近 30 天 · 大模型对比报告 · 2026-07-09 → 08-08

「斩杀线」之下
Kimi K3 · GLM-5.2 · 千问 3.8 Max

网传「除 GPT、Claude 外全部进入 DeepSeek V4 Flash 斩杀线」——我们用有出处的公开数据重画这张图： 斩杀线在性价比维度成立，但三个国产新旗舰的绝对能力反而全部略高于 V4 Flash。

DATA: OFFICIAL PRICING + SWE-BENCH VERIFIED + TERMINAL-BENCH 2.3 ｜ AS OF 2026-08-08

0×
千问 3.8 Max 输出价相对 V4 Flash 的倍数（$5.76 vs $0.42 / 百万 tokens）
0%
千问 3.8 Max 的 SWE-bench Verified——本文六款模型中的国产最高分
0分
GLM-5.2 的 Terminal-Bench 2.3 得分，全场最高（V4 Flash 为 58.1）
01

最近 30 天发生了什么

三个模型在 10 天内接连发布，「Token 战争」开打；两周后，「斩杀线」图刷屏。

07-17
Kimi K3 发布
1T/35B MoE，2M 上下文，开源。K2 流量单日暴跌 60%，「Token 战争」成话题。
07-22
GLM-5.2 发布
主打 Agentic Engineering；「高达测评泄露」事件称其真实任务首胜 Claude。
07-26
千问 3.8 Max 发布
SWE-bench 82.3%、Terminal-Bench 2.3 67.5%；发布当日阿里股价涨 6.8%。
07-31
DeepSeek 注水争议
被曝 API 对话默认注入 Codex 环境上下文，benchmark 口径引讨论。
08-03
「斩杀线」图刷屏
多个 AI 生成变体流传：「除 GPT/Claude 外，全部进入 V4 Flash 斩杀线」。
08-06
涨价公告 · Pro 临近
DeepSeek 官宣 API 大幅涨价；灰度中的 V4 Pro 正式版预计 8 月内发布。
02

网传原图（高清版），以及它的三个问题

「斩杀线」叙事的数据原型是 Artificial Analysis Intelligence Index 散点图（下为 2048×1008 官方高清版，点击可放大拖动、逐一看清模型名）；自媒体刷屏的「斩杀线」图是它的 AI 改写示意（见下方存档）。

Artificial Analysis Intelligence Index v4.1 高清原图
高清原图 · Artificial Analysis Intelligence Index v4.1（2026-07-31 提取）· 网传斩杀线图的数据原型点击放大
DeepSeek is back amongst the frontier 高清图
同系列精简版：「DeepSeek is back amongst the frontier」（2400×1123）点击放大
自媒体斩杀线示意图
自媒体 AI 示意图（低清存档）· 新浪新闻配图 2026-08-03 · 横轴「加权分」无出处
自媒体变体一
示意图变体 ①
自媒体变体二
示意图变体 ②（千问 3.8 Max 压线版）
自媒体变体三
示意图变体 ③（条形图版）
问题 01
它不是官方榜单
多个 AI 生成变体彼此矛盾：V4 Flash 输入价有的写 $0.28、有的写 $0.14；横轴「综合能力加权分」没有任何出处。
问题 02
SKU 对不上
图里放的是 Kimi K3 Pro、GLM-5.2 Air、千问 3.7 Max——全是各家族另一档。你关心的 K3 / 5.2 / 3.8 Max 是更新的旗舰档，需要重新放点。
问题 03
「斩杀」被误读
斩杀的准确含义是「同能力下价格被碾压」，不是「能力被淘汰」。几乎所有标题都不讲这一点。
03

同一坐标系，换真实数据重画

横轴换成有出处的 SWE-bench Verified，纵轴为官方输出刊例价（对数刻度）。红色虚线是过 V4 Flash 的「L 形斩杀边界」；绿色虚线是 V4 Pro 正式版的预测斩杀边界（灰度爆料 + 8/6 涨价公告推演，官方数据未发布）——注意左上方两块斩杀区：红色经典斩杀区在真实数据下是空的，而绿色预测区会装下三旗舰和 GPT-5.5。

