每一个比较，都应该有依据。

本站如何比较模型

1. 价格。USD / 百万 Token，采用厂商直连 API 的 Standard 标准层；未包含批量折扣、税费和区域加价。DeepSeek 默认高峰价，可在计算器切换非高峰。
2. 默认排序。参考成本 = 一百万未缓存输入 Token + 一百万输出 Token。序号随排序变化，不是质量名次。
3. 上下文。保留厂商的原始数值，并区分输入上限和输入输出共享窗口。更长的上下文不等于更高的长文本准确率。
4. 场景。根据已查阅的官方能力生成候选标签；支持工具调用不等于 Agent 任务成功率高，支持视觉输入不等于支持图片生成。RAG 问答标签仅指生成答案的文本模型，不涵盖 Embedding、向量数据库或重排费用。
5. 选型助手。任务描述通过本地关键词匹配分类，可手动调整；按场景、长度、总预算筛选，再按 Token 估算成本排序。它不进行在线模型评测。
6. 缺失数据。本站没有独立质量分数或统一速度测试，不用星级、虚构延迟或外部混合分数填充。

官方数据来源

核验日期：2026-09-07。这是人工核验快照，不是实时行情；价格和模型可用性可能变化。

价格特殊条件

• GPT-6 Astra：单次输入超过 272K，整次请求按长上下文价格计费。
• Gemini 3.8 Flash：当前价格有效至 2026-12-31。2027 年起输入、输出单价分别为 $1.50 / $7.50，使用时需重新核对。
• Claude Sonnet 5：$2 / $10 已成为标准输入 / 输出单价，缓存写入仍需另计。
• DeepSeek：高峰为工作日 UTC 01–04、06–10，其他时段非高峰价格减半。

给你自己的任务做一次评测

从十几条真实任务开始，明确合格标准，再记录答案质量、调用费用、失败原因和响应时间。不要用单一通用榜单代替你的验收标准。