Claude编程最强但贵30倍，DeepSeek性价比碾压

---

这问题一年能费我200个GPU小时。

先扔结论：2026年6月，你要是个正经干活儿的人，模型不是越贵越好——Claude Fable 5的编程Agent得分62，甩开第二名一大截，但你用API调一次够吃两顿海底捞。DeepSeek V4 Pro性价比暴打全场，不过编程能力真不如Claude。选哪个？看你是要命还是要钱。

真的。

上周三下午，我翻了下自己的API账单。6月调用量87万次，花的钱够买一台顶配MacBook Pro。其中37%花在Claude上，但产出的代码量只占19%。剩下的全喂给DeepSeek和GLM，便宜得像不要钱。

这事儿我得从头说。

---

两年前我能闭着眼睛推荐，现在？

现在不行了。

我浏览器收藏夹里躺着17个评测页面。Artificial Analysis、SWE-bench、AIME、MMMU，光是把这些跑分看一遍就得俩小时。版本号更离谱——V3.1、V4 Pro、Fable 5、Thinking、Flash、Max，每家命名都跟密码似的。OpenAI那个GPT-5.5，你以为是最新？错，它还有个内部叫法完全不同的实验版。

所以上周六我花了整个下午——从1点到晚上9点，中间吃了碗泡面——把我实际部署过、踩过坑、觉得还能用的模型全捋了一遍。

以下纯血泪史。

别当权威榜单看。这行变脸比翻书快。写于2026年6月26日下午3点，可能你读到的时候已经有新版本打我脸了。

---

美国三座大山：还在，但裂缝很明显

ChatGPT、Claude、Gemini，天花板级别的东西。但天花板之间，也开始分层了。

GPT-5.5，我对它心情复杂。

它什么都能干。写代码、做表格、联网搜、跑插件，配合那个生态基本就是一站式搞定。SWE-bench 74.9%，MMMU多模态84.2%，AIME 2025数学94.6%——数据确实漂亮。

但贵。

真贵。

API价格是DeepSeek的30倍。订阅费20美元一个月，企业调用成本压得人喘不过气。我认识一哥们儿，号用了半年突然被封，申诉无门，里面还有300多美元的余额。

没了。

这还不是最头疼的——国内访问玄学问题依旧。有时候连着三天正常，第四天突然抽风。

Claude Fable 5，目前公认的最强公开模型。

真香。

Artificial Analysis评测我反复看了三遍：Intelligence 60分，Coding 62分，Agentic 80.6分。三项全排第一。Agentic能力比自家Opus 4.8的77.8分高出一截——这个差距在国产模型里目前还没人摸得到。

我拿它写过几篇长文，说实话，写出来的东西没有那种AI味儿。逻辑通顺，文笔甚至有点优雅。Artifacts功能对前端开发简直是开挂，代码效果直接在侧边栏预览，不用切来切去。

但风控太严了。

稍微聊点敏感话题——哪怕只是写小说剧情需要——它都能礼貌地拒绝你。有次我让它帮我润色一段反派台词，它回复了三段"我理解你的创作需求，但我无法……"

扫兴。

Gemini 3.1 Pro的多模态是独一档的。

扔给它一段15分钟的视频，它能精准告诉你第3分27秒发生了什么。上下文窗口100万token，配合Google全家桶，办公效率确实高。

但最近稳定性有点问题。

逻辑推理偶尔"幻觉"，产品线改名改得我头疼——我现在都搞不清它到底叫Gemini 3还是3.1，还是什么别的。

---

插一段：SpaceXAI把超算租给对手，这事儿挺逗

SpaceXAI的Colossus 1超算——超过22万块英伟达GPU——全部租给了Anthropic跑Claude。每月12.5亿美元，租期到2029年。

细想。

把自家最大算力集群租给直接竞争对手，怎么看都像是xAI在前沿竞赛中退了一步。与其继续烧钱追Claude，不如收租子来得稳当。所以Grok 5的前景变得不确定了。主力产品Grok 4.3还在运营，上下文100万token，输入价格1.25美元/百万token，在旗舰里算最低的一档。

接入X的实时数据是独特优势。某些内容的开放程度也是独一档——但这给它惹了不少监管麻烦。

---

国产模型：开源是主旋律，价格屠夫扎堆

中国模型最大的特点是开源。全球累计下载量超过100亿次——这个数字我核实了三遍，确实没看错。国内大模型数量超过1500种，主要开源榜单前排多数被中国模型占据。海外开发者用中国开源模型搭生产环境，已经很普遍了。

讲真，这事儿两年前我是不信的。

重点说几家。有两家新冒出来的，值得提。

DeepSeek，价格屠夫本夫。

V3.2把推理成本压到极低。V4 Pro已进入早期访问，MIT协议完全开源。V4 Pro Thinking版本总参数1.6T，每token激活49B，上下文窗口1M。推理和数学能力对标海外旗舰，AIME跑分很高。

我日常用它做代码审查和数学推导，性价比无敌。但要说编程能力——看数据，Artificial Analysis的Coding得分47.5，跟Claude Fable 5的62分有明显差距。Agentic 67.2分，国产里算第一集团，但也谈不上最突出。