能力 × 价格：六个模型的真实落点
X: SWE-BENCH VERIFIED (%) ｜ Y: OUTPUT PRICE $/M TOKENS (LOG) ｜ GPT-5.5 / CLAUDE 为官方口径约数 ｜ 绿色 = V4 PRO 正式版预测层
0.2 0.5 1 2 5 10 20 78 80 82 84 86 88 90 能力 →（SWE-bench Verified，%） 输出价格（$/百万 tokens，对数） 经典斩杀区（红） 能力 ≤ V4 Flash 且更贵 真实数据下：空的 斩杀边界（过 V4 Flash） V4 Pro 正式版·预测斩杀区（绿） 若爆料成立：三旗舰 + GPT-5.5 全部进线，仅剩 Opus 级能力溢出 预测区间：能力 85–88 · 输出 $1.5–4 能力溢出区 贵，但有只有它们能做的事 国产三旗舰：能力 +0.8 ~ +1.7 分 但价格贵 6.1 – 13.7 倍 → 性价比被斩杀 DeepSeek V4 Flash 80.6 / $0.42 · 斩杀线本体 GLM-5.2 81.4 / $2.56 Kimi K3 81.5 / $4.00 千问 3.8 Max 82.3 / $5.76 GPT-5.5（约） ~85 / $8.00 Claude Opus 4.6（约） ~88 / $15.00 DeepSeek V4 Pro 正式版（预测） ~86.5 / ~$2.5 · 涨价后预估
斩杀线本体 GLM-5.2 Kimi K3 千问 3.8 Max 海外旗舰（官方口径约数） V4 Pro 正式版·预测斩杀区（绿）
反转点网传图里「V4 Flash 58 分、别人 50 分」的排布与公开基准不符：真实数据里三家国产新旗舰能力全部略高，但都站在红色斩杀边界的右上方——能力略高、价格贵一个数量级。被斩杀的是性价比，不是能力。
绿色叠层V4 Pro 正式版（灰度测试中，预计 8 月内发布）的预测斩杀边界。依据：① 4 月 API 版已上线（OpenRouter 输出 $0.87/M）；② 7/31 Flash 正式版公测，官方称 Pro 正式版「尽快发布」；③ 8/6 官方公告 API 大幅涨价，硅基流动已把 V4 Pro 缓存命中价上调 10 倍；④ 灰度测试爆料称能力「微微落后于最新 Opus」。若爆料成立，千问 3.8 Max、Kimi K3、GLM-5.2 乃至 GPT-5.5 全部进入绿色斩杀区，只剩 Opus 级「能力溢出」豁免。注意：4 月 API 版 V4 Pro 在 AA 指数上仅 46 分档，与正式版爆料不是同一口径——官方数据发布后此层需按真值重画。
04

斩杀线的量化：性价比指数

性价比指数 = SWE-bench 分数 ÷ 输出价，以 V4 Flash = 100 归一化。注意：按这个口径，连 GPT-5.5 和 Claude 也在线内——它们靠「能力溢出」豁免，而非性价比。

DeepSeek V4 Flash$0.42 / 80.6 分
100
GLM-5.2$2.56 / 81.4 分
16.6
Kimi K3$4.00 / 81.5 分
10.6
千问 3.8 Max$5.76 / 82.3 分
7.4
GPT-5.5（约）$8.00 / ~85 分
5.5
Claude Opus 4.6（约）$15.00 / ~88 分
3.1
讲法每 1 美元买到的能力分：V4 Flash 是 Kimi K3 的 9.4 倍、千问 3.8 Max 的 13.4 倍、Claude Opus 4.6 的 32.8 倍。批量 API 场景选谁，一目了然；但「只有它能做的题」不在这张表的度量范围内。
05

