 输入 | 输出 | 上下文 | 备注 |
|---|---|---|---|---|
| OpenAI GPT-6.1 Sol | $2.00 | $10.00 | 1M | 缓存 $0.10；Ultrafast 层 $12/$60（10-08） |
| Google Gemini 3.8 Flash ⚠️ | $0.75 | $3.75 | 1M | 促销价至年底，2027 起翻倍 |
| OpenAI GPT-6 Luna | $0.10 | $0.50 | 长档 $0.20/$0.75 | 缓存 $0.01 |
| Anthropic Claude Haiku 5.5 | $0.10 | $0.50 | 1M | 10-07 发布，成本比 Haiku 4.5 降 75% |
| MiniMax M3.1 Flash | $0.15 | $0.60 | 1M | 缓存输入 $0.015；10-19 发布 |
| 小米 MiMo-V2.6-Flash | $0.14（¥1） | $0.28（¥2） | 1M | MIT 开源 309B/15B |
| 智谱 GLM-5.3-Flash | $0.11（¥0.8） | $0.39（¥2.8） | 1M | 限时五折 ¥0.4/¥1.4 |
| 阿里 qwen3.8-flash | $0.11（¥0.8） | $0.38（¥2.7） | 1M | — |
| DeepSeek V4.1-Flash（峰/谷） | $0.30 / $0.15 | $1.20 / $0.60 | 1M | 缓存命中 $0.006/$0.003 |
| 腾讯混元 Hy3 | $0.14（¥1） | $0.56（¥4） | — | TokenHub 平台 |
K3.1 Pro 单价降了，账单为什么没降：标准 API 的输入、输出、缓存命中单价均比 K3 低约 33%，但 AA 发现 K3.1 Pro 每个智能指数任务使用约 55K 输出 tokens，比 K3 的 48K 多 14%。因此 AA 发布专文每任务约 $1.98，10-25 主榜实时值为 $2.11，与旧 K3 的 $2.00 基本同档、并非「便宜 33%」。Highspeed 常规价约 2 倍，缓存命中价不变；X 上匿名模型的自报成本不能替代这些官方与 AA 口径。
DeepSeek 峰谷价仍在执行（2026-08-17 起）：高峰 = 北京时间工作日 09:00–12:00、14:00–18:00；谷价为峰价一半，周末及法定节假日全天谷价。批量任务调度到夜间，V4.1 Flash 输出可低至 $0.60/M。
阶跃 Step 5 Preview 调价（公告 10-09，10-14 生效）：缓存命中价 ¥0.35 → ¥0.70 翻倍，并引入峰谷价。AA 实测每任务成本已从 $0.72 升至 $1.03（+43%）——促销活动总会结束，长期价才是底价。
09 · Sources & Method
数据出处与口径说明
本页所有结论可溯源。一手来源优先；标 ⚠️ 的数字来自第三方快照或聚合站，发布前已交叉验证、仍建议核对原站。
- Artificial Analysis 智能指数 v4.3.2 模型总榜与 K3.1 Pro 发布专文（55 / $2.11 / 58t、第 4、Terminal-Bench 67%、输出 token 55K；专文较早成本 $1.98 已在页面注明）2026-10-25 抓取
artificialanalysis.ai/leaderboards/models、K3.1 Pro 模型页、K3.1 Pro 发布专文；第 04 节两张官网原图来自同日截图 - Artificial Analysis 性能测试方法（输出速度 = 首 token 后平均速度、72 小时 P50、每 3 小时复测）与旧 K3 服务端点对比2026-10-25
artificialanalysis.ai/methodology/performance-benchmarking、旧 K3 providers；OpenRouter · K3.1 Pro - Kimi K3.1 Pro 官方技术博客、模型配置与价格指南（3T / 1M / 代码 / 3D / 金融研究、Highspeed、$2/$10/$0.20、权重 11-04 前发布）2026-10-25
官方技术博客；Kimi Code 模型配置；官方价格指南 - Kimi API 开放平台价目（K3.1 Pro / Highspeed / K3 独立 API 价）2026-10-25 复核
platform.kimi.com/docs/pricing/chat - K3.1 官方 X 预告与早期用户帖（单次演示，非严格复现；Kibitz 身份未获官方确认）2026-10-22～24 抽样
官方预告；网页演示；3D 火车；游戏反例；细节对比；提示词偏移反馈；Kibitz 成本自报 - Meta 官方 Muse Wonder / Wonder Full 发布页（10-12；分数、成本与速度另取 AA 同快照）2026-10-24 复核
about.fb.com/.../introducing-muse-wonder-models - MiniMax M3.1 Flash 官方发布博客（10-19；$0.15 / $0.60 / $0.015、官方相对速度与成本口径）2026-10-24
minimax.io/blog/minimax-m31f；M3 原生多模态口径（06-01） - Anthropic 官方定价与发布页（Opus 5.5 / Sonnet 5.5 / Haiku 5.5 / Fable 5.1）2026-10-12
platform.claude.com/docs/en/about-claude/pricing；Sonnet 5.5（09-28）；Haiku 5.5（10-07）；Opus 5.5 系统卡（PDF） - OpenAI 官方定价与发布页（GPT-6 Astra / GPT-6.1 Sol / GPT-6 Luna）2026-10-12
