一、前言：为什么需要对比大模型 API？

当前，大模型 API 市场已经高度分化：

• 海外模型（Claude、GPT、Gemini）在顶级推理和 Agent 能力上仍有优势
• 国内模型（DeepSeek、Qwen、Kimi、MiMo）在性价比、中文能力和访问稳定性上全面领先
• 价格持续下降，缓存命中（Prompt Cache）成为降低成本的关键
• 没有绝对王者，组合使用（高质量模型 + 性价比模型）仍是主流

本文将对 当前 最主流和有趋势的大模型 API 进行全面对比，重点考虑：

• 编码能力（SWE-bench Verified、Terminal-Bench）
• Token 价格（输入/输出、缓存命中）
• 国内访问难度
• 上下文窗口
• 推理/多模态能力

---

二、顶级梯队对比（旗舰模型）

2.1 旗舰模型核心参数

模型系列	开发者	输入价格 (USD/1M tokens)	输出价格 (USD/1M tokens)	上下文窗口	SWE-bench Verified	核心优势	国内访问难度
Claude Opus 4.7	Anthropic	$5	$25	1M	~87.6%-93.9%	复杂推理、代码质量、自然写作、Agent 规划	高（需国际访问）
GPT-5.5 / o-series	OpenAI	$3-$5	$15-$30	1M+	~82.6%-88.7%	Agent 能力、工具调用、速度均衡	高（需国际访问）
Gemini 3.1 Pro	Google	$2-$2.5	$10-$15	2M	~76-80.6%	多模态（图/视频）、长上下文、科学推理	中等
DeepSeek V4-Pro	DeepSeek	$0.435 (75%折扣后)	$0.87 (75%折扣后)	1M	~80.6%	极致性价比、编码强、MoE 高效	最低
Qwen 3.5/3.6 Max	阿里	~$0.2-$1.0	~$0.7-$4.0	1M+	高	中文最强、指令遵循、开源生态	最低

注：DeepSeek V4-Pro 当前享有 75% 折扣，有效期至 5 月 31 日 15:59 UTC。

2.2 详细价格对比（已验证数据）

Anthropic Claude 系列（来源：anthropic.com/pricing）

模型	输入价格	输出价格	缓存写入	缓存读取
Opus 4.7	$5/MTok	$25/MTok	$6.25/MTok	$0.50/MTok
Sonnet 4.6	$3/MTok	$15/MTok	$3.75/MTok	$0.30/MTok
Haiku 4.5	$1/MTok	$5/MTok	$1.25/MTok	$0.10/MTok

DeepSeek 系列（来源：api-docs.deepseek.com）

模型	输入（缓存命中）	输入（缓存未命中）	输出	备注
V4-Flash	$0.0028/MTok	$0.14/MTok	$0.28/MTok	基础价格
V4-Pro	$0.003625/MTok	$0.435/MTok	$0.87/MTok	75% 折扣后（截至 5/31）
V4-Pro（原价）	$0.0145/MTok	$1.74/MTok	$3.48/MTok	折扣结束后价格

OpenAI 系列（参考价格）

模型	输入价格	输出价格	备注
GPT-5.5	$3-$5/MTok	$15-$30/MTok	旗舰模型
o-series	$3-$5/MTok	$15-$30/MTok	推理优化

Google Gemini 系列（参考价格）

模型	输入价格	输出价格	上下文
Gemini 3.1 Pro	$2-$2.5/MTok	$10-$15/MTok	2M
Gemini 3 Flash	$0.5-$1/MTok	$3-$5/MTok	1M

---

三、编码能力基准对比

3.1 SWE-bench Verified 最新排名

SWE-bench Verified 是目前评估真实编码/Agent 能力的最重要基准（500 个经过人工验证的真实 GitHub Issue）。

排名	模型	SWE-bench Verified 分数	说明
1	Claude Mythos Preview / Opus 4.7	87.6%-93.9%	复杂多文件推理、架构设计最强
2	GPT-5.5 / 5.3 Codex	82.6%-88.7%	Agent 工具调用和 Terminal 任务强
3	DeepSeek V4-Pro	~80.6%	性价比最高，常接近或在特定子任务超越
4	Gemini 3.1 Pro	~76-80.6%	长上下文优势明显
5	Qwen 3.5/3.6 Max	高分	尤其中文任务和某些 Agent 基准领先
6	Kimi K2.5/K2.6	~70-80%+	中文和视觉编码强
7	MiniMax M2.5 / GLM-5	接近 Top 10	常在开源/性价比榜单领先

