Reviews
AI API 测评对比
详细的 API 性能评测与使用体验分享，帮助你选择最适合的 AI 服务。
2026-07 信息更新
本页已按 2026-07 最新官方口径更新：OpenAI GPT-5.6 系列、Claude Opus 5 / Sonnet 5 / Fable 5、Gemini 3.6 Flash、Kimi K3、豆包 2.1、腾讯 Hy3（TokenHub）、Qwen3.8-Max-Preview / Qwen3.7-Plus、GLM-5.2、MiniMax M3 与 DeepSeek V4。注意：腾讯旧版混元模型已下线并迁移 TokenHub；DeepSeek 旧别名 deepseek-chat / deepseek-reasoner 已退役；GLM Coding Plan 已改版涨价。模型名、免费额度、套餐库存和价格变动很快，正式购买前仍以各家官方控制台为准。
结论先行（点开查看）
代码 / 推理 / 长程 Agent：性价比优先看 DeepSeek V4 Flash；开源推理与代码能力可重点看 DeepSeek V4 Pro；长上下文 Coding Agent 和复杂工程任务可重点评估 GLM-5.2、MiniMax M3；闭源旗舰能力可看 Claude Opus 5、OpenAI GPT-5.6。
通用对话 / 内容创作 / 写文案：中文写作、文案生成、知识整理优先看通义千问（Qwen）、Kimi、DeepSeek；需要更稳定的商业文案、复杂改写和英文内容时，可评估 Claude Opus 5、OpenAI GPT-5.6。
长文档 / 多模态：海外模型先看 Gemini 3.6 Flash，再用 Gemini 3.1 Pro Preview 验证复杂任务；安全长文本看 Claude Opus 5。
国内生态：阿里云项目看 Qwen3.7-Max / Qwen3.7-Plus；火山方舟看豆包 2.1；腾讯云项目直接走 TokenHub（Hy3）；需要国内可访问的长程 Coding Agent、代码库分析和复杂工程任务时，可重点试 GLM-5.2，但要注意 Coding Plan 套餐、额度和高峰期消耗规则。
海外闭源旗舰：OpenAI GPT-5.6、Claude Opus 5、Gemini 系列适合复杂专业工作、编码和工具型 Agent，但价格通常更高。
策略：所有价格、额度和模型名优先看官方控制台；MiniMax 需要特别区分 Token Plan Key、Credits 和 Pay-as-you-go API Key。
OpenAI GPT-5.5省流版
推荐指数：4.6/5 | OpenAI 最新旗舰为 GPT-5.6 系列（gpt-5.6-sol/terra/luna，2026-07-09 发布），适合复杂编码、Agent、长上下文检索和生产级助手；上一代 gpt-5.5（快照 2026-04-23）仍可用。GPT-5.6 Sol 标准价 $5 输入 / $30 输出每百万 token。
官方定位为 newest frontier model，适合复杂专业工作、编码、推理和 Agent 工作流。
默认 reasoning.effort 为 medium，可按任务调低到 low 或 none 来平衡质量、延迟和成本。
标准价 $5/$30 每百万 token，Batch/Flex 可降至 $2.5/$15；长上下文和 Pro 场景成本明显更高。
支持 Responses API、Chat Completions、Batch、工具调用和企业级数据驻留选项。
主要优点
- 最新旗舰为 gpt-5.6-sol（系列含 gpt-5.6-terra、gpt-5.6-luna），2026-07-09 正式发布，知识截止 2026-02，1.05M 上下文、128K 输出
- 上一代 gpt-5.5 仍可用、价格未变，当前快照为 gpt-5.5-2026-04-23；gpt-5.5-pro 为更高计算量版本
- 支持 Responses API、Chat Completions、Batch、function calling、web search、file search、tool search、code interpreter、computer use、MCP 和结构化输出
需要注意
- 价格较高：GPT-5.5 标准价 $5/$30 每百万 token，GPT-5.5 Pro 标准价 $30/$180 每百万 token
- 国内访问需要代理
- 需要国际信用卡支付
省流版
推荐指数：4.3/5 | MiniMax M3 是 2026-06-01 发布的最新 M 系列模型，主打代码、Agent、1M 上下文和原生多模态；适合 AI Coding 工具、长上下文仓库分析和多步骤 Agent，但购买前要分清 Token Plan、Credits 与 Pay-as-you-go 的 Key 和计费体系。
