2026 年 10 月模型选型指南

先看三个变量

选型要看的不是参数榜，是三件事：任务对推理深度的要求、输入输出的体量、以及你能进哪个分组。第三个变量最容易被忽略，却常常是账单差异的主要来源——同一个模型在不同分组之间能差 15 倍，选分组和选模型同等重要。

下面按四类任务给结论，价格都是站内实付价，模型名可以直接填进 model 字段。

写代码

主力选择是 claude-opus-5，官方价 $5/$25，在 Kiro 分组（倍率 0.15）折后 $0.75/$3.75，100 万上下文、12.8 万输出。跨文件重构、需要自己验证中间结果的智能体循环，它的稳定性值这个价。

性价比一档看 gemini-3.8-flash，官方价 $1.5/$7.5，Gemini Antigravity 分组 0.65 折后 $0.975/$4.875。官方说明里 DeepSWE v1.1 达 73.7%，编程与 Agent 能力接近 Opus 5，输出上限 64K。日常改代码、批量审查足够。

国产模型里 kimi-k3.1-pro 值得试，13/68 元，稳定国模 0.2 折后 2.6/13.6 元（约 $0.39/$2.04），Terminal-Bench 4.0 得分 65.7%，输出上限 94 万。

最便宜的一档是 grok-4.7，官方 $2/$6，Grok 分组 0.05 折后 $0.1/$0.3。2.1 万亿参数的模型卖这个价，适合做大规模代码扫描和初筛，把结果再交给更贵的模型复核。

长文生成

先看输出上限，这是硬门槛。kimi-k3.1-pro 的 943,718 token 在旗舰级里最高，deepseek-v4-pro 的 393,216 排第二，glm-5.3 和 gpt-6-astra 都在 13 万上下，gemini-3.8-flash 只有 6.55 万。

要一次生成整本手册、完整项目代码、几十万字报告，只有前两个够用。kimi-k3.1-pro 的输出价 13.6 元/百万，deepseek-v4-pro 空闲时段 5.4 元/百万，后者更便宜但要避开工作日 9 点到 12 点、14 点到 18 点的高峰。

长文档理解是另一回事。glm-5.3 有 100 万上下文、13.1 万输出，纯文本，输入价 1.6 元/百万，做合同比对、规则推导这类任务成本很低。

长文任务的账单由输出价主导。一份十万字的中文文档约 15 万 token，输出价 13.6 元/百万意味着生成一次不到 2.1 元，输入部分几乎可以忽略。反过来说，把长文任务拆成多轮，输出总量不变，成本也不会省。

多模态输入

要处理音频和视频，只剩少数几个选择。gemini-3.8-flash 支持文本、图像、音频、视频、文件五类输入，$0.975/$4.875，是覆盖面最全的一档。

成本敏感的多模态批处理看 mimo-v2.6-flash，309B 总参数、15B 激活的 MoE，官方 3/6 元，官渠国模 0.2 折后 0.6/1.2 元（约 $0.09/$0.18），支持图片、视频、音频输入。这个价位做大规模内容审核很合适。

需要同时读视频和大段文本做交叉分析的，qwen3.8-max 支持文本、图像、视频、文件，12/36 元，折后 2.4/7.2 元。glm-5.3-flash 则适合图文混排的界面类任务，0.16/0.56 元，还能读 PDF 等文件。

低价批量

这一档的价差最大，选错会直接吃掉利润。

gpt-6-luna 官方 $0.1/$0.5，稳定 GPT Pro 0.25 折后 $0.025/$0.125，105 万上下文。它的定位就是高并发、大规模日常任务，这个上下文规模在这一档里少见。

gemini-3.1-flash-lite 官方 $0.5/$1.5，0.65 折后 $0.325/$0.975，100 万上下文，支持全模态输入，适合需要读图的批量任务。

国产模型更便宜：glm-5.3-flash 0.16/0.56 元，hy3 0.2/0.8 元，deepseek-v4-flash 高峰 0.4/1.6 元、空闲 0.2/0.8 元。做分类、抽取、打标这类简单任务，成本可以压到每百万 token 几毛钱。

这一档的差距不在跑分，在长尾任务的稳定性。简单分类打标几乎看不出区别，一旦遇到格式不规范、字段缺失、多语言混排的样本，便宜模型的指令遵循会先崩。先用一周真实流量试，再决定要不要为稳定性升级。

一张对照表

这张表的价格会随分组调整，下单前用价格页核对一遍。全部模型和上下文参数在模型总览里，按任务筛完再回这篇文章对照成本。