如果你还在用 2025 年初那套「Claude 写文、GPT 写码、Gemini 多模态」的刻板印象选模型——可以扔掉了。

2026 年 7 月这一波更新，把格局彻底打乱：
Anthropic 一口气推出 Claude Opus 5 / Mythos 5 / Fable 5 / Sonnet 5；OpenAI 端出 GPT-5.6 Sol；国内与开源阵营则有 Kimi K3、DeepSeek V4、GLM 5.2 正面硬刚闭源旗舰。

本文只讲三件事：现在榜上谁靠前、不同场景怎么选、钱怎么花。

---

一、先看「总智力」

1. Humanity’s Last Exam（HLE）

排名	模型	HLE 分数	阵营
1	Claude Opus 5	64.7%	Anthropic 闭源
2	Claude Mythos 5	64.5%	Anthropic 闭源
3	Claude Opus 4.8	57.9%	Anthropic 闭源
4	Claude Sonnet 5	57.4%	Anthropic 闭源
5	Kimi K3	56%	开源权重
6	GLM 5.2	54.7%	开源/国内
7	Kimi K2.6	54%	—
8	DeepSeek V4 Flash	51.6%	开源
9	DeepSeek V4 Pro	48.2%	开源
10	GPT-5.6 Sol	47.2%	OpenAI 闭源

结论：
综合「知识 + 难推理」，Claude 家族几乎包圆前四；开源里 Kimi K3 已摸到闭源二线；GPT-5.6 Sol 在这个总榜上不占优——它把火力集中在 coding / agent。

2. Artificial Analysis Intelligence Index

• Claude Opus 5（Max）：61 分，#1
• GPT-5.6 Sol（max）：59 分 前后
• Kimi K3：57 分，开源权重第一梯队

高智力不等于便宜。Opus 5 Max 单次跑完评测大约是 $3800 量级的 token 成本——旗舰就是旗舰价。

---

二、按场景拆：别只看总分

1. 写代码 / 改仓库（SWE-Bench 等）

模型	大致水平	备注
GPT-5.6 Sol	96.2%	agentic coding 王者
Claude Mythos 5	95.5%	紧咬
Claude Fable 5	95%	计算机使用也很强
GPT-5.6 Luna	93%	更偏性价比
Claude Opus 4.8	88.6%	上一代仍能打

• 重度 Cursor / 类 Devin 工作流 → GPT-5.6 Sol 或 Claude Mythos / Fable 5
• 预算敏感要质量 → Claude Sonnet 5
• 想自托管 → Kimi K3 / DeepSeek V4

2. 终端 / 运维（Terminal-Bench）

模型	分数
GPT-5.6 Sol	88.8%
Kimi K3	88.3%
Claude Mythos 5	88%
Claude Fable 5	84.3%

开源 Kimi K3 在终端 agent 上已和闭源旗舰同档，做 NAS、脚本编排的可以认真评估。

3. 浏览器使用（BrowseComp）

模型	分数
GPT-5.6 Sol	92.2%
Kimi K3	91.2%
Claude Opus 5	90.8%
Claude Fable 5	88%

4. 电脑操作 / GUI Agent（OSWorld）

模型	分数
Claude Fable 5	85%
Claude Opus 4.8	83.4%
Claude Sonnet 5	81.2%
GPT-5.5	78.7%

真要点鼠标、开软件，Fable 5 目前更尖。

5. 办公自动化（AutoBench）

模型	分数
Claude Opus 5	26%（相对领先）
GPT-5.6 Sol	18.1%
Claude Fable 5	17.4%

长链路知识工作，Opus 5 优势明显。

6. 科学推理（GPQA Diamond）

顶部分数已到 94%+：Sonnet 5 约 96.2%，很多时候不必上 Opus。

---

三、钱：旗舰很贵，Flash 才是日用主力

模型	Input / 1M	Output / 1M	定位
Claude Opus 5	~$5	~$25	旗舰知识工作
Claude Mythos 5	~$10	~$50	更贵顶配
Claude Sonnet 5	~$3	~$15	日常闭源主力
GPT-5.6 Sol	~$5	~$30	旗舰 coding / agent
Kimi K3	~$3	~$15	开源权重，API 仍不便宜
Gemini Flash 系 / 小模型	更低	更低	速度与成本优先

• 旗舰推理往往偏慢（Opus 5 Max 约 55 t/s，Kimi K3 约 32 t/s）
• 主流旗舰上下文多在 1M 量级

榜和价目再漂亮，手感还是要自己摸。正式开户前，不妨先拿真实任务跑一轮。若暂时没有官方 Key，也可以去 jiurelay.com 领个限时接口，把 Cursor 或 Claude Code 先接通试一下，再决定为哪个模型买单。

---

四、怎么选：三套配方

配方 A：个人 / 小团队

用途	推荐
日常写作、总结	Claude Sonnet 5
重推理、长方案	Claude Opus 5（按需高 effort）
写代码、改 bug	GPT-5.6 Sol 或 Claude Fable / Mythos 5
批量、便宜、快	Gemini Flash 系 / 小模型路由
数据不出域 / 可自建	Kimi K3 + DeepSeek V4

配方 B：要做 Agent 的产品团队

1. Planner / 知识工作 → Opus 5
2. Coder / Terminal → GPT-5.6 Sol 或 Kimi K3
3. Browser / Computer Use → Sol + Fable 5
4. 高 QPS 轻任务 → Flash / Haiku / nano 路由
5. 用「每任务成本」算账，别只看每百万 token 单价

配方 C：预算极紧

• API：DeepSeek V4 Flash、Gemini Flash-Lite、各家 nano
• 权重：Kimi K3、GLM 5.2、Llama 4 系
• 本地小模型只适合草稿和分类，别指望打 HLE 60%

---

五、容易踩的坑

1. 别只信厂商自家榜——以独立评测和难卷为准。
2. 「第一」是分场景的——总智力强 ≠ coding 一定最强。
3. Reasoning / Max Effort 又贵又慢——生产要做档位和超时。
4. 开源 ≠ 免费——大激活量模型的显存和工程成本很高。
5. 多模态、语音另算——本文主谈文本与 agent。

---

六、一句话总结

2026 年中：Claude 系（尤其 Opus 5）拿下综合智力与知识工作；GPT-5.6 Sol 主攻 coding 与浏览器 agent；Kimi K3 把开源拉进第一梯队；日常别全开旗舰——Sonnet 5 + Flash 路由才是省钱真相。

---

数据截至 2026-07-28，榜单迭代很快；落地前再刷一遍独立评测。选模型没有「永远第一」，只有「此刻最适合你的那块」。