01
当前推理模型
Anthropic - Claude Opus - 5 (max)
Claude Opus 5 max 在本快照中以智能指数 63 领跑，支持 1M 上下文。
适合场景: 适合前沿代码库分析、复杂规划，以及需要顶级推理的高价值 agent 任务。
Anthropic
- 上下文
- 1M
- AA 指数
- 63
- 任务成本
- $2.34
- 速度
- 52 tok/s
- 首块延迟
- 60.92s
- 总响应
- 70.52s
AI 大模型排名
AI 代码大模型排名
榜单快照：2026-08-13 · 最后复核：2026-08-13
方法说明
以下指标来自 Artificial Analysis 公开 LLM 榜单的某个快照：智能指数、任务成本与速度反映的是快照当天的跑分表现。厂商价格、可用性与排名会频繁变化，跑分高也不代表在你的具体代码库或工作流中就是最佳选择。
Top 50 大模型
02
当前推理模型
Anthropic - Claude Opus - 5 (xhigh)
与 max 并列最高智能指数，任务成本更低，首块延迟明显更快。
适合场景: 适合仍需前沿质量、又希望延迟更好的多文件修改与 coding agent。
Anthropic
- 上下文
- 1M
- AA 指数
- 63
- 任务成本
- $1.80
- 速度
- 52 tok/s
- 首块延迟
- 25.75s
- 总响应
- 35.32s
03
当前推理模型
Anthropic - Claude Fable - 5
智能指数仍处最前列，支持 1M 级上下文，输出速度较强。
适合场景: 适合深度代码库分析、复杂规划，以及能接受较高延迟的高价值 agent 任务。
Anthropic
- 上下文
- 1M
- AA 指数
- 62
- 任务成本
- $3.14
- 速度
- 63 tok/s
- 首块延迟
- 113.68s
- 总响应
- 121.60s
04
当前推理模型
Anthropic - Claude Opus - 5 (high)
Opus 5 高推理档，延迟明显低于 max/xhigh，排名仍靠前。
适合场景: 适合日常 Claude agent 编程、代码审查和仍需强推理的工具调用工作流。
Anthropic
- 上下文
- 1M
- AA 指数
- 61
- 任务成本
- $1.23
- 速度
- 51 tok/s
- 首块延迟
- 13.43s
- 总响应
- 23.32s
05
当前推理模型
OpenAI - GPT Sol - 5.6 (max)
本快照中 OpenAI 推理线前列档位，1M 上下文，智能指数强。
适合场景: 适合 OpenAI 生态 coding agent、长上下文规划和最高推理档软件任务。
OpenAI
- 上下文
- 1M
- AA 指数
- 61
- 任务成本
- $1.23
- 速度
- 62 tok/s
- 首块延迟
- 155.41s
- 总响应
- 163.54s
06
当前推理模型
SpaceXAI - Grok - 4.6 (high)
新上榜的 Grok 4.6 high 接近前列，500k 上下文，任务成本低于 Claude/OpenAI 的 max 档。
适合场景: 适合 xAI 生态 coding agent、中等上下文规划，以及成本可控的前沿实验。
SpaceXAI
- 上下文
- 500k
- AA 指数
- 61
- 任务成本
- $0.84
- 速度
- 66 tok/s
- 首块延迟
- 32.30s
- 总响应
- 39.89s
07
当前推理模型
Kimi - Kimi - K3 (max)
Moonshot K3 max 旗舰，1M+ 上下文，代码能力突出；总响应仍偏长。
适合场景: 适合长时程 coding agent、前端生成、区域 API 栈和成本可控的 1M 上下文任务。
Kimi
- 上下文
- 1.05M
- AA 指数
- 60
- 任务成本
- $0.84
- 速度
- 41 tok/s
- 首块延迟
- 3.27s
- 总响应
- 64.72s
08
当前推理模型
OpenAI - GPT Sol - 5.6 (xhigh)
GPT-5.6 Sol 高推理档，1M 上下文，任务成本低于 max。
适合场景: 适合日常 agent 编程、代码审查和仍需强推理的工具调用工作流。
OpenAI
- 上下文
- 1M
- AA 指数
- 59
- 任务成本
- $0.81
- 速度
- 61 tok/s
- 首块延迟
- 57.84s
- 总响应
- 66.08s
09
当前推理模型
Anthropic - Claude Opus - 5 (medium)
Opus 5 medium 平衡档，1M 上下文，总响应明显快于更高档位。
适合场景: 适合交互式 Claude 编程、重构和产品工程循环。
Anthropic
- 上下文
- 1M
- AA 指数
- 59
- 任务成本
- $0.72
- 速度
- 52 tok/s
- 首块延迟
- 8.59s
- 总响应
- 18.29s
10
当前推理模型
Alibaba - Qwen - 3.8 Max
新上榜的 Qwen 3.8 Max 旗舰，1M 上下文，首块延迟低，智能指数进入前十。
适合场景: 适合多语言编程、区域 API 栈和以 Qwen 为中心的 agent 实验。
Alibaba
- 上下文
- 1M
- AA 指数
- 58
- 任务成本
- $1.13
- 速度
- 47 tok/s
- 首块延迟
- 2.72s
- 总响应
- 55.90s
11
当前推理模型
OpenAI - GPT Sol - 5.6 (high)
GPT-5.6 Sol high 平衡档，1M 上下文，总响应时间较友好。
适合场景: 适合 OpenAI 工具内的交互式编程、重构和产品工程循环。
OpenAI
- 上下文
