先说结论
截至 2026 年 10 月 30 日：最难的编程任务用 Claude Opus 5.5，日常主力用 GPT-6.1 Sol，低成本批量活用 GPT-6.1 Terra 或 Claude Haiku 5.5，想要开源权重就等 Kimi K3.1 Pro 公开权重后选它。在 Artificial Analysis Intelligence Index v5 上，Opus 5.5（max）得 58 分、每个 Index 任务 $10.04，Sol（max）得 55 分、$1.27，Terra（max）得 51 分、$0.96。Gemini 4 Carbon 得 59 分、排第一，但 Google 目前只向特定用户开放，现阶段并不是一个现实的选择。
有两点让这个排名比榜单上的一行数字复杂。第一，Intelligence Index 不是编程基准。v5 里编程只占 25% 的权重（FrontierCode 2.0 占 15%，Terminal-Bench 4.0 占 10%），科学、知识工作和通用知识合计占另外 75%。一个模型可以总榜第一，却在仓库级编程上输给别人，Carbon 就是例子：总榜第一，Artificial Analysis 的 Coding Agent Index 上却排第二。第二，每百万 token 的标价预测不了一个任务花多少钱。Artificial Analysis 公布的是每个 Index 任务的成本，在它图表里得分最高的十个模型之间相差 13 倍以上，从 $0.96 到 $13.04。
这是一篇汇总页：先给结论，再给出背后的数字和每个数字的出处，然后指向各模型的详细指南。价格来自各厂商自己的定价页，我们在 2026 年 10 月 30 日读取。分数来自 Artificial Analysis 的 v5 发布文章、Gemini 4 Carbon 文章和实时榜单，同日读取。我们没有自己跑任何编程基准；标注为“我们的计算”的成本换算，都是由已公布的数字推出来的。
按任务选模型
下表为每类任务选一个首选模型和一个备选。分数是 Artificial Analysis Intelligence Index v5（榜单读取于 2026 年 10 月 30 日），价格是官方每百万输入/输出 token 的标价（页面读取于 2026 年 10 月 30 日）。
| 任务 | 首选 | 理由 | 备选 |
|---|---|---|---|
| 最难的任务（大型仓库、模糊的 bug、长时间智能体运行） | Claude Opus 5.5（max）。$4 / $20。Index 58，每任务 $10.04。 | FrontierCode 2.0 以 46% 领先，Coding Agent Index 62（搭配 Claude Code）。v5 发布时 HLE-Diamond 68% 领先，当时 Carbon 还没上榜。 | GPT-6 Astra（max）。$10 / $50。Index 57，每任务 $6.24。Terminal-Bench-Science 63% 领先。 |
| 日常主力（大多数 PR、代码审查、重构） | GPT-6.1 Sol（max）。$2 / $10。Index 55，每任务 $1.27。 | 55 分对 Opus 5.5 的 58 分，每任务成本约为其八分之一（$1.27 对 $10.04），来自 Artificial Analysis。 | Claude Opus 5.5（xhigh）。$4 / $20。Index 57，每任务 $6.05。 |
| 低成本批量活（迁移、测试、样板代码、分流） | GPT-6.1 Terra（max）。$1 / $5。Index 51，每任务 $0.96。 | FrontierCode 2.0 得 42%，与 Sonnet 5.5 和 Astra 并列，而每任务成本低得多。 | Claude Haiku 5.5（max）。起价 $0.10 / $0.50。Index 36，每任务 $0.41。 |
| 开源权重（自托管或避免厂商锁定） | Kimi K3.1 Pro。API $2 / $10。Index 46，每任务 $3.68。权重承诺 2026 年 11 月 4 日前发布。 | v5 上最强的开源模型，v5 发布时落后榜首 12 分。Terminal-Bench 4.0 得分最高（67%）。 | DeepSeek V4.1 Flash 1017（max）。Index 32，每任务 $0.60。权重已发布。 |