实话实说。

通义千问Qwen，阿里的卷王。

最新Qwen3.5，原生多模态MoE架构，支持201种语言，Apache协议开源。Max、VL、Omni产品线齐全，企业级应用和出海都覆盖。Qwen3.7 Max的Coding得分50.1，Agentic 66.6，稳扎稳打型。

我测过它的翻译功能。201种语言不是吹的，一些东南亚小语种处理确实比其他模型强。但中文写作的"灵气"不如GLM——更偏工具属性。

Kimi，长文本之王。

K2.6的编程评测还不错，Coding 47.1，Agentic 66.0。6月12日刚上线了K2.7 Code，专门做编程的，但Coding得分45.6，反而比K2.6略低。

这个让我有点困惑。专门优化反而退步了？可能是方向不同。

Kimi最早靠200万字无损上下文震惊业界——这个长度足以吞下几十本长篇小说。处理超长文档，它还是首选。没得说。

GLM-5.2，我的中文写作首选。

智谱6月16日上线，已经上市了。Intelligence 51分，开源阵营最高；Coding 50.7，Agentic 75.9——这个Agentic分数在19款模型里排第三，超过GPT-5.5的74.1。在国产开源里，这个单项成绩最突出。

我拿它写过几篇中文文章。说实话，中文表达的"人味儿"是最浓的。AutoGLM在Agent方向也受关注，支持1M上下文。如果你要私有化部署且看重中文表达，GLM-5.2目前是我的首选。

巴适。

MiniMax M3，6月1日发布的新锐。

上下文100万token，支持图片视频输入，编程评测超过GPT-5.5和Gemini 3.1 Pro。Agentic得分68.6，国产里维持高位。公司也上市了。

M3的定位很清晰：开源阵营里能力最全的一档，价格还低。适合编程、长文档和控成本的Agent场景。我测了代码生成，注释和异常处理确实比前代提升明显。

豆包，字节跳动的国民级产品。

不开源，但用户量大到吓人——日均使用量突破50万亿Tokens，稳居中国第一、全球第三。语音和视频理解能力强，手机助手体验成熟。豆包大模型1.8是12月发的，同时推出的Seedance 1.5 Pro做音视频创作。

偏大众，日常使用很顺滑。但对开发者来说，不开源意味着灵活性受限。咋整，自己掂量。

小米MiMo，有点意外。

2025年12月发布并开源，MoE架构，参数309B（激活15B）。混合注意力架构，滑动窗口注意力与全局注意力交替用。在27T token上做了多token预测预训练，引入多教师在线策略蒸馏做后训练。性能接近Kimi-K2-Thinking和DeepSeek-V3.2。

MiMo-V2.5-Pro的Agentic得分67.4，国产里相当能打。小米做模型这事儿——不对，应该说小米做大模型这个方向——一开始我是存疑的。看了数据和实测，确实有两把刷子。

腾讯混元Hy3-preview，4月发的。

参数295B（激活21B），上下文256K。架构上192路专家与top-8路由机制，配3.8B参数的MTP层。定位是"快慢融合MoE"，重点补强复杂推理、代码和智能体能力。

腾讯的优势在生态集成——微信、QQ这些国民级应用。但模型本身的能力，我觉得还在追第一梯队。实话。

阶跃AI的Step3-VL，1月发的多模态模型。

参数量只有10B，但官方宣称是10B以下的SOTA，能媲美甚至超越规模大得多的开源模型（如GLM-4.6V 106B、Qwen3-VL-Thinking 235B）和闭源旗舰（如Gemini 2.5 Pro）。说是靠高质量多模态语料库预训练（1.2T tokens）和规模化多模态强化学习（超过1400次RL迭代），还搞了Parallel Coordinated Reasoning做并行视觉探索。

10B能打235B？

听起来像营销话术。我没实测过，暂时存疑。

---

我自己的使用建议（非常主观，爱信不信）

如果你能搞定网络，追求最强编程和Agent能力——Claude Fable 5或MiniMax M3。

如果你最看重性价比——DeepSeek V4 Pro或MiMo V2.5 Pro。

如果要私有化部署且看重中文表达——GLM-5.2。

如果需要多模态处理视频音频——Gemini 3.1 Pro。

如果要长文本处理——Kimi K2.6。

企业出海——通义千问Qwen3.5。

日常使用不想折腾——豆包。

得嘞。

---

三个我没想明白的问题

开源模型的护城河到底是什么？

MIT协议的开源模型正在快速蚕食闭源市场，预计到2027年大部分企业的AI能力都会建立在开源模型上。但闭源还有"独家数据"和"顶尖对齐"两条护城河。问题是，这两条护城河能守多久？三年？五年？

不知道。

价格战还在继续。国产模型API已经低到令人发指，预计到年底主流模型输入价格会降到0.5元/百万token以下。对用户是好事，对厂商是血战。当年我们在机房烧GPU跑模型的时候，这个价连电费都不够。

Agent元年真的来了。MCP协议的普及让AI终于长出了手脚。2026年下半年，会有大量基于Agent的AI原生应用爆发。谁能把Agent做得最好，谁就是下一个时代的赢家。

但这些预测跟天气预报差不多——大概率不准。

AI这行变得太快。我写这篇文章的3个小时里，可能已经有新版本发布了。

所以上面这些，参考参考得了。

别全信。

毕竟，上周我还信誓旦旦跟团队说某个模型稳了，结果周三晚上它就翻车了。