方法论与数据说明
Glance 用实测的单次任务账单替代宣传标价,帮助快速判断各场景下的主力模型选择。
为什么标价低不等于单次便宜
推理模型在输出最终回答前,会先生成大量内部思考(Reasoning)Token,且通常按输出单价计费。标价便宜但思考冗长的模型,单次实付反而可能数倍于输出克制的高单价模型。
Glance 把每百万 Token 标价、思考/回答长度与单次实付美元账单放在一起对比,避免只看标价误判花费。
两层数据来源
原站实测 ↗
直接引自 Artificial Analysis、CursorBench、Terminal-Bench、FrontierCode 等机构公开的实测数据与 API 字段,所有图表与表头均附带原站 ↗ 链接。
Agent 归纳
基于公开实测数据整理出的场景推荐(默认主力 / 低成本 / 能力上限)与本期要点,每条结论均标明适用边界。
收录标准(闭源 + 开源)
- 不按地域或归属区分,闭源 API 与开源权重模型采用同一门槛。
- 需在 Artificial Analysis、CursorBench 或 Terminal-Bench 任一核心榜居前列,或位于能力与成本的性价比前沿(帕累托前沿)。
- 每期控制在 8–14 款模型,保持信息紧凑、易于对比。
持续追踪的厂商
| 厂商 | 权重类型 | 关注方向 |
|---|---|---|
| Anthropic | 闭源 | 综合推理上限与终端工程任务 |
| 闭源 | 编码性价比、长上下文与低幻觉率 | |
| OpenAI | 闭源 | 低输出 Token、低单次账单与建模分析 |
| xAI | 闭源 | 大上下文与托管 API 推理效率 |
| Meta | 闭源 | 低成本 Agentic 成本底线与多模态推理 |
| DeepSeek | 开源权重 | 开源单次成本下限与推理效率参考线 |
| Moonshot AI | 开源权重 | 开源高综合指数与超长上下文主力 |
| Z.ai / Zhipu | 开源权重 | 开源 Agentic 编码与终端执行稳定性 |
| Alibaba (Qwen) | 开源权重 | 开源多语言与开发生态主力 |
上游评测机构
Artificial Analysis Intelligence Index v5.0.1
Artificial Analysis · v5.0.1
Artificial Analysis Model Leaderboard
Artificial Analysis · v5.0.1
AA-Omniscience v1.1 Hallucination Benchmark
Artificial Analysis · v1.1
CursorBench 4.1
Anysphere · 4.1
Terminal-Bench 4.1
Snorkel AI / Harbor · 4.1
FrontierCode 2.0
Cognition · 2.0
Google DeepMind Model Evaluation Report
Google DeepMind · 2026-11
常见问题
- 为什么 $8/$40 的模型单次反而可能比 $2/$10 更便宜?
- 单次账单等于单价乘以总输出 Token。若 $2/$10 模型单次输出 285k tokens,而 $8/$40 模型只需 41k tokens 就能完成,后者单次花费更低。
- 性价比前沿(帕累托前沿)怎么算?
- 构建时自动筛选:如果没有任何其他模型能用更低或相同的单次花费拿到更高或相同的得分,该模型就位于前沿线上。
- 多久更新一次?
- 每当一线新模型发布,或主要榜单与 API 定价有明显变动时发布一期新快照。历史版本永久保留在 /zh/s/YYYY-MM-DD/。