几点补充。Opus 5.5 的 max 档在 Artificial Analysis 的延迟列里首个数据块出得很慢（中位数 634.84 秒，是我们对比的几行里最长的，反映的是很长的推理过程），所以日常专业使用 xhigh 档往往更合适：Index 低 1 分，每任务便宜 $4。日常工作里，Sol 的 max 档 55 分和 Astra 高强度档（high，每任务 $3.24）分数一样，但成本约便宜 2.5 倍，这是我们根据榜单做的计算。批量活方面，FrontierCode 2.0 比整个 Index 更聚焦于编程，所以 Terra 的 42% 是比它总分更具体的、偏向它的编程理由。
如果你用的是特定工具，选择就跟着工具走。Claude Code 跑 Claude 模型，Antigravity 跑 Gemini。我们能读到的 Coding Agent Index 数据只有两条：Claude Code 搭配 Opus 5.5（max）62，Antigravity CLI 搭配 Gemini 4 Carbon（high）59。读到的页面里没有找到可比的 Codex 数据，所以不给出数字。工具本身请看我们的英文版 best AI coding agents 指南（暂无中文版）。
价格与智能对照
下表列出对编程有意义的模型，按 Index 分数排序。分数和每任务成本两列来自 Artificial Analysis（榜单读取于 2026 年 10 月 30 日），标价列来自厂商页面（读取于 2026 年 10 月 30 日）。Artificial Analysis 对 Gemini 4 Argon 和 Carbon 按标准价而非 Google 的优惠价计算成本。
| 模型（档位） | AA Index v5 | 每百万 token 标价（入 / 出） | AA 每 Index 任务成本 | 可用性说明 |
|---|---|---|---|---|
| Gemini 4 Carbon（high） | 59 | $2 / $10 优惠价，之后 $4 / $20（Google 博客） | $7.76 | 仅限特定用户；Gemini API 定价页上没有 |
| Claude Opus 5.5（max） | 58 | $4 / $20 | $10.04 | 正式可用 |
| Claude Opus 5.5（xhigh） | 57 | $4 / $20 | $6.05 | 正式可用 |
| GPT-6 Astra（max） | 57 | $10 / $50 | $6.24 | 正式可用 |
| GPT-6 Astra（high） | 55 | $10 / $50 | $3.24 | 正式可用 |
| GPT-6.1 Sol（max） | 55 | $2 / $10 | $1.27 | 正式可用 |
| Claude Sonnet 5.5（max） | 54 | $2 / $10 | $10.02 | 正式可用 |
| GPT-6.1 Terra（max） | 51 | $1 / $5 | $0.96 | 正式可用 |
| Gemini 4 Argon（high） | 50 | 11 月 30 日前 $2 / $10，之后 $4 / $20 | $7.68（按 $4 / $20 算） | 2026 年 10 月 13 日起正式可用 |
| GPT-6.1 Sol（high） | 50 | $2 / $10 | $0.59 | 正式可用 |
| Claude Sonnet 5.5（xhigh） | 50 | $2 / $10 | $4.09 | 正式可用 |
| Claude Fable 5.1（xhigh） | 50 | $10 / $50 | $10.85 | 正式可用 |
| Kimi K3.1 Pro | 46 | $2 / $10 | $3.68 | API 已上线；开源权重承诺 11 月 4 日前发布 |
| Claude Haiku 5.5（max） | 36 | 提示不超过 100k token 时 $0.10 / $0.50；超过则 $0.50 / $2.50 | $0.41 | 正式可用 |
| DeepSeek V4.1 Flash 1017（max） | 32 | 本文未核对 | $0.60 | 开源权重已发布 |
| GLM-5.3（max） | 32 | $1.40 / $4.40 | $5.01 | 开源权重已发布 |
| GLM-5.3-Flash | 28 | $0.15 / $0.50 | $0.58 | 开源权重已发布 |
| GPT-6 Luna（max） | 28 | $0.10 / $0.50 | $0.15 | 正式可用 |
