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:Claude Opus 5、Claude Fable 5、GPT-5.6 Sol、Kimi K3、Qwen3.8 Max (0902)、DeepSeek V4 Flash 0731。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
Claude Opus 5
TB4 通过率 49.0%
这组参数下月成本约 $3194/月
按量 API 成本最低
DeepSeek V4 Flash 0731
$191/月
按日均 2000 万 Token、input 85% 计算,已计入 70% 缓存命中率
取舍结论
Claude Opus 5 更符合“Agent 编码能力领先”,但按量 API 月成本比 DeepSeek V4 Flash 0731 高 $3002/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 |
|---|---|---|---|---|
| Claude Opus 5 Anthropic | 49.0% | 50.8 | 1M | $3194/月 |
| Claude Fable 5 Anthropic | 42.4% | 49.6 | 1M | $6387/月 |
| GPT-5.6 Sol OpenAI | 39.9% | 47.0 | 1M | $2555/月 |
| Kimi K3 月之暗面 | 12.6% | 43.6 | — | $1916/月 |
| Qwen3.8 Max (0902) 阿里巴巴 | 38.9% | 45.4 | 1M | $935/月 |
| DeepSeek V4 Flash 0731 DeepSeek | 12.1% | 34.3 | 1M | $191/月 |