更新日期 2026.6.18
数据来源 https://vibecoding.dreamfree.space

原文链接 https://vibecoding.dreamfree.space/articles/model_comparisons/20260617/

基于 Artificial Analysis 2026 年 6 月 17 日最新测试数据，本文对 19 款主流大模型做横向对比，按 Intelligence 指数 → Coding 指数 → Agentic 指数 三层展开——分别对应综合表现、写代码能力、长流程自动化能力。
本期最值得关注的 5 个变化：

1. Claude Fable 5 异军突起：在本期 19 款集合中，Intelligence（60）、Coding（62.0）、Agentic（80.6）三项均为第一。
2. GLM-5.2 Agentic 反超 GPT-5.5：开源旗舰 GLM-5.2 的 Agentic 指数达 75.9，高于 GPT-5.5 的 74.1。
3. 国产新双雄：GLM-5.2（6 月 16 日）与 Kimi K2.7 Code（6 月 12 日）集中上线，成为国产阵营焦点。
4. Kimi K2.7 Code 走专项路线：官方强调编程与 Agent 强化及 highspeed 版本，但榜单 Coding 指数（45.6）仍略低于 K2.6（47.1）。
5. 模型名单更新：纳入 Claude Fable 5、MiniMax-M2.7 等，替换部分 6 月初旧型号。

一、快速对比总览

下表汇总 19 款主流模型的上下文、多模态与三项核心指数，便于横向比较（统计时间：2026 年 6 月 17 日）：

模型	上下文长度	多模态	Intelligence 指数	Coding 指数	Agentic 指数
Claude Fable 5	✅ 1M	✅ 文本+图像	60	62.0	80.6
Claude Opus 4.8	✅ 1M	✅ 文本+图像	56	56.7	77.8
GPT-5.5	✅ 920k	✅ 文本+图像	55	59.1	74.1
GLM-5.2	✅ 1M	❌ 纯文本	51	50.7	75.9
Gemini 3.5 Flash	✅ 1M	✅ 文本+图像+音频+视频	50	45.0	70.3
Claude Sonnet 4.6	✅ 1M	✅ 文本+图像	47	50.9	63.0
Gemini 3.1 Pro Preview	✅ 1M	✅ 文本+图像+音频+视频	46	55.5	59.1
Qwen3.7 Max	✅ 1M	❌ 纯文本	46	50.1	66.6
MiniMax-M3	✅ 1M	✅ 文本+图像+视频	44	43.4	68.6
DeepSeek V4 Pro	✅ 1M	❌ 纯文本	44	47.5	67.2
Kimi K2.6	❌ 260k	✅ 文本+图像+视频	43	47.1	66.0
MiMo-V2.5-Pro	✅ 1M	❌ 纯文本	43	45.5	67.4
Kimi K2.7 Code	❌ 260k	✅ 文本+图像+视频	42	45.6	61.9
DeepSeek V4 Flash	✅ 1M	❌ 纯文本	42	38.7	61.3
GLM-5.1	❌ 200k	❌ 纯文本	40	43.4	67.1
GPT-5.4 Mini	✅ 400k	✅ 文本+图像	40	51.5	58.9
Qwen3.7 Plus	✅ 1M	✅ 文本+图像+视频	39	46.5	65.1
MiniMax-M2.7	❌ 200k	❌ 纯文本	38	41.9	61.5
Claude Haiku 4.5	❌ 200k	✅ 文本+图像	30	32.6	40.2

特别提示：Qwen3.7 Max 为纯文本模型，多模态需求请使用 Qwen3.7 Plus。GPT-5.5 上下文为 920k，并非 1M。

二、整体格局：先看 Intelligence 指数

数据来源：Artificial Analysis - Intelligence Index

Intelligence 指数反映模型的综合表现——不只看谁更会写代码，也看谁在 OpenClaw、Claude Code、MCP 多工具链等复合场景里更扛得住。