横着看这些列，就能看出标价哪里会误导人。Opus 5.5 标价 $4 和 $20，是 Astra 的 $10 和 $50 的一半，但 Artificial Analysis 测得 Opus 5.5（max）每任务 $10.04，Astra（max）只有 $6.24。token 消耗是其中一大原因：Artificial Analysis 的 Carbon 文章给出 Opus 5.5（max）每个 Index 任务输出 173k token，Carbon 是 123k；Astra 的 token 数我们没有找到，所以没法对比。Sonnet 5.5 和 Sol、Kimi K3.1 Pro 标价同为 $2 和 $10，但 max 档每任务 $10.02，Sol 只要 $1.27。GLM-5.3-Flash 标价 $0.15 和 $0.50，每任务仍要 $0.58，比同样 28 分的 GPT-6 Luna（max）的 $0.15 高出不少。标价告诉你单价，每任务成本才告诉你账单。
OpenAI 对每个 GPT-6 模型都另列了长上下文价格。比如 GPT-6 Astra 长上下文请求是 $20 和 $75，GPT-6.1 Sol 是 $4 和 $15，所以上面 OpenAI 的数字是短上下文价。上下文阈值的定义见 OpenAI 的页面，提示很长的话务必看一下。Anthropic 对 Claude Haiku 5.5 也是超过 100,000 个提示 token 后价格更高。细节见我们的模型指南：GPT-6 Astra、Sol、Luna 价格与用量对比和Claude Opus 5.5 与 Sonnet 5.5 编程对比。
AA Index v5 改了什么
Artificial Analysis 在 2026 年 10 月 27 日发布 Intelligence Index v5，称这是自 1 月 v4 上线以来最大的一次升级。对选编程模型的人来说，有五处改动值得看。
- 以私有测试为主。Index 的 60% 现在建立在私有测试集或不公开答案的评测上，这是第一次多数权重来自私有评测。这降低了模型只是“见过题”的可能。
- 新增两个基准，其中一个是编程。FrontierCode 2.0 是 Cognition 的私有基准，共 132 个任务，取自真实开源仓库，按维护者会不会合并智能体的改动来评分；Artificial Analysis 在其 Stirrup 框架里每个任务跑三次，任何一项阻断性检查不过，该次得 0 分。Terminal-Bench-Science 在终端环境里新增 70 个科研任务。
- 三处升级。HLE-Diamond 取代 Humanity’s Last Exam，AA-Omniscience 升到 v1.1 并移除已饱和和公开的题目，CritPt 改用私有的 40 题高难子集。GDPval-AA v2.1、SciCode 和 AA-LCR v1.1 被移除；AA-Briefcase、AutomationBench-AA、GDP.pdf 和 Terminal-Bench 4.0 保留。
- 四个等权重板块。知识工作、编程、科学、通用知识各占 25%。
- 新增配套指数。Progress Index v1 把 2022 年 11 月以来发布的模型放到同一个尺度上，用来比较随时间的进步；Artificial Analysis 说，评估当前用途请用 Intelligence Index。
发布时的头条结果是：Claude Opus 5.5（max）58 分，GPT-6 Astra（max）57 分，GPT-6.1 Sol（max）55 分，前五名被 Anthropic 和 OpenAI 包揽，Gemini 4 Argon（high）50 分。Gemini 4 Carbon 随后在 10 月 28 日以 59 分登顶。公告里还有三点发现，直接影响编程选型：
- 开源差距从 3 分扩大到 12 分。Kimi K3.1 Pro 得 46 分，榜首是 58。已公开权重的模型里，DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）以 32 分领先，落后 26 分，还低于 Claude Haiku 5.5（max）的 36 分。
- 推理强度的影响更大了。Opus 5.5 的 low 档 35 分，max 档 58 分，每个 Index 任务的成本相差十倍（$0.98 对 $10.04）。Sonnet 5.5 从 low 到 max 跨度 29 分，Sol 的跨度从 10 分翻倍到 20 分。