重要提示：SWE-bench Verified 存在"刷榜"争议（数据污染），实际新项目表现（SWE-bench Pro）通常低 20-40 个百分点。

3.2 Terminal-Bench（终端 Agent 任务）

排名	模型/工具	表现
1	Codex CLI + GPT-5.5	常居首位（77.3%+）
2	Claude Code + Claude Opus 4.7	紧随其后
3	DeepSeek-TUI + V4	表现优秀

3.3 编码能力详细分析

• Claude Opus 4.7：长期领先 SWE-bench，代码优雅、规划周密，复杂重构和架构设计最强
• GPT-5.5：在 Terminal-Bench（终端 Agent）常排第一，工具调用和多步执行强
• DeepSeek V4：已非常接近甚至在某些子任务超越海外旗舰，性价比碾压
• Gemini 3.1：在长代码库理解上优势明显，多模态最强
• Qwen 3.5/3.6：中文任务和指令遵循领先

---

四、其他关键维度对比

4.1 中文能力

等级	模型	说明
母语级领先	Qwen、Kimi、DeepSeek、GLM	中文理解、生成、文化适配最佳
优秀	Claude、Gemini	也很好，但文化适配稍逊
良好	GPT 系列	均衡但中文特色不突出

4.2 速度

等级	模型	说明
最快	Gemini Flash / DeepSeek Flash / Groq 托管系列	适合高频调用、实时响应
快	GPT-5.5 / Claude Sonnet	均衡速度
中等	Claude Opus / DeepSeek Pro	旗舰模型，推理深度优先

4.3 多模态能力

等级	模型	说明
最强	Gemini 3.1	图片/视频/设计图转代码，多模态输入领先
优秀	Kimi / GPT	视觉编码、图片理解强
良好	Claude / DeepSeek	基础多模态支持

4.4 Agent / 工具调用

等级	模型	说明
领先	GPT-5 / Claude	工具调用、多步执行、Agent 框架支持最强
快速追近	DeepSeek / Qwen	国内模型在 Agent 能力上进步迅速
良好	Gemini	基础 Agent 能力

4.5 开源与本地部署

等级	模型	说明
生态最好	DeepSeek、Qwen、Llama 系列	开源权重、社区支持、本地部署方案成熟
部分开源	GLM、MiniMax	部分开源
闭源	Claude、GPT、Gemini	仅通过 API 访问

---

五、国内使用深度分析

5.1 国内访问难度

等级	模型	说明
最低（直连顺畅）	DeepSeek、Qwen、Kimi、MiMo、GLM	国内公司，API 在国内访问顺畅、无限制
中等	Gemini	Google 访问方式不同，但可通过国际访问
高（需国际访问）	Claude、OpenAI	官方对国内访问方式不同，需通过国际网络访问

5.2 国际访问方案

国内开发者常用的国际访问方案：

国际访问的成本：海外模型可打 7-9 折；国内模型直连最便宜（有时相差 10-30 倍）。

5.3 国内实际成本排序

排名	模型	月成本估算（中等使用量）	说明
1	DeepSeek V4-Flash	极低（几元到几十元）	缓存命中价格极低（$0.0028/MTok）
2	Qwen 3.5 Max	很低	国内直连，价格便宜
3	Kimi K2.6	低	性价比高
4	Gemini Flash	低-中等	免费额度 + 低价
5	GPT-5.5（国际访问）	中等-较高	国际访问仍有溢价
6	Claude Opus 4.7（国际访问）	较高	质量最高但价格也最高

---

六、各模型详细分析

6.1 Claude Opus 4.7 / Mythos Preview

定位：质量天花板，复杂推理和编码最强

核心数据：

• 输入：$5/MTok，输出：$25/MTok
• 缓存写入：$6.25/MTok，缓存读取：$0.50/MTok
• 上下文：1M tokens
• SWE-bench Verified：87.6%-93.9%

优势：

• 复杂多文件推理、架构设计最强
• 代码最优雅、bug 最少
• 自然写作能力最佳
• Agent 规划最周密

劣势：

• 价格最贵
• Token 消耗较多（输出冗长）
• 国内访问困难，需国际访问

适合场景：复杂重构、架构设计、高质量代码生成、不差钱的场景

6.2 GPT-5.5 / o-series

定位：Agent 均衡王，工具调用最强

核心数据：

• 输入：$3-$5/MTok，输出：$15-$30/MTok
• 上下文：1M+ tokens
• SWE-bench Verified：82.6%-88.7%