• 全球头部：Claude Fable 5 居首，Claude Opus 4.8、GPT-5.5 紧随其后。Fable 5 在 Coding、Agentic 分项上同样领先，值得重点关注。
• 开源旗舰第一梯队：GLM-5.2 为开源阵营 Intelligence 最高，也是国产开源新旗舰中的领跑者；Gemini 3.5 Flash 紧随其后。
• 旗舰与中坚：Claude Sonnet 4.6、Gemini 3.1 Pro Preview、Qwen3.7 Max 仍处上游；MiniMax-M3、DeepSeek V4 Pro、Kimi K2.6、MiMo-V2.5-Pro 形成国产「中军」。
• 专项与性价比档：Kimi K2.7 Code、DeepSeek V4 Flash、GLM-5.1、MiniMax-M2.7 等覆盖「够用且省钱」区间；Claude Haiku 4.5 为轻量入口。

一句话总结 Intelligence 格局：海外头部仍由 Anthropic / OpenAI 把持，但开源阵营的 GLM-5.2 已经挤进全球第一观察圈，且 Agentic 分项已超过 GPT-5.5。

三、Coding 指数：开发者仍用脚投票

数据来源：Artificial Analysis - Coding Index

Coding 指数衡量模型写代码、改代码、理解代码库的水平，直接决定 Claude Code、Cursor、Windsurf 等工具背后的「手感」。

Coding 指数 TOP 解读：

• 第一梯队：Claude Fable 5 登顶，GPT-5.5、Claude Opus 4.8 构成海外编程铁三角。
• 次旗舰：Gemini 3.1 Pro Preview、Claude Sonnet 4.6、GLM-5.2、Qwen3.7 Max 紧随其后。
• 国产 Coding 中坚：DeepSeek V4 Pro、Kimi K2.6、Qwen3.7 Plus、Kimi K2.7 Code、MiMo-V2.5-Pro。
• 性价比档：MiniMax-M3、GLM-5.1、MiniMax-M2.7、DeepSeek V4 Flash。

国产 Coding 的关键反差：GLM-5.2 已进入全球 Coding 上游，是国产开源编程第一梯队；Kimi K2.7 Code 虽为最新编程专项，横向榜单上仍略低于 Kimi K2.6——官方自有 benchmark 显示相对 K2.6 在多项编程测试中有提升，但横向对比尚未全面反超。若看重专项体验与 highspeed 高速版，K2.7 Code 仍值得单独尝试。

四、Agentic 指数：长流程自动化的分水岭

数据来源：Artificial Analysis - Agentic Index

Agentic 指数衡量模型自主完成多步骤任务、调用工具、驱动工作流的能力——与 OpenClaw 运营、Claude Code 自主修仓库、MCP 多工具编排等场景直接相关。

Agentic 指数 TOP 解读：

• 断层领先：Claude Fable 5 大幅领先 Claude Opus 4.8，是本期 Agentic 的「天花板」。
• 突出变化：GLM-5.2 超过 GPT-5.5，位居 19 款模型第三——开源阵营在长流程自动化上首次压过 OpenAI 旗舰。
• 第二集团：Gemini 3.5 Flash、MiniMax-M3、MiMo-V2.5-Pro、DeepSeek V4 Pro、GLM-5.1、Qwen3.7 Max、Kimi K2.6、Qwen3.7 Plus 紧随其后。
• 专项与轻量档：Claude Sonnet 4.6、Kimi K2.7 Code、MiniMax-M2.7、DeepSeek V4 Flash、Gemini 3.1 Pro Preview。

如果你买模型是为了「让它自己跑完一条工作流」，本期不能只看 Intelligence 总分——GLM-5.2 的 Agentic 表现、MiniMax-M3 的国产高位、Claude Fable 5 的断层领先，都比 Coding 排名更值得纳入采购决策。

五、国产核心厂商深度解析

1. GLM-5.2（智谱 AI）：开源 Intelligence 旗舰，Agentic 反超 GPT-5.5

GLM-5.2 于 6 月 16 日发布，MIT 许可，753B 总参数 / 40B 激活，1M 上下文。三项指数：Intelligence 51、Coding 50.7、Agentic 75.9。