- 任务消耗更多 token。每个 Index 任务的输出 token 中位数涨了三分之二，从 35k 到 59k，智能体类评测虽然只占 55% 的权重，却占了输出 token 中位数的约 90%。
Artificial Analysis 还明确说，没有哪个模型在九项评测里全部领先。v5 发布时：Opus 5.5 领先 FrontierCode 2.0、HLE-Diamond 和 AA-Omniscience；Astra 领先 Terminal-Bench-Science 和 CritPt；Sonnet 5.5 领先 AA-Briefcase；Kimi K3.1 Pro 领先 Terminal-Bench 4.0；Gemini 4 Argon 领先 AutomationBench-AA。据 Artificial Analysis 的 Carbon 文章，Carbon 后来拿下了其中四项（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA）。基准不同，最佳模型也不同，哪项最像你的工作，就更该看哪项。
编程类评测怎么说
因为 Index 混合了很多任务，请把两项编程评测和 Coding Agent Index 单独拿出来看。
| 评测（领先者为 10 月 27 日 v5 发布时的情况；读取于 2026 年 10 月 30 日） | 领先者 | 来源 |
|---|---|---|
| FrontierCode 2.0（Cognition，私有，132 个仓库任务） | Claude Opus 5.5（max）46%；GPT-6 Astra（max）、GPT-6.1 Terra（max）、Claude Sonnet 5.5（max）各 42%；开源最佳 DeepSeek V4.1 Flash 1017（max）28% | AA Index v5 发布文章 |
| Terminal-Bench 4.0 | Kimi K3.1 Pro 67%（v5 发布文章中最高） | AA Index v5 发布文章 |
| Terminal-Bench-Science（70 个任务） | GPT-6 Astra（max）63%；Claude Opus 5.5（max）59%；GPT-6.1 Sol（max）58%；开源最佳 Kimi K3.1 Pro 34% | AA Index v5 发布文章 |
| Coding Agent Index | Claude Code 搭配 Claude Opus 5.5（max）62；Antigravity CLI 搭配 Gemini 4 Carbon（high）59 | AA Gemini 4 Carbon 文章 |
Terra 在 FrontierCode 2.0 上和 Astra、Sonnet 5.5 并列，是意外之处，因为 Terra 标价 $1 和 $5，而 Astra 是 $10 和 $50。不能据此认为它在所有编程工作上都一样强：132 个任务、按维护者标准判定通过与否，窗口本来就窄，而且在我们读到的页面上 Artificial Analysis 没有公布置信区间。但这足以成为在花钱用 Astra 或 Opus 之前，先拿 Terra 跑一遍你自己仓库的理由。
有一处我们没能对上：Artificial Analysis 的 Carbon 文章说 Carbon 在 Terminal-Bench 4.0（64%）和 FrontierCode v1.1（51%）上排第二，仅次于 Claude Opus 5.5，并在 Opus 那句话里附了一个 56% 的数字。前一天的 v5 发布文章却把 Kimi K3.1 Pro 放在 Terminal-Bench 4.0 榜首，67%。两个页面可能用了不同口径的数据，所以我们不只凭 Terminal-Bench 4.0 给模型排名。
Gemini 4 Carbon 与 Gemini 4 Argon
Google 相隔两周发布了两个前沿模型，但只有一个能正常使用。Gemini 4 Argon 自 2026 年 10 月 13 日起正式可用。Google 的 Gemini API 定价页把它列为 gemini-4-argon，付费档到 2026 年 11 月 30 日为止每百万输入 token $2.00、输出 $10.00，自 12 月 1 日起是 $4.00 和 $20.00，没有免费档，缓存输入每百万 $0.10，之后涨到 $0.20。它在 Index 上 high 档得 50 分，和 GPT-6.1 Sol（high）、Claude Sonnet 5.5（xhigh）持平，但按标准价每任务 $7.68，Sol 只要 $0.59。v5 发布时它领先一项评测，AutomationBench-AA 的 78%，后来被 Carbon 拿走。作为编程首选，它既不是最便宜的，也不是最强的，而且优惠价大约一个月后就到期。设置方法见我们的 Gemini 4 Argon 完整指南。