优势：

• Agent 工具调用和多步执行最强
• Terminal-Bench 常居首位
• 速度均衡
• 生态最完善

劣势：

• 价格较高
• 国内访问需国际访问

适合场景：多步 Agent 任务、通用编码、工具调用密集场景

6.3 Gemini 3.1 Pro

定位：长上下文 + 多模态之王

核心数据：

• 输入：$2-$2.5/MTok，输出：$10-$15/MTok
• 上下文：2M tokens（最大）
• SWE-bench Verified：76-80.6%

优势：

• 上下文窗口最大（2M tokens）
• 多模态能力最强（图片/视频/设计图转代码）
• 价格相对合理
• 免费额度慷慨

劣势：

• 代码质量和复杂推理略逊 Claude/GPT
• 国内访问稳定性较低

适合场景：大文档、多模态、大项目探索、预算有限

6.4 DeepSeek V4-Pro/Flash

定位：极致性价比王

核心数据（V4-Pro，75% 折扣后）：

• 输入（缓存命中）：$0.003625/MTok
• 输入（缓存未命中）：$0.435/MTok
• 输出：$0.87/MTok
• 上下文：1M tokens
• SWE-bench Verified：~80.6%

V4-Flash 价格：

• 输入（缓存命中）：$0.0028/MTok
• 输入（缓存未命中）：$0.14/MTok
• 输出：$0.28/MTok

优势：

• 价格极低（缓存命中时仅 $0.003625/MTok）
• 编码能力强，接近旗舰水平
• MoE 架构高效
• 国内直连顺畅，无限制
• 1M 上下文

劣势：

• 75% 折扣有截止时间（5/31）
• 极复杂推理可能略逊 Claude

适合场景：高性价比编码、生产环境、高频调用、国内开发者首选

6.5 Qwen 3.5/3.6 Max

定位：中文最强，国内生态最好

核心数据：

• 输入：_{$0.2-$1.0/MTok，输出：}$0.7-$4.0/MTok
• 上下文：1M+ tokens
• 中文任务和某些 Agent 基准领先

优势：

• 中文理解、生成、文化适配最佳
• 指令遵循能力强
• 开源生态好
• 国内直连，无限制

劣势：

• 英文编码能力略逊 DeepSeek
• 国际知名度较低

适合场景：中文任务、国内生产环境、指令遵循

6.6 Kimi K2.6

定位：视觉编码 + 性价比

核心数据：

• 输入：_{$0.6-$1.0/MTok，输出：}$2-$4/MTok
• 上下文：256K+ tokens
• 视觉编码强

优势：

• 视觉编码能力强
• 中文优秀
• 性价比高
• 国内直连

劣势：

• 上下文窗口相对较小
• 整体能力略逊旗舰

适合场景：视觉相关编码、中文任务、性价比优先

6.7 其他值得关注的模型

模型	开发者	核心优势	价格区间	国内访问
Grok 4	xAI	编码领先，风格幽默，实时信息	中等	中高
MiMo-V2.5	小米	Agent 优化好，长上下文	低	最低
GLM-5	智谱	中文强，开源生态	低	最低
MiniMax M2.5	MiniMax	接近 Top 10，开源/性价比榜单领先	低	最低

---

七、Token 消耗与成本优化

7.1 不同模型的 Token 消耗特点

模型	Token 消耗特点	优化建议
Claude Opus	输出冗长，思考步骤多，消耗最高	使用 Sonnet 替代、开启缓存
GPT-5.5	中等，Agent 循环时消耗快	控制 Agent 循环次数
DeepSeek V4	高效，MoE 架构省 Token	充分利用缓存命中
Gemini Flash	最快最省	简单任务用 Flash
Qwen	中等	中文任务效率高

7.2 缓存命中优化

缓存命中（Prompt Cache）是降低成本的关键：

模型	缓存命中价格	缓存未命中价格	节省比例
DeepSeek V4-Pro	$0.003625/MTok	$0.435/MTok	99.2%
DeepSeek V4-Flash	$0.0028/MTok	$0.14/MTok	98%
Claude Opus 4.7	$0.50/MTok	$5/MTok	90%
Claude Sonnet 4.6	$0.30/MTok	$3/MTok	90%

优化建议：

1. 保持系统提示稳定，提高缓存命中率
2. 使用支持缓存的工具（如 OpenCode 的 compact 模式）
3. 高频任务使用 Flash/Lite 版本
4. 复杂任务才用旗舰模型

