选择 2-6 个模型,按真实任务查看关键指标、按量 API 成本与选型结论。
直接打开 /compare 时,页面预置这 6 个模型:Kimi K3、Qwen3.8 Max (0902)、Gemini 4 Carbon、Claude Opus 5.5、GPT-6 Astra、Kimi K3.1 Pro。这一组同时放入能力上限、同档替代、均衡型和性价比代表,打开就能看到有意义的取舍。
默认场景是Agent 编码:日均 2000 万 Token、input 占 85%、缓存命中 70%, 金额按官方 API 单价折算成美元月费。
Agent 编码能力领先
Kimi K3.1 Pro
TB4 通过率 67.2%
这组参数下月成本约 $1277/月
按量 API 成本最低
Qwen3.8 Max (0902)
$935/月
按日均 2000 万 Token、input 85% 计算,已计入 70% 缓存命中率
取舍结论
Kimi K3.1 Pro 更符合“Agent 编码能力领先”,但按量 API 月成本比 Qwen3.8 Max (0902) 高 $342/月。
还要确认:TB4 按统一 mini-swe-agent 框架测试终端任务,通过率反映这套任务上的完成能力。
| 模型 | TB4 通过率 | 智能指数 | 上下文 | 月成本 |
|---|---|---|---|---|
| Kimi K3 月之暗面 | 12.6% | 17.4 | 1M | $1916/月 |
| Qwen3.8 Max (0902) 阿里巴巴 | 38.9% | 33.6 | 1M | $935/月 |
| Gemini 4 Carbon 谷歌 | 65.2% | 59.4 | 1M | $2483/月 |
| Claude Opus 5.5 Anthropic | 59.6% | 58.4 | 1M | $2483/月 |
| GPT-6 Astra OpenAI | 59.1% | 56.9 | 1M | $6387/月 |
| Kimi K3.1 Pro 月之暗面 | 67.2% | 46.0 | 1M | $1277/月 |