Gemini 4 Carbon 在 Index 上排第一，但现在还不是一个你能选的模型。Google 在 2026 年 10 月 28 日宣布，会先向一部分网络防御人员开放，再通过 Fairwind 计划逐步开放给更多受信任的合作伙伴，之后“尽快”向开发者、企业和消费者发布。Artificial Analysis 同样描述为面向选定用户推出，没有公开可用。我们 10 月 30 日读到的 Gemini API 定价页里没有 Carbon 条目。Google 博客称 Carbon 的优惠价与 Argon 相同，每百万 token $2 和 $10，之后 $4 和 $20；Artificial Analysis 的描述是 50% 的上线折扣，没有确定截止日期，榜单上按标准价计算。
从数字上看，Artificial Analysis 测得 Carbon 每个 Index 任务 $7.76，比 Opus 5.5（max）的 $10.04 低约 23%，每任务输出 123k token，Opus 是 173k。AA-Omniscience 上 Carbon 得 54，Opus 是 48，幻觉率 Carbon 是 11%，Opus 5.5 和 Astra 是 50%。Google 自己公布的网络安全数字（SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%）是厂商自报，本文没有独立核实。实际的做法是盯着 API 上架，上架后再测一遍；今天你还买不到它。
Astra 与 Fable
GPT-6 Astra 和 Claude Fable 5.1 标价一样：按各自厂商页面（读取于 2026 年 10 月 30 日），每百万输入 token $10、输出 token $50。想选 OpenAI 或 Anthropic 顶配档的人，自然会把它们放在一起比，数据倾向 Astra。Astra（max）得 57 分、每个 Index 任务 $6.24，high 档仍有 55 分、$3.24。Fable 5.1 榜上最好的成绩是 xhigh 档 50 分、每任务 $10.85，max 档 49 分、$12.99；v5 发布文章把 Fable 5.1（max）列为它图表里得分最高的十个模型中最贵的，$13.04（之后的榜单显示 $12.99，这点小差异来自 Artificial Analysis 自己）。Fable 5.1 在 HLE-Diamond 上 60%，排第三，不算弱，但编程证据指向的不是它。
在 Anthropic 自家产品线内，更有用的比较是 Opus 5.5 对 Fable 5.1：Opus 标价 $4 和 $20，58 分对 50 分，还领先 FrontierCode 2.0。除非你有明确的任务知道 Fable 5.1 更强，否则 Anthropic 里选 Opus 5.5 更好。各模型的细节见我们的英文指南：GPT-6 Astra和Claude Fable 5.1（暂无中文版）。
推理强度与 token 消耗
在 v5 里，推理强度已经是模型身份的一部分。Artificial Analysis 把每个档位单独列成一行，差距很大。Claude Opus 5.5 从 35 分（low，每任务 $0.98）经 48 分（medium，$2.45）、52 分（high，$3.46）、57 分（xhigh，$6.05），到 58 分（max，$10.04）。GPT-6.1 Sol 从 35 分（low，$0.16）经 46 分（medium，$0.36）、50 分（high，$0.59）、52 分（xhigh，$0.76），到 55 分（max，$1.27）。每条曲线最后一步都最贵：Opus 从 xhigh 到 max 只多 1 分，每任务多花 $4。
由此得出两条实用规则。用能通过你自己测试的最低强度，max 留给最后一次重试。另外，引用模型分数一定要带档位：“Opus 5.5 得 58 分”只在 max 档成立，同一个模型 high 档是 52 分。如果你的智能体框架允许按步骤设置强度，规划和难调试可以用高档，改文件和跑测试用低档，不过我们没有对这种拆分做过基准测试。
开源权重选择
