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 5OpenAI 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 ExamHLE排名模型HLE 分数阵营1Claude Opus 564.7%Anthropic 闭源2Claude Mythos 564.5%Anthropic 闭源3Claude Opus 4.857.9%Anthropic 闭源4Claude Sonnet 557.4%Anthropic 闭源5Kimi K356%开源权重6GLM 5.254.7%开源/国内7Kimi K2.654%—8DeepSeek V4 Flash51.6%开源9DeepSeek V4 Pro48.2%开源10GPT-5.6 Sol47.2%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 IndexClaude Opus 5Max61 分#1GPT-5.6 Solmax59 分前后Kimi K357 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 Sol96.2%agentic coding 王者Claude Mythos 595.5%紧咬Claude Fable 595%计算机使用也很强GPT-5.6 Luna93%更偏性价比Claude Opus 4.888.6%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 V42. 终端 / 运维Terminal-Bench模型分数GPT-5.6 Sol88.8%Kimi K388.3%Claude Mythos 588%Claude Fable 584.3%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 Sol92.2%Kimi K391.2%Claude Opus 590.8%Claude Fable 588%4. 电脑操作 / GUI AgentOSWorld模型分数Claude Fable 585%Claude Opus 4.883.4%Claude Sonnet 581.2%GPT-5.578.7%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 526%相对领先GPT-5.6 Sol18.1%Claude Fable 517.4%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 / 1MOutput / 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 / agentKimi 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/sKimi 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 bugGPT-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Planner / 知识工作 → Opus 5Coder / Terminal → GPT-5.6 Sol 或 Kimi K3Browser / Computer Use → Sol Fable 5高 QPS 轻任务 → Flash / Haiku / nano 路由用「每任务成本」算账别只看每百万 token 单价配方 C预算极紧APIDeepSeek 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、容易踩的坑别只信厂商自家榜——以独立评测和难卷为准。「第一」是分场景的——总智力强 ≠ coding 一定最强。Reasoning / Max Effort 又贵又慢——生产要做档位和超时。开源 ≠ 免费——大激活量模型的显存和工程成本很高。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 agentKimi 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」。