• Intelligence + Coding：51 / 50.7 的组合把它稳稳放进全球开源第一观察圈，Coding 与 Qwen3.7 Max、Claude Sonnet 4.6 同档。
• Agentic 75.9：高于 GPT-5.5（74.1），适合长仓库、多 MCP 工具、OpenClaw 类自动化。
• 产品生态：GLM Coding Plan 以 GLM-5.2 为套餐中枢，Lite / Pro / Max 三档覆盖个人开发者，并强调 Claude Code、OpenClaw 等 20+ 编程工具接入。

短板同样清晰：纯文本（无多模态）、套餐热度高时常需抢购。若你的场景强依赖图像/视频输入，应转向 Qwen3.7 Plus 或 Kimi 系列。

2. Kimi K2.7 Code（月之暗面）：编程专项 + highspeed，不是榜单全能冠军

K2.7 Code 于 6 月 12 日发布，Modified MIT，1T 总参数 / 32B 激活，支持文本+图像+视频输入。三项指数：Intelligence 42、Coding 45.6、Agentic 61.9。

与 K2.6 的对照：

维度	Kimi K2.6	Kimi K2.7 Code
Intelligence	43	42
Coding	47.1	45.6
Agentic	66.0	61.9
定位	上一代全能旗舰	最新编程专项

官方 quickstart 给出的增量故事在自有 benchmark上更漂亮：相对 K2.6，Kimi Code Bench v2 +21.8%、Program-Bench +11%、MLS Bench Lite +31.5%，Agent 相关基准约 +10%。同步上线的 highspeed 版本输出速度约为普通版 5–6 倍，适合日常高频编码。订阅入口：Kimi 会员与 Kimi Code。

要横向榜单上的 Coding / Agentic 综合排名，K2.6 仍略占优；要官方强调的编程专项体验与极速输出，K2.7 Code + highspeed 更值得试。

3. MiniMax-M3（稀宇科技）：Agentic 国产高位 + 性价比参照

MiniMax-M3：Intelligence 44、Coding 43.4、Agentic 68.6（国产 Agentic 第一档），1M 上下文，支持文本+图像+视频。

综合分不如 GLM-5.2，Coding 专项不如 K2.7 Code，但 Agentic 仍处高位、输出快、套餐额度宽松——是 OpenClaw 日常辅助与高频自动化的务实之选。订阅入口：MiniMax Coding Plan。

4. Qwen3.7（阿里）：Coding 长项仍在，Max / Plus 分工明确

阿里 Qwen3.7 系列在本期仍是国产 Coding 的传统强位：Qwen3.7 Max 的 Coding 与 Agentic 均处上游，Intelligence 也在第一集团的中段，整体没有掉队。若你本来就在用通义或百炼生态，这一代的核心变化不是「能不能写代码」，而是和 GLM-5.2、Kimi K2.7 Code 等新变量怎么分工。

Max 与 Plus 怎么选：

• Qwen3.7 Max：1M 上下文的纯文本旗舰，Coding 与 Agent 都是这代的默认首选；要代码能力先找 Max。
• Qwen3.7 Plus：同代的多模态版本，支持图像与视频输入；综合分略低于 Max，但适合「既要写代码、又要看图/看视频」的日常开发。

和本期其他国产新旗舰相比，Qwen 的路径更偏成熟生态 + 稳态上游：GLM-5.2 在 Intelligence 与 Agentic 上更抢眼，Kimi K2.7 Code 走编程专项与 highspeed，而 Qwen3.7 Max 的优势仍是 Coding 底子厚、接入 阿里云百炼 方便、团队里已有 Qwen 习惯时迁移成本最低。若你不需要绑某一家 Coding Plan，又想要一家「什么场景都能先拿来用」的国产默认，Max 依然稳妥。