官方定位为 Coding & Agentic Frontier，在 SWE-Bench Pro、Terminal-Bench、MCP Atlas 等代码和 Agent 基准上给出较强成绩。
M3 支持 thinking 开关；关闭 thinking 更适合低延迟对话和补全，复杂 Agent 任务开启 thinking 但延迟会更高。
官方 Token Plan 口径为 Plus $20/月、Max $50/月、Ultra $120/月；PAYG 标准通道当前显示 M3 ≤512K 为 ¥2.1/百万输入、¥8.4/百万输出。
M3 刚发布，API、Token Plan、Priority 通道和区域价格仍可能快速调整，生产接入前建议小流量压测。
主要优点
- MiniMax-M3 支持 1,000,000 token 上下文，官方说明 512K 以内覆盖多数对话和编程场景
- 原生多模态，支持文本、图像、视频、工具调用和 thinking block，适合复杂 Agent 工作流
- Token Plan 适合个人开发者和小团队固定预算使用，文本、图像、语音、音乐资源共享额度池
需要注意
- Token Plan Subscription Key、Credits 和 Pay-as-you-go API Key 是不同体系，初次接入容易填错 Key
- M3 刚发布，价格、额度、Priority 开放状态和区域支付口径变化较快
- 超过 512K 输入 token 会进入更高长上下文价格，仓库级分析和长视频任务需要提前预算
阿里云通义千问省流版
推荐指数：4.8/5 | 国内用户和阿里云生态项目的稳妥选择。2026 年 7 月重点看 Qwen3.8-Max-Preview（仅 Token Plan）、Qwen3.7-Max 与 Qwen3.7-Plus；Qwen3.6-Plus 已被官方列为「旧版模型，不再作为首选推荐」。
Qwen3.7-Max 在复杂推理、代码工程、工具调用和多语言任务上明显增强，普通中文内容任务仍可用 Qwen3.6 控本。
国内部署，响应延迟低，高并发场景下也保持稳定速度。
qwen3.7-max 国内百炼当前为 12 元/百万输入、36 元/百万输出；Qwen3.6-Flash / Plus 更适合日常控本。
阿里云基础设施保障，SLA 99.9%，企业级可用性。
主要优点
- 免费额度、试用模型和价格经常调整，购买前以百炼控制台为准
- 国内直接访问，无需代理，响应速度快
- 中文场景深度优化，理解和生成质量优秀
需要注意
- 复杂 Agent 任务建议优先测试 Qwen3.7-Max，同时对比 DeepSeek V4 Pro、Claude Opus 5 或 GPT-5.6
- Qwen3.7-Max 成本高于 Qwen3.6-Plus / Flash，不适合所有轻量高频任务
- 英文和跨语言场景表现不如原生英文模型
Anthropic Claude省流版
推荐指数：4.6/5 | 长文本处理、安全性和代码协作能力突出。当前重点看 Claude Opus 5、Sonnet 5、Haiku 4.5，以及能力最强档 Fable 5；Opus/Sonnet 支持 1M 上下文，适合长文档和复杂代码任务。
文本理解和生成长文本方向顶尖，安全对齐做得最好的模型。
推理速度中规中矩，长文本处理时延迟有所增加。
价格处在海外高端模型区间，适合高价值长文档和代码协作任务。
Anthropic 服务成熟，API 可用性极高，企业级可靠。
主要优点
- Opus 5 / Sonnet 5 支持 1M 上下文，适合长文档分析、合同审查和代码仓库理解
- 安全对齐做得最好，Constitutional AI 确保输出安全可靠
- 代码能力强劲，Claude Code 是顶级 AI 编程助手
需要注意
- 国内访问需要代理
- 推理速度相对较慢
- 价格较高，需要结合任务效果与 OpenAI GPT-5.6 分别实测
智谱AI GLM省流版
推荐指数：4.4/5 | GLM-5.2 主打 1M 上下文、128K 输出、长程 Coding Agent 和复杂工程任务，适合代码库分析、多文件重构、项目级开发、长文档处理和企业知识库底座。它的模型能力和性价比值得关注，但 Coding Plan 不是普通 API 套餐，购买、额度、高峰期消耗和工具支持规则都需要提前确认。
GLM-5.2 在长上下文、代码工程、工具调用和长程 Agent 任务上明显加强。官方文档显示它支持 1M 上下文和 128K 最大输出，更适合项目级工程上下文、复杂重构、代码库分析和多步骤开发任务。
国内访问延迟相对友好，普通任务响应体验不错；但 1M 上下文、max 推理和复杂 Agent 任务会显著增加耗时。实际速度取决于上下文长度、工具调用次数、项目规模和高峰期资源情况。
