AI 模型推荐与测评

先给结论

• 第一次使用 AI 编程：优先 Codex Plus（通过 ChatGPT Plus 使用 Codex）。
• 复杂后端、大型项目、长期任务：Codex + GPT-5.6 Sol；困难任务把推理强度设为 extra high。
• 追求速度、大量改代码：Grok 4.6 或 DeepSeek V4 Flash；已经买了 Cursor Pro 的人，先把套餐自带的 Grok 4.6 用熟。
• 当前性价比优先：GPT-5.6 Luna + max；第二名 Grok 4.6。想大量用 Grok 4.6，Cursor Pro 20 美元通常比按 API 计更划算。
• 想低成本使用多种模型：OpenCode Go。

大多数人只买一个就够了。普通用户先选 Codex Plus；另一个非常划算的方案是 Cursor Pro。Cursor Pro 自带的 Grok 4.6 额度通常很够用，也可用 Composer、Claude、GPT 等。

价格和购买渠道看：AI 工具怎么选和购买。

不追型号时怎么选

模型名称和价格会变化，下面的判断长期更有用：

判断结果能不能信，不要只问模型“你确定吗”。代码任务看实际 diff 和检查结果，调研看原始来源，价格与政策看带日期的官方页面。连续两次仍在修改同一个问题时，先缩小范围、恢复目标和成功标准，再决定是否换模型。

想看实时横向对比

如果你想看随模型更新而变化的横向数据，可以先打开 Artificial Analysis。它可以帮助你比较智力（Intelligence Index）、输出速度、首字延迟、价格、Cost per Task 和上下文长度。

这里的榜单适合作为筛选入口，不是最终结论。选出候选模型后，仍要用自己的真实开发任务、代码库和验收标准做验证，再决定长期使用哪个模型。榜单中的排名、分数和价格会变化，本文不抄录某一时点的榜首数据。

当前最具性价比的模型（2026-08-17）

如果只比较“能力、价格和实际开发体验”，我目前的顺序是：

1. GPT-5.6 Luna + max 推理。
2. Grok 4.6。
3. DeepSeek V4 Flash。

为什么第一名是 GPT-5.6 Luna

这是我现在最推荐的单模型选择。Luna 的官方定位就是成本敏感和高频使用；在 Codex 或 ChatGPT 里把推理程度设为 max 后，我的实际体验接近 GPT-5.6 Sol 的 medium，但稳定性和上限仍略低一些，偶尔也会等待更久。即使切到 Fast，我的实际消耗通常仍低于直接使用 Sol；具体消耗会受套餐、任务难度和上下文长度影响。

官方模型详情页当前标价（每 1M tokens）为：输入 $0.20、输出 $1.20，缓存输入 $0.02。查看 GPT-5.6 Luna 官方模型页

这里采用官方当前标价。“7 月底降价 80%”是相对于旧价格的作者记录；官方页面明确了现在的价格，但没有在该页面重复给出历史降幅。

为什么 Grok 4.6 排第二

Grok 4.6 的优势是速度快、执行量大，适合范围清楚的批量修改和快速试错。xAI 当前模型页将它列为代码和通用任务的旗舰模型，提供 500K 上下文，官方 API 标价为每 1M tokens 输入 $2、输出 $6。查看 xAI 模型页

它在复杂任务的稳定收口上仍不如 GPT-5.6 Luna，但综合速度、完成度和使用范围后，我把它排在第二。

为什么 DeepSeek V4 Flash 排第三

新版本 Flash 对明确的代码任务非常快。在我当前的真实任务里，它的完成度有时接近当时的 Opus 4.8，但这不是官方等价结论，综合稳定性仍低于 GPT-5.6。它的优势是低峰时段 API 仍便宜；缺点是我当前使用的接入不能可靠地读图，遇到截图、原型图和图表时不如 GPT-5.6 方便。

按我当前实际使用的接入价格，DeepSeek V4 Flash 相比之前的记录上涨了约 10 倍。这是我的接入记录，不代表所有平台都会同步变化。

官方价格页从 2026-08-16 起改为高峰/低峰计价。高峰是 01:00–04:00 和 06:00–10:00 UTC，其余时段低峰价是高峰的一半。低峰时 Flash 仍然很便宜；高峰时输入和输出都不一定比 GPT-5.6 Luna 更低。所以它不再是“无条件最便宜”的选项，只适合明确任务、而且不依赖读图。