如果你需要能自己托管、审计或微调的权重，2026 年 10 月的实话是：差距比一个月前更大了。Kimi K3.1 Pro 是 v5 上最强的开源模型，46 分，通过 Moonshot 的 API 每百万 token $2 和 $10（Kimi 定价页，价格日期 2026 年 10 月 24 日，我们 10 月 30 日读取）。Moonshot 称权重将在 2026 年 11 月 4 日前发布。10 月 30 日我们请求了 moonshotai/Kimi-K3.1-Pro 的 Hugging Face API，得到 HTTP 401，这本身不能证明权重不存在，但说明当时还不能下载。11 月 4 日之后请再查一次。状态和基准来源由我们的 Kimi K3.1 Pro 指南持续跟踪。
已经公开权重的模型里，DeepSeek V4.1 Flash 1017 和 GLM-5.3 在 Index 上并列 32 分。DeepSeek 的 API 文档说，deepseek-flash 这个模型名现在由 DeepSeek-V4.1-Flash-1017 提供服务；本文没有核实它的标价。在 Artificial Analysis 的数据里它每任务 $0.60，FrontierCode 2.0 在开源模型里最好，28%。GLM-5.3 标价 $1.40 和 $4.40，每任务 $5.01，所以单看性价比，两者之中 DeepSeek 更划算。GLM-5.3-Flash 得 28 分，每百万 token $0.15 和 $0.50；详见我们的 GLM-5.3、GLM-5.3-Flash 与 Ox Alpha 指南。
提醒一句：Claude Haiku 5.5（max）得 36 分，比所有已公开权重的模型都高，每任务 $0.41。如果选开源模型的唯一理由是便宜，一个便宜的闭源模型可能既更强也更省。选开源权重是为了掌控、数据驻留、微调或避免厂商锁定，别默认它就能省钱，先算账。
实际怎么选
- 收集 20 到 50 个真实任务。用你自己仓库里最近的 PR、bug 报告和迁移，每个都配一个测试或评审清单来判定通过与否。公开基准看不到你的代码库。
- 先从日常主力开始。拿 GPT-6.1 Sol 的 high 或 max 档，加 Claude Opus 5.5 的 xhigh 档跑一遍任务集。记录通过率、用掉的 token 和每任务花的钱，不要只看答案“看起来对不对”。
- 再加一个便宜的模型。用 GPT-6.1 Terra（max）或 Claude Haiku 5.5 跑同一批任务，记下它们能过哪类任务，这类就可以转到批量通道。
- 只在失败时升级。把日常主力过不了的任务交给 Opus 5.5 的 max 档或 Astra，统计它救回了多少。数量很少的话，高端档就不值得做路由。
- 每月复测一次。Artificial Analysis 在两天之内改了指数，也换了榜首。价格同样会变：Gemini 4 Argon 的价格在 2026 年 12 月 1 日翻倍。
每个数字的来源
| 数字 | 来源类型 | 状态 |
|---|---|---|
| Index v5 分数、每任务成本、token 数 | Artificial Analysis，独立评测方 | 独立测得；榜单读取于 2026 年 10 月 30 日 |
| FrontierCode 2.0、Terminal-Bench-Science、Coding Agent Index | Artificial Analysis，运行 Cognition 等的基准 | 独立运行；分数可能变化 |
| OpenAI、Anthropic、Google、Z.ai、Kimi 的标价 | 厂商定价页，读取于 2026 年 10 月 30 日 | 第一方；可能变动 |
| Gemini 4 Carbon 的价格和推出方式 | Google 博客（10 月 28 日）和 Artificial Analysis | 厂商声明；API 定价页上没有 |
| Carbon 网络安全基准（SEC-bench Pro、ExploitGym、CWE-bench） | Google 博客 | 厂商自报；本文未独立核实 |
| Kimi K3.1 Pro 11 月 4 日前发布权重 | Moonshot 声明；我们 10 月 30 日的 HTTP 401 检查 | 只是承诺，尚未验证已兑现 |
| Sol 对 Astra 约 2.5 倍等成本比 | 我们根据榜单的计算 | 推算值；有四舍五入 |
局限
- 我们没有自己跑任何编程基准。所有分数都来自 Artificial Analysis，没有一项来自我们自己的测试。
- Index 混合了编程、科学、知识工作和通用知识，编程只占 25% 的权重，所以它是编程能力的代理指标，不是直接测量。