platform.openai.com/docs/pricing；GPT-6.1 Sol（09-29 DevDay） - Google Gemini 4 Argon 官方博客（09-30，Fairwind 计划分批开放）2026-10-12
blog.google/.../gemini-4-argon - DeepSeek 官方定价与峰谷价、更新日志（含 10-17 的 V4.1-Flash-1017 与自研搜索 API 条目）2026-10-17 复核
api-docs.deepseek.com/quick_start/pricing；api-docs.deepseek.com/updates - DeepSeek-V4.1-Flash-1017 HuggingFace 官方模型卡（MIT 开源；第 07 节 1017 / 0910 / Kimi K3 / GLM-5.3 / Opus 5 对比表原始出处，厂商自测口径）2026-10-17
huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash-1017；报道参考 量子位 2026-10-17 - 阶跃星辰开放平台定价（Step 5 Preview 调价公告：缓存命中价 10-14 起翻倍 + 峰谷价）2026-10-12
platform.stepfun.com - 智谱开放平台定价（GLM-5.3 / 5.3-Flash 及限时五折）2026-10-12
open.bigmodel.cn/pricing - 阿里百炼计费说明（qwen3.8-max / flash）2026-10-12
help.aliyun.com/zh/model-studio/billing-for-model-studio；云栖大会报道 量子位 2026-09 - 小米 MiMo-V2.6-Flash（09-22 开源发布，MIT，309B/15B）与蚂蚁 Ling 3.1 Flash（09-30，InclusionAI；1019 数据取 AA 10-24 快照）2026-10-24 复核
github.com/XiaomiMiMo；github.com/inclusionAI - 腾讯 TokenHub 官方文档（混元 Hy4 preview / Hy3、Kimi K3 转售价）2026-09-22 更新
cloud.tencent.com/document/product/1823/130055 - SWE-bench Verified 官方榜单数据（GitHub 数据仓库）文件更新 2026-09-01
SWE-bench/swe-bench.github.io - ⚠️ LMArena 文本竞技场二手快照2026-09-19/23
swfte.com/lmarena；ofox.ai（2026-08-31）（官网 JS 渲染无法直接抓取） - Terminal-Bench 4.0 当前对照（K3.1 Pro：AA 67%；官方自测 65.7%）与历史整理数据当前项 2026-10-25；历史项 2026-09-08
AA 发布专文；Kimi 官方技术博客；codingfleet（历史快照） - ⚠️ GPQA / HLE / ARC-AGI / LiveCodeBench 等聚合数据2026-09 中下旬
modelgrep.com；benchlm.ai；evals.report - ⚠️ xAI Grok 4.7 / Google Gemini 3.1 Pro 价格（官网抓取失败，多源一致）2026-09-18~22
The Decoder；Codersera
口径与方法
① 能力分一律采用 AA 智能指数 v4.3.2（2026-10-25 快照）；推理档位曲线取 AA 同一快照下各模型 medium / high / xhigh / max 档位的分数与每任务成本。旧 K3 只保留历史对照，不与 K3.1 Pro 重复进入当前排名。第 07 节 DeepSeek 官方表为厂商自测口径，与 AA 第三方口径分列、不混用。 ② 「每任务成本」为 AA 按固定加权任务包实测账单，与官网标价是两种口径，第 02/05 节用前者，第 08 节给后者；AA 发布专文的 $1.98 与当前主榜 $2.11 属不同快照，本页统一用后者。 ③ 斩杀区定义：AA 指数 ≤ 斩杀线本体（MiMo-V2.6-Pro，46 分）且每任务成本 ≥ $0.13；能力溢出区 = 指数 ≥ 48。 ④ 性价比指数 = AA 指数 ÷ 每任务成本，MiMo-V2.6-Flash = 100 归一化。 ⑤ 汇率：人民币官价按 ≈7.1 折算为美元，仅作同页比较。 ⑥ 速度口径：AA 输出速度 = 首 token 后平均生成速度的 72 小时 P50 中位数（每 3 小时复测，测速点 us-central1）；同一模型不同服务商端点差距可达数倍，本页以 AA 默认端点口径为准，选购时以目标端点实测为准。 ⑦ K3.1 Pro 已按 55 / $2.11 / 58 t/s 进入全部相关图表；权重承诺 11-04 前发布，当前仍属未公开，不能写成「已开源」。Kibitz 身份未获官方确认，相关成本与跑分传闻不参与图表计算。其他待确认项（Qwen4、Gemini 3 Deep Think 评分）同样不进入图表。 ⑧ X 风评是 10-22～10-24 的公开帖子抽样，不是全量舆情或正负面比例统计；单次录屏只说明该次结果，不证明生产稳定性、普遍排名或真实账单。
大模型斩杀线 ｜ 数据整理与页面制作：你猜吧 ｜ 页面更新于 2026-10-25（AA 主榜快照 2026-10-25），K3.1 Pro 权重正式公开或 Highspeed 获 AA 单列后将加更
本页为数据整理与可视化作品，不构成任何采购建议；模型能力随版本快速变化，请以原始出处最新数据为准。
© 2026 你猜吧 ｜ 京ICP备2026059588号 ｜ 京公网安备11010802050250号 ｜ 返回你猜吧主页 →
本页为数据整理与可视化作品，不构成任何采购建议；模型能力随版本快速变化，请以原始出处最新数据为准。
© 2026 你猜吧 ｜ 京ICP备2026059588号 ｜ 京公网安备11010802050250号 ｜ 返回你猜吧主页 →