GLM-5.2 的 API 标准价格相对国际闭源旗舰更低，Coding Plan 对开发者有吸引力。但套餐不是无限用，存在 5 小时限额、每周限额和高峰期倍率消耗；复杂项目中一次 Prompt 可能触发多次模型调用，实际消耗可能比新手预期更快。
模型能力提升明显，但产品体验仍要看具体接入方式。Coding Plan 仅适用于官方支持的编码工具，不等同于普通 API 套餐；套餐库存、额度统计、工具兼容和高峰期体验都可能影响实际使用稳定性。
主要优点
- GLM-5.2 支持 1M 上下文和 128K 最大输出，更适合大型代码库、长文档、复杂项目和长程 Agent 任务
- Coding Agent 能力是核心卖点，适合项目审查、多文件修改、工程重构、测试修复和前后端项目生成
- 国内访问和中文场景更友好，对国内开发者、企业知识库和内部工具原型有较高吸引力
需要注意
- GLM-5.2 不应再简单按"GLM-5 / 5.1 的 200K 长上下文模型"理解，它的重点已经转向 1M 上下文、长程 Coding Agent 和复杂工程任务
- Coding Plan 不是普通 API 套餐，主要用于 Claude Code、Cline、OpenCode 等官方支持的编码工具；网站客服、企业知识库、SaaS 内置 AI 等场景仍应按标准 API 和实际调用成本评估
- 套餐存在 5 小时限额、每周限额和高峰期倍率消耗，复杂项目中一次 Prompt 可能触发多次模型调用，不要只看表面套餐价格
月之暗面 Kimi省流版
推荐指数：4.5/5 | Kimi 适合长文档、资料问答、中文知识工作流和 Agent 原型。当前重点关注 Kimi K3（1M 上下文、原生视觉、长程编程）和 OpenAI 兼容接入；K3 价格较上一代 K2.6 整体涨超 3 倍。
Kimi K3 在长程编程、复杂推理和视觉理解上明显加强（前端代码能力全球第一），适合长资料、复杂问答和中文知识工作流。
国内访问延迟友好，长上下文任务会随输入长度增加耗时。
有免费额度，日常文档处理和中等规模应用成本较好控制。
开放平台接入体验成熟，仍需关注模型列表和额度调整。
主要优点
- Kimi K3 支持 1M 上下文与原生视觉理解，适合合同、论文、资料库、报告和代码资料分析
- 中文表达自然，摘要、改写、问答等常见任务完成度高
- OpenAI 兼容接口迁移成本低，现有 SDK 项目容易接入
需要注意
- 工具调用、复杂 Agent 和极高难度推理场景不一定是首选
- 多模态和企业生态覆盖不如部分云厂商完整
- Kimi K3 价格较高（输入 ¥20/百万、输出 ¥100/百万）且因算力原因 C 端新用户订阅暂停，成本和可用性需以 Moonshot 控制台为准
省流版
推荐指数：4.5/5 | 腾讯混元更适合已经在腾讯云、微信生态或企业服务体系里的团队。旧版混元模型（hunyuan-lite / turbos / t1 等）已于 2026-06-22 下线，新能力已统一迁移到 TokenHub，最新旗舰为 Hy3。
通用中文任务表现可靠，多模型覆盖能满足大多数业务接入。
国内云服务延迟低，适合面向国内用户的在线应用。
轻量模型和资源包适合规模化调用，具体成本取决于模型选择。
腾讯云基础设施成熟，企业级运维和权限体系较完整。
主要优点
- 腾讯云账号体系、费用中心、权限管理和企业运维流程完整
- 国内访问稳定，适合在线客服、办公系统和内部业务工具
- 多模型路线覆盖文本、视觉、翻译等场景，最新旗舰 Hy3（256K 上下文，¥1 输入/¥4 输出每百万）已上架 TokenHub
需要注意
- 控制台概念较多，新手需要理解地域、密钥、Endpoint 和模型名
- 如果没有腾讯云使用基础，开通链路会比独立开放平台稍重
- 最前沿推理和代码场景不一定优于国际旗舰或专项模型
字节豆包省流版
推荐指数：4.5/5 | 豆包 API 适合高频中文对话、内容生成、Agent 原型和成本敏感应用。当前重点关注豆包 2.1 系列（Pro/Turbo）、Doubao-Seed-Evolving、Responses API 和火山方舟的模型编排能力。
豆包 2.1 Pro 在 Coding / Agent / 视觉语言三大方向提升明显，复杂任务要按模型实测。
轻量模型响应快，适合聊天、客服和内容生产类高频调用。
成本控制友好，适合从免费额度、小额测试逐步放量。
火山引擎云服务成熟，正式接入建议配置预算和告警。
主要优点
- 高性价比，适合高频调用和成本敏感型产品
- 国内直连，面向国内用户的延迟体验较好
- 豆包 2.1 Pro / 2.1 Turbo、Seed-Evolving、视觉、语音、Embedding 等方向覆盖较全，适合在火山方舟里统一调度
需要注意
- 火山方舟里的模型、Endpoint、地域概念对新手有一定学习成本