- 每 Index 任务成本是九项评测的平均值。你的编程工作负载可能消耗更多或更少的 token，实际成本可能向任一方向偏离。
- OpenAI 的长上下文价格、Anthropic 的缓存和批处理折扣、Google 的批处理和 flex 档位都会改变你的实际成本，不在主表里。DeepSeek 的标价也没有核对。
- 榜单变化频繁，我们只抓取了一个时间点。Artificial Analysis 自己文章里的一些数字也彼此对不上（见上面 Terminal-Bench 4.0 的说明）。
- 我们没有测试工具调用的可靠性、负载下的延迟、限流或数据处理条款，其中任何一项都可能比 3 分的 Index 差距更重要。
结论
2026 年 10 月比较站得住脚的分工是：最难的仓库级工作用 Opus 5.5，大多数日子用 Sol，量大的活用 Terra 或 Haiku 5.5，权重公开后再考虑用 Kimi K3.1 Pro 当开源选项。在今天能买到的模型里，Opus 5.5 领先 FrontierCode 2.0 和 Coding Agent Index，不过 Terminal-Bench 4.0 是 Kimi K3.1 Pro 领先。Sol 是榜上性价比最好的模型：55 分，每任务 $1.27。Carbon 可能很快改写榜单顶部，Argon 12 月 1 日的涨价则会改变榜单的另一部分。
更持久的结论是：按“每完成一个任务花多少钱”来买，并用你自己的代码来测。一个靠 Index 多 1 分获胜、每任务成本却高八倍的模型，很少是合适的默认选择。收藏实时榜单，保留自己的测试集，把本文里每个分数都当作带日期的快照。
常见问题
现在写代码最好的 AI 模型是哪个？
没有放之四海皆准的最佳模型，要看具体任务。截至 2026 年 10 月 30 日，Claude Opus 5.5 是 Artificial Analysis 编程类评测里最强的、可正常使用的模型（FrontierCode 2.0 得 46%），Intelligence Index v5 得 58 分。GPT-6.1 Sol 得 55 分，而每个 Index 任务的成本只有 Opus 5.5 的大约八分之一，更适合当日常主力。Gemini 4 Carbon 得 59 分、总榜第一，但目前还没有公开开放。
Gemini 4 Carbon 是最强的编程模型吗？
总榜（Intelligence Index v5）它以 59 分排第一，但在编程上排第二。Artificial Analysis 的 Coding Agent Index 中，Claude Code 搭配 Claude Opus 5.5（max）是 62，Antigravity CLI 搭配 Gemini 4 Carbon（high）是 59。更关键的是，截至 2026 年 10 月 30 日 Carbon 只通过 Google 的 Fairwind 计划向特定用户开放，Gemini API 定价页上也没有它，多数开发者暂时用不了。
编程能力还行、又最便宜的模型是哪个？
按 Artificial Analysis 的数据，GPT-6.1 Terra（max）Index 得 51 分，每个 Index 任务 $0.96，FrontierCode 2.0 得 42%，与 Claude Sonnet 5.5、GPT-6 Astra 并列。GPT-6.1 Sol（max）得 55 分，每任务 $1.27。纯批量、低风险的活，Claude Haiku 5.5（max）得 36 分、每任务 $0.41，GPT-6 Luna（max）得 28 分、每任务 $0.15。每任务成本取决于模型花多少 token，所以比这个数字，别只比标价。
编程用哪个开源权重模型最好？
Kimi K3.1 Pro 在 v5 上是开源阵营最高的，46 分。但 Moonshot 承诺的权重发布日期是 2026 年 11 月 4 日前，我们 10 月 30 日查看时还不能下载（Hugging Face API 返回 HTTP 401）。已经公开权重的模型里，DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）并列最高，32 分，其中 DeepSeek V4.1 Flash 1017 的 FrontierCode 2.0 在开源模型里最好，28%。
GPT-6 Astra 还是 Claude Fable 5.1？