调用前请查看 DeepSeek 官方价格页 和自己的账户账单。

怎么在三者之间选

• 需要读图、复杂推理、持续修改和更稳的收口：GPT-5.6 Luna + max。
• 范围清楚、追求速度和大量产出：Grok 4.6。已经买了 Cursor Pro 的人，先用套餐自带额度。
• 任务明确、不依赖图片，并接受分时计价：DeepSeek V4 Flash。
• 你已经有 Codex 或 ChatGPT 订阅：先在现有套餐里试 Luna，再决定是否增加 DeepSeek API。

这是一份当前性价比结论。我不维护综合总榜；真正选模型时，先看任务。模型和价格更新后，我会优先更新这一节。

复杂编程、后端和长期任务

优先选择 Codex / GPT-5.6 Sol；困难任务把推理强度设为 extra high。

它适合复杂架构、大型代码库重构、跨文件修改，以及需要 AI 长时间自主执行的任务。我的实际体验是：

GPT-5.6 Sol > Fable 5 > Grok 4.6

复杂任务仍以 Sol 收口。Grok 4.6 更快、额度也更友好，尤其是 Cursor Pro 自带用量；我还没有用同一组大型后端任务把它抬到 Sol 前面。

它不一定最快，但理解需求、制定计划、检查结果和处理复杂问题的稳定性更强。

不要只让模型“写代码”。给它真实仓库、报错、成功标准和允许修改的范围，并要求它运行验证。复杂任务最后的价值经常来自检查与收口，不是第一轮输出速度。

追求速度和大量写代码

优先选择 Grok 4.6 或 DeepSeek V4 Flash。

• DeepSeek V4 Flash：适合明确任务、低峰时段的高频批量执行；不依赖图片时更划算。高峰时段先对一下官方价格，不一定比 Luna 更便宜。
• Grok 4.6：适合范围清楚的批量修改、快速试错和同时推进多个项目。Cursor Pro 20 美元自带的额度通常很够用。

Grok 更适合：

• 范围清楚的批量修改。
• 同时推进多个项目。
• 快速生成第一版，再由另一个模型验收。
• 代码、图片和视频需求混在同一项目里的快速试验。

我的实际体感是 Grok 4.6 仍在速度第一梯队。型号、价格和可用范围变化很快，使用前以 xAI 模型列表和账户内实际可选型号为准。

如果任务仍然含糊，不要因为模型快就直接开干。速度只会让错误更快地扩散。

官方入口：xAI 模型文档 · Grok Imagine

国产模型怎么选

DeepSeek V4 Flash

我的体验是：快是真的快。这是当前官方价格页列出的 Flash 版本；具体能力仍取决于你使用的产品或 Endpoint。

明确的小任务，别的模型可能要跑很久，它可以几分钟完成。缺点是疑难 Bug、复杂上下文和错误修复容易卡住；连续改错时，不要继续堆补丁。

适合明确的代码修改、文案整理、格式转换，以及能够快速验收的批量任务。不适合把一个已经排查不清的复杂 Bug 无限交给它重试。价格已改成分时计价，细节见上面的性价比一节。

DeepSeek V4 Pro

推理速度比 Flash 慢。至少在我的任务里，没有稳定体现出与等待时间同等幅度的提升，部分疑难 Bug 仍会乱修。

官方同时提供 V4 Flash 和 V4 Pro，两者都支持 1M 上下文、思考/非思考模式和工具调用。真实项目里仍应使用同一组任务做对照，不要只看型号里的 Pro。

官方入口：DeepSeek V4 · 模型与价格

GLM 5.3 和 OpenCode Go

当前智谱的编码型号是 GLM 5.3（2026-08-14 发布）。官方说明它和 5.2 用同一套基座，主要靠后训练提升复杂编程和长任务；先通过 GLM Coding Plan、ZCode 或 OpenCode 使用，API 和开源权重是分阶段放出。

我此前用得比较多的是 5.2：综合完成度比较均衡，主要不满是速度和成本，以及部分接入方式不能读图或生成图片。5.3 我还没有用同一组任务重测，需要写代码时可以先试，但不要只看型号数字。

OpenCode Go 当前首月 5 美元、之后每月 10 美元，包含 GLM 5.3、Kimi、Qwen、DeepSeek、Grok，以及 GPT-5.6 Luna 等多个模型，适合预算有限但确实需要多模型的人。

如果你准备购买，也可以使用我的邀请链接。这是推广链接；是否有双方奖励、适用地区和活动期限，以下单时的实时说明为准。

关于 Claude

我不把 Claude 作为需要长期稳定账号的第一推荐，主要因为我自己的账号稳定性体验不好。

这是个人经历，不代表每个用户都会遇到同样问题。无论使用哪个平台，都应通过官方渠道购买并遵守地区和账户规则。

继续看：UI 和原型怎么做 · AI 工具怎么选和购买