- 复杂推理、严肃代码修复需要与 DeepSeek、Claude、OpenAI 等交叉测试
- 豆包 2.1、Seed-Evolving、Responses API、免费额度和价格变化较快，正式购买前必须核对火山方舟控制台
DeepSeek V4 系列省流版
推荐指数：4.6/5 | DeepSeek V4 当前重点是 deepseek-v4-flash（已上线正式版公测，支持 Responses API）和 deepseek-v4-pro（仍为预览版）：两者均支持 1M 上下文、最高 384K 输出、思考/非思考双模式、OpenAI/Anthropic 兼容接口。deepseek-chat 和 deepseek-reasoner 旧别名已于 2026-07-24 15:59 UTC 完全退役。
官方定位 V4 Pro 为面向 Agent 编码、世界知识、数学/STEM/代码推理的旗舰开源模型；Flash 更偏快速和高性价比。
Flash 参数规模更小，适合实时对话和高频任务；Pro 更适合高难推理和长上下文任务。
官方按人民币/百万 token 计费，V4 Flash 缓存命中 ¥0.02/百万输入、未命中 ¥1/百万输入、输出 ¥2/百万；V4 Pro 为 ¥0.025、¥3、¥6。
高峰期算力紧张，Pro 可能变慢或排队。建议做好重试和备用方案。
主要优点
- 官方 V4 模型名为 deepseek-v4-flash 和 deepseek-v4-pro，新项目应优先使用这两个模型名
- V4 Pro：1.6T 总参数、49B 激活参数，官方定位为性能接近世界顶级闭源模型
- V4 Flash：284B 总参数、13B 激活参数，参数更小、响应更快、API 成本更低
需要注意
- deepseek-chat / deepseek-reasoner 已于 2026-07-24 15:59 UTC 退役，未迁移的旧项目必须改用 deepseek-v4-flash / deepseek-v4-pro
- 高峰期算力紧张：热门时段 Pro 响应可能变慢或需排队
- 审美与前端偏弱：能写好逻辑代码，但生成的网页界面不美观，需人工润色
省流版
推荐指数：4.5/5 | Gemini 的优势是多模态、长上下文和 Google 生态。当前重点看 Gemini 3.6 Flash（2026-07 GA）与 Gemini 3.1 Pro Preview；国内访问、账号、支付和区域限制仍是主要成本。
Gemini 3.6 Flash 强在多模态和速度，Gemini 3.1 Pro Preview 更适合长上下文与复杂任务测试。
海外网络环境下响应快，国内体验取决于代理质量和区域配置。
AI Studio 免费额度适合试用，正式生产成本需按 Google Cloud 账单核算。
平台能力成熟，但国内网络和账号区域会影响稳定性。
主要优点
- Gemini 3.6 Flash 适合多模态和低延迟场景（价格低于 3.5 Flash），Gemini 3.1 Pro Preview 更适合长上下文与复杂任务测试
- 长上下文适合大文档、代码库和资料批量分析
- AI Studio 上手快，适合快速创建测试 Key
需要注意
- 国内访问通常需要稳定代理，网络质量会直接影响调用体验
- 付费生产一般涉及 Google Cloud 账号、账单和国际支付
- 配额、区域、模型命名、预览模型稳定性和 API 版本变化需要持续关注
常见问题
测评分数怎么用？
综合评分按 质量 45%、稳定性 25%、速度 20%、性价比 10% 计算，适合快速横向对比。但选 API 时建议重点看你最在意的单维度分数，比如编程场景重点看质量和稳定性。
测评数据多久更新一次？
模型更新或价格调整时会同步更新测评。建议购买前到官网确认最新的模型名称和定价。
测评结果和我自己测试不一样怎么办？
基准测试是通用场景，你的业务场景可能有差异。建议用自己的真实任务跑 3-5 个样本对比，记录响应质量、速度和成本。
下一步推荐
适合谁
- • 想对比不同 API 的性能、价格和使用体验
- • 需要根据具体场景（编程、翻译、创作）选 API
- • 想了解各 API 的优缺点再做决定
本站测评数据参考以下权威基准和官方来源：
代码能力基准
- • SWE-bench Verified：代码修复能力评测
- • SWE-bench Pro：真实工程任务评测
- • CursorBench：IDE 编码能力评测
综合能力基准
- • GPQA Diamond：科学推理能力评测
- • HLE：综合知识考试评测
- • OSWorld：桌面自动化能力评测
数据来源说明
- • 官方参数：来自各厂商官方文档（Anthropic、OpenAI、Google 等）
- • 第三方基准：来自 DataLearnerAI、知乎、火山引擎等权威评测机构
- • 更新时间：最后更新 2026-05-07