按 Artificial Analysis 的数据，Astra 更划算。两者标价相同：每百万输入 token $10、输出 $50。GPT-6 Astra（max）得 57 分，每个 Index 任务 $6.24；Claude Fable 5.1 最好的档位 xhigh 得 50 分，每任务 $10.85。Fable 5.1 在 HLE-Diamond 上 60%，排第三，仅次于 Opus 5.5 和 Astra。如果只在 Anthropic 内部选，Opus 5.5 标价 $4 和 $20，Index 分数还高于 Fable 5.1。
为什么 Claude Sonnet 5.5 标价 $2/$10，每个 Index 任务却要 $10.02？
标价按 token 计，每任务成本是标价乘以模型实际花掉的 token 数。Sonnet 5.5 在 max 档会消耗大量推理和智能体 token；Artificial Analysis 发现 v5 里每个 Index 任务的输出 token 中位数从 35k 涨到 59k，而且它测的每个模型输出量都比 v4.3 时更多。Sonnet 5.5 的 xhigh 档每任务 $4.09、得 50 分。别因为标价低就默认账单低，先拿自己的任务测一遍。
Gemini 4 Argon 会涨价吗？
会，而且有明确时间表。Google 的 Gemini API 定价页显示，Gemini 4 Argon 到 2026 年 11 月 30 日为止每百万输入 token $2.00、输出 $10.00，自 2026 年 12 月 1 日起为 $4.00 和 $20.00。Artificial Analysis 的每任务成本是按较高的标准价算的，所以按我们的粗算，用优惠价买的话 Argon 的每任务成本大约是榜上 $7.68 的一半。
这些模型能本地跑吗？
最强的那几个不行。顶级开源模型都是体量极大的混合专家（MoE）模型：Moonshot 称 Kimi K3.1 Pro 总参数 2.8T、激活参数 104B，来自我们的 Kimi 指南。小一些的开源模型有，但在 Index v5 上已公开权重的最高分是 32，低于 Claude Haiku 5.5 的 36。本指南没有测试任何本地部署方案。
这些分数多久会变？
很频繁。Artificial Analysis 在 2026 年 10 月 27 日切到 Index v5，10 月 28 日 Gemini 4 Carbon 就登顶，并表示会继续加模型和基准。本文每个分数都标注了我们读取的日期。做采购决定前请查看实时榜单。
参考来源
除特别注明外，均读取于 2026 年 10 月 30 日。
- Announcing Artificial Analysis Intelligence Index v5：Artificial Analysis，2026 年 10 月 27 日（权重、新基准、结果、推理强度与 token 发现）
- Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5：Artificial Analysis，2026 年 10 月 28 日（Carbon 分数、Coding Agent Index、每任务成本、可用性）
- Artificial Analysis LLM 榜单：实时页面，上文所有分档分数和每任务成本的来源
- Gemini 4 Carbon: our next frontier model：Google 博客，2026 年 10 月 28 日（推出方式、优惠价、厂商自报的安全基准）
- Gemini Developer API 定价：Google（Gemini 4 Argon 优惠价与标准价、缓存、日期）
- OpenAI API 定价：GPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Luna 的短上下文与长上下文价格
- Anthropic Claude 定价：Claude Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.1
- Z.ai 定价：GLM-5.3、GLM-5.3-Flash
- Kimi K3.1 Pro 定价：Moonshot AI（价格核对于 2026 年 10 月 24 日）和 Hugging Face 仓库（10 月 30 日返回 HTTP 401）
- DeepSeek API 文档：模型名到 DeepSeek-V4.1-Flash-1017 的映射（未使用价格）
延伸阅读：Gemini 4 Argon 完整指南、Kimi K3.1 Pro 指南、GLM-5.3-Flash 与 Ox Alpha、GPT-6.1 Sol 指南，以及英文版 Cheapest AI coding models in 2026。