三个主角，各自的优劣势

没有「最好的模型」，只有「某个场景下性价比最高的模型」。

Kimi K307-17 · 开源
审美与长上下文的内容旗舰 · 月之暗面
输出 $4.00/M上下文 2MSWE 81.5%速度 48–62 t/s
  • 前端/网页审美全场第一档，官方主打 high-aesthetic webdev
  • 2M 上下文四家最长；支持视觉多模态
  • 开源可自部署；订阅套餐额度慷慨
  • 慢：48–62 tok/s，官方定位「慢而省」，约为 GLM-5.2 一半
  • 输出价在国产三家里偏贵，是 V4 Flash 的 9.5 倍
适合日常内容创作 / 前端页面 / 长文档 —— 你已有套餐，继续当主力
GLM-5.207-22 · 开源
Coding Agent 性价比之王（国产旗舰档）· 智谱
输出 $2.56/M上下文 200KTB 2.3 69.7速度 81–97 t/s
  • Terminal-Bench 2.3 全场最高（69.7），Agentic 编程实测最强
  • 速度快 + 价格居中 + 开源，工程体验最均衡
  • Coding Plan 约 ¥20/月起：3 倍 Claude Pro 用量、1/7 价格
  • 上下文 200K 偏短；多模态以文本/代码为主
  • 内容创作与审美口碑弱于 K3
适合编程 Agent / 自动化脚本 —— 个人开发者最划算的编程订阅
千问 3.8 Max07-26 · 闭源
推理与知识准确性的闭源旗舰 · 阿里
输出 $5.76/M（国际刊例）上下文 256KSWE 82.3%AIME 95.8
  • 数学/复杂推理全场最强：AIME 26 95.8（第一）、HLE 53.6（最高）、GPQA 89.4
  • 幻觉最少：AA omniscience 指数 12，知识型回答最可靠
  • SWE-bench 82.3% 代码第一梯队；阿里云企业级生态与 SLA
  • 闭源：不能本地部署、不能私有微调（其余三家全开源）
  • 上下文 256K 最短（K3 的 1/8）；国产阵营 API 最贵
  • C 端通义 App 体验平庸——但免费额度够你试
适合数学/推理/知识密集型内容、阿里云生态团队、To B 交付
DeepSeek V4 Flash2026-05 · 开源
斩杀线本体 · 深度求索
输出 $0.42/M上下文 1MSWE 80.6%速度 69–112 t/s
  • 价格屠夫：输出 $0.42/M，缓存命中输入仅 $0.028/M
  • 开源 + 1M 上下文 + 速度不慢；数学意外不错（AIME 93.5）
  • 绝对能力比三家新旗舰低 0.8–1.7 SWE 分，复杂 Agent 任务翻车率更高
  • 7 月底「默认注入 Codex 上下文」争议，部分复测分数低于官方口径
适合批量 API / 成本敏感的后台任务 —— $0.42 的斩杀线本体
06

你的体感 × 公开数据对照

你的三条 Kimi K3 体感，全部被公开数据印证；千问 3.8 Max「贵不贵」要分场景回答。

你的体感 / 问题
公开数据验证
结论
K3 套餐用量完全够用
Kimi 订阅额度在同档产品中偏慷慨；K3 开源 + 2M 上下文
✓ 成立
K3 响应非常慢
实测 48–62 tok/s，官方定位「慢而省」，约为 GLM-5.2 的一半
✓ 成立 · 是设计取向
K3 前端审美不错
官方主打 high-aesthetic frontend/webdev，多篇第三方实测认可
✓ 成立
千问 3.8 Max 是不是很贵？
API 国产最贵（$5.76/M），但只是 Claude 的 38%；C 端通义 App 免费额度可用
分场景 · 先用免费额度
07

给学员的讲解要点

五条，可直接照讲。

1
先讲概念
斩杀线 = 「同等能力下，价格被碾压即死亡」的性价比线，不是能力线。自媒体标题几乎都不讲这个区别。
2
再讲反转
近 30 天的真实数据里，国产三个新旗舰能力全部略高于 V4 Flash，但价格贵 6–14 倍——所以它们在性价比维度确实「进线」了。
3
GPT/Claude 为什么例外
不是性价比高（按口径它们更差），而是能力溢出：仍存在只有它们能完成的任务。这是「按值论价」，不是「按价论价」。
4
顺手讲媒介素养
网传图是 AI 生成的自媒体示意图：多个版本数据互相矛盾、坐标轴无出处。看到刷屏结论，先问一句「数据口径是什么」。
5
最后讲怎么选
内容/审美/长文档 → Kimi K3；编程 Agent → GLM-5.2；数学推理/知识准确 → 千问 3.8 Max；批量 API → V4 Flash。按场景分工，而不是二选一。