---

八、选型建议

8.1 按需求场景选型

需求场景	最推荐模型	理由
追求最高代码质量	Claude Opus 4.7	SWE-bench 领先，代码最优雅
追求Agent 均衡能力	GPT-5.5	工具调用和多步执行最强
追求长上下文/多模态	Gemini 3.1 Pro	2M 上下文 + 多模态最强
追求极致性价比（国内）	DeepSeek V4	价格最低，性能接近旗舰
追求中文能力	Qwen 3.5/3.6 Max	中文最强，指令遵循好
追求视觉编码	Kimi K2.6	视觉编码强，性价比高
追求Agent 优化	MiMo-V2.5	Agent 能力优化好
追求高频/实时	Gemini Flash / DeepSeek Flash	速度最快，价格最低

8.2 按预算选型

预算	推荐组合
完全免费	Gemini CLI（每天 1000 免费请求）
极低预算（<50元/月）	DeepSeek V4-Flash
低预算（50-200元/月）	DeepSeek V4-Pro + Qwen 3.5
中等预算（200-500元/月）	DeepSeek + Claude Sonnet（国际访问）
高预算（>500元/月）	Claude Opus + GPT-5.5（高质量任务）

8.3 国内开发者推荐组合

主力方案（推荐）：

• 日常编码：DeepSeek V4（性价比最高）
• 高质量任务：Claude Sonnet/Opus（国际访问）
• 中文任务：Qwen 3.5 Max
• 大上下文/多模态：Gemini 3.1（国际访问）

省钱方案：

• 主力：DeepSeek V4-Flash
• 补充：Qwen 3.5 / Kimi K2.6

质量优先方案：

• 主力：Claude Opus 4.7（国际访问）
• 补充：GPT-5.5（国际访问）

---

九、大模型市场格局总结

9.1 质量天花板

• 编码/复杂推理：Claude Opus 4.7 + GPT-5.5
• Agent 均衡：GPT-5.5

9.2 性价比之王（尤其是国内）

• DeepSeek V4：性能接近旗舰，价格 1/10~1/30
• Qwen 3.5/3.6：中文最强，价格便宜
• Kimi K2.6：视觉+中文优秀，性价比高

9.3 长上下文/多模态

• Gemini 3.1：2M 上下文 + 多模态最强

9.4 趋势

1. 价格持续下降：各大厂商不断降价，缓存命中成为关键
2. 国内模型全面崛起：在性价比、中文、生产部署上全面领先
3. 海外模型仍有优势：在顶级基准和生态上保持领先
4. 组合使用成为主流：高质量模型 + 性价比模型搭配使用
5. Agent 能力成为核心竞争力：工具调用、多步执行、子代理能力越来越重要

---

十、总结

目前没有单一模型"全面碾压"，格局高度分化：

• 海外模型在顶级推理/Agent 上仍有优势
• 国内模型在性价比、中文、访问稳定性上全面领先

最佳策略：根据具体场景选择或组合使用多个模型，而非试图找到"一个最好的模型"。

国内开发者核心建议：

1. 主力使用国内模型（DeepSeek、Qwen、Kimi），成本低、访问稳
2. 高质量任务通过国际访问使用海外模型（Claude、GPT）
3. 充分利用缓存命中降低成本
4. 搭配合适的编码 Agent 工具（OpenCode、Aider、DeepSeek-TUI 等）

---

附录：常用模型快速参考

模型	输入价格	输出价格	上下文	SWE-bench	国内访问
Claude Opus 4.7	$5/MTok	$25/MTok	1M	87.6%+	需国际访问
Claude Sonnet 4.6	$3/MTok	$15/MTok	1M	高	需国际访问
GPT-5.5	$3-5/MTok	$15-30/MTok	1M+	82.6%+	需国际访问
Gemini 3.1 Pro	$2-2.5/MTok	$10-15/MTok	2M	76-80.6%	中等
DeepSeek V4-Pro	$0.435/MTok	$0.87/MTok	1M	~80.6%	直连
DeepSeek V4-Flash	$0.14/MTok	$0.28/MTok	1M	-	直连
Qwen 3.5 Max	$0.2-1.0/MTok	$0.7-4.0/MTok	1M+	高	直连
Kimi K2.6	$0.6-1.0/MTok	$2-4/MTok	256K+	~70-80%	直连

---

本文数据基于 5 月 12 日的最新信息。DeepSeek V4-Pro 的 75% 折扣有效期至 5 月 31 日 15:59 UTC。价格和基准分数可能随时间变化，建议实际测试后选择最适合自己的模型。