5. 其他国产梯队（简述）

• DeepSeek V4 Pro / Flash：Pro 三项均衡，适合复杂任务兜底；Flash 走极致性价比与按量缓存，高频轻量任务很划算。按量入口：DeepSeek 开放平台
• MiMo-V2.5-Pro：Agentic 居国产第一集团，纯文本，适合看重自动化、又可接受无多模态的团队。接入入口：小米 MiMo
• GLM-5.1：已被 GLM-5.2 接替主线，仅作上一代参照；Agentic 仍不低，但上下文较短。

六、选型建议：按场景对号入座

先想清楚更看重 综合能力、写代码、日常 Agent 流程，还是 上下文 / 多模态 / 预算。国产场景里，本期更常落在 GLM-5.2、MiniMax-M3、DeepSeek V4 三条线之间；海外天花板仍是 Claude / GPT 一线，按预算与生态再选即可。

综合能力优先

• 要最强综合表现（海外）：Claude Fable 5（三项领跑）或 Claude Opus 4.8
• OpenAI 生态：GPT-5.5
• 开源 + 长上下文（国产）：GLM-5.2
• 均衡全能、API / 按量都友好（国产）：DeepSeek V4 Pro
• 已在用通义 / 百炼：Qwen3.7 Max 仍是稳态默认

以写代码为主

• 第一梯队：Claude Fable 5、GPT-5.5、Claude Opus 4.8、GLM-5.2
• 国产 Coding 上游：GLM-5.2、DeepSeek V4 Pro、Qwen3.7 Max
• 编程专项 + 极速输出：Kimi K2.7 Code highspeed——横向对比 Coding 略低于 K2.6，但专项调校与高速版更适合日常高频写代码

日常 Agent 流程（OpenClaw、Hermes、酒馆等）

这类场景更看重多步任务能不能跑完、工具能不能调稳，以及高频使用时是否够快、够省额度。

• 高频日常助手、标准化任务（国产）：MiniMax-M3、DeepSeek V4 Flash
• 均衡兜底、Pro 扛复杂 / Flash 扛轻量：DeepSeek V4 Pro 与 DeepSeek V4 Flash 可搭配使用
• 角色扮演、长对话为主的酒馆类场景：优先看 MiniMax-M3（响应快、额度宽松）或 DeepSeek V4 Flash（按量便宜）；若要更强指令遵循与工具联动，再考虑 GLM-5.2

上下文与多模态

• 长上下文纯文本工程流：GLM-5.2、DeepSeek V4 Pro、Qwen3.7 Max
• 长上下文 + 多模态：MiniMax-M3、Qwen3.7 Plus、Gemini 3.5 Flash
• 可接受较短上下文、但要图像/视频输入：Kimi K2.6 / K2.7 Code

预算与套餐

• 月费 Coding Plan：GLM Coding Plan、MiniMax Coding Plan、Kimi Coding Plan（K2.7 系列）
• 按量付费、看重缓存价：DeepSeek V4 Flash（DeepSeek 开放平台）
• 按量或 API 主力、能力要均衡：DeepSeek V4 Pro、MiMo-V2.5-Pro

本文聚焦编程与 Agent 能力选型。纯聊天场景通常不必为此单独购买 Coding 套餐。

七、2026 年 6 月中旬榜单变化总结

• Claude Fable 5 在本期 19 款集合中 Intelligence / Coding / Agentic 三项均为第一。
• GLM-5.2 开源 Intelligence 达 51，Agentic 75.9 超过 GPT-5.5，成为国产最值得关注的新旗舰。
• Kimi K2.7 Code 上线，走编程专项 + highspeed 路线；横向 Coding 仍略低于 K2.6。
• 国产 Agentic 第一集团仍由 MiniMax-M3、MiMo-V2.5-Pro、DeepSeek V4 Pro、GLM 系列、Qwen / Kimi 共同构成，与海外头部的差距继续收窄。

数据来源 https://vibecoding.dreamfree.space

原文链接 https://vibecoding.dreamfree.space/articles/model_comparisons/20260617/