来源 ： 雪球App ， 作者 ： 李秉贵 ， （ ?content/compose_2026031005476359_486901.html ）

最全横测!哪个年夜模子更合适养"龙虾"？GPT拉胯，MiniMax/Kimi欣喜

第二是 Gemini 2.5 Flash，约 0.05 女子元，第三是 Mistral Devstral，约 0.10 女子元。

而少少机能更强的年夜模子显着更慢。

须要注释的是，本次评测的问题均基于规范化尝试，现实摆设时还会受硬件设置、摆设情况、使命类别等身分感导。

评测成果也能顾念到年夜模子的少少分解场合排场。

另有便是，同品牌差别系列模子的适配后果差别明显，挑选时需分外注释版块识别，丰俭由君。

Anthropic Claude 系列表示也比力平衡。

这解释，模子越年夜、推理越庞杂，速率常常越慢。

这三款模子王人高出了 93%，解释在主动化使命履行才能上曾经异常不乱。

这个地域次要包孕Gemini 3 Flash、MiniMax M2.1、Kimi K2.5、GPT-5 Nano

此中 GPT-5 Nano固然胜利率没有是最高，但由于价钱极低，被以为是“最合算”的模子之一。譬喻GPT-4o 约 190 秒，Claude Sonnet 约 137 秒，Kimi K2.5 约 291 秒，DeepSeek V3 约 622 秒。

当作用户而言，经由过程评测成果大略可有的论断是：MiniMax-M2.1或Kimi K2.5 极致性价比（胜利率93%+，老本<$0.20，不过速率没有太快）；Claude Opus系列贵；GPT-5-Nano合适估算极低的简略使命。

OpenAI 方面，GPT-5 Nano 胜利率 85.8%，GPT-4o 为 85.2%，GPT-4o Mini 为 83.4%。该陈诉 经由过程规范化的 OpenClaw agent 尝试使命，对于差别年夜模子在实在使命华厦胜利率、老本跟速率等，停止了横向对照。好比在胜利率上，中低端版块问题尚可，高真个gpt-5.2却不测拉胯，未能到达预料。

这也解释，差别模子的定位越发越清楚，有的寻求极致机能，有的夸大老本管制，另有的着重速率，险些不模子能同期作念到三个维度王人最优。固然不进去第一梯队，但不乱处于中下水平。紧随厥后的是 MiniMax M2.1（93.6%） 跟月之暗面 Kimi K2.5（93.4%）。

从“机能 vs 老本”的图来顾念， 最具性价比的地域会合在左上角 ：胜利率高，同期老本低。

胜利率目标顾念，名次最高的是 Google Gemini 3 Flash 系列，均匀胜利率到达 95.1%。

再如，MiniMax 跟 Kimi 在胜利率榜单中进去前三，解释国产模子在庞杂使命履行才能上，曾经异常亲近国外顶级程度。

OpenAI 则比力让人不测 。

随后是 Gemini 2.0 Flash（106.05 秒） 跟 Llama 3 系列（约 106 秒）。

别的，在摆设OpenClaw的进程中，还须要存眷民间提醒的宁静危险，作念好权限设置、数据加密等宁静防备。此中 Claude Sonnet 约 92.7%，Claude Haiku 90.8%，而 Claude Opus 4 在 88%—90% 阁下。

老本榜单呈现，告竣一次规范使命 最自制的模子是 GPT-5 Nano，仅约 0.03 女子元。

归纳这四个维度，能够顾念到年夜模子在养“龙虾”方面的少少特色。

而高机能模子常常更贵，好比 Claude Sonnet 约 3.07 女子元，Claude Opus 高出 5 女子元。

速率方面则是另一套名次。

固然，其 在老本上仍然有劣势，GPT-5 Nano 以极低老本告竣使命，是典范的高性价比模子。

把老本身分一路顾念，环境就更无意想念了。

好比，谷歌的Gemini跟 Anthropic的Claude系列团体表示不乱，判若两人的可靠。

国产模子里，Qwen3-Coder-Next 85.4%、GLM-4.5-Air 85.4%，团体表示也比力亲近。

最快的是 MiniMax M2.5，告竣一次使命 约 105.96 秒。