- 1M
- AA 指数
- 57
- 任务成本
- $0.55
- 速度
- 56 tok/s
- 首块延迟
- 19.28s
- 总响应
- 28.15s
12
当前模型；部分指标未公开
Meta - Muse Spark - 1.2 (xhigh)
Muse Spark 1.2 xhigh 以 1M+ 上下文进入前 12；公开速度与延迟指标仍不完整。
适合场景: 适合更看重智能指数、而非已公开延迟的长上下文 Meta 模型路由对比。
Meta
- 上下文
- 1.05M
- AA 指数
- 57
- 任务成本
- $0.40
- 速度
- — tok/s
- 首块延迟
- —
- 总响应
- —
13
当前推理模型
OpenAI - GPT Terra - 5.6 (max)
GPT-5.6 Terra max 档，任务成本低于 Sol max，输出速度很快。
适合场景: 适合成本敏感、长上下文编程，且吞吐比首 token 速度更重要的场景。
OpenAI
- 上下文
- 1M
- AA 指数
- 57
- 任务成本
- $0.51
- 速度
- 116 tok/s
- 首块延迟
- 194.43s
- 总响应
- 198.74s
14
当前推理模型
SpaceXAI - Grok - 4.5 (high)
Grok 4.5 high，延迟快，500k 上下文，任务成本低于 Grok 4.6 high。
适合场景: 适合快速交互式编程辅助、中等上下文 agent 循环和 xAI 生态实验。
SpaceXAI
- 上下文
- 500k
- AA 指数
- 56
- 任务成本
- $0.36
- 速度
- 57 tok/s
- 首块延迟
- 9.32s
- 总响应
- 18.11s
15
当前推理模型
OpenAI - GPT Sol - 5.6 (medium)
GPT-5.6 Sol medium 档，在智能、1M 上下文和低总响应之间取得平衡。
适合场景: 适合大多数日常 OpenAI 编程循环，速度与质量都重要。
OpenAI
- 上下文
- 1M
- AA 指数
- 56
- 任务成本
- $0.37
- 速度
- 57 tok/s
- 首块延迟
- 6.82s
- 总响应
- 15.62s
16
当前推理模型
Anthropic - Claude Sonnet - 5 (max)
Sonnet 档位，智能指数高、上下文 1M，但首块响应较慢。
适合场景: 适合质量和上下文优先、实时性要求不高的长任务。
Anthropic
- 上下文
- 1M
- AA 指数
- 55
- 任务成本
- $1.72
- 速度
- 71 tok/s
- 首块延迟
- 191.38s
- 总响应
- 198.40s
17
当前推理模型
DeepSeek - DeepSeek V4 Pro - 0813 (max)
新上榜的 DeepSeek V4 Pro 0813 max 进入前 20，1M 上下文，任务成本很低，首块延迟很快。
适合场景: 适合预算型开源生态 coding agent、长上下文分析和低延迟的 DeepSeek Pro 任务。
DeepSeek
- 上下文
- 1M
- AA 指数
- 53
- 任务成本
- $0.06
- 速度
- 83 tok/s
- 首块延迟
- 1.63s
- 总响应
- 31.68s
18
当前推理模型
OpenAI - GPT Terra - 5.6 (xhigh)
GPT-5.6 Terra xhigh，任务成本较低、1M 上下文、输出速度较快。
适合场景: 适合成本敏感的长上下文编程，吞吐强、首块延迟可接受。
OpenAI
- 上下文
- 1M
- AA 指数
- 53
- 任务成本
- $0.31
- 速度
- 106 tok/s
- 首块延迟
- 29.77s
- 总响应
- 34.49s
19
当前推理模型
Z AI - GLM - 5.2 (max)
排名高，支持 1M 上下文，任务成本低，首块延迟很快。
适合场景: 适合成本敏感的代码助手、长上下文分析和低延迟工作流。
Z AI
- 上下文
- 1M
- AA 指数
- 53
- 任务成本
- $0.32
- 速度
- 118 tok/s
- 首块延迟
- 1.42s
- 总响应
- 22.58s
20
当前推理模型
Anthropic - Claude Opus - 5 (low)
低延迟 Opus 5 档，保留 1M 上下文，Opus 5 系列总响应最快。
适合场景: 适合 Claude Opus 5 上的交互式结对编程、快速修复和快速规划循环。
Anthropic
- 上下文
- 1M
- AA 指数
- 52
- 任务成本
- $0.43
- 速度
- 51 tok/s
- 首块延迟
- 3.04s
- 总响应
- 12.90s
21
当前推理模型
OpenAI - GPT Luna - 5.6 (max)
GPT-5.6 Luna max 档，任务成本很低、1M 上下文、输出速度很快。
适合场景: 适合预算型 OpenAI 栈、长上下文批量修改和高吞吐代码助手。
OpenAI
- 上下文
- 1M
- AA 指数
- 52
- 任务成本
- $0.05
- 速度
- 150 tok/s
- 首块延迟
- 136.64s
- 总响应
- 139.97s
22
当前推理模型
DeepSeek - DeepSeek V4 Flash - 0731 (max)
DeepSeek V4 Flash 0731 max，1M 上下文，任务成本很低，首块延迟很快。
适合场景: 适合预算型开源生态 coding agent、长上下文分析和低延迟修改。
DeepSeek
- 上下文
- 1M
- AA 指数
- 52
- 任务成本
- $0.03
- 速度
- 122 tok/s
- 首块延迟
- 1.44s
- 总响应
- 21.90s
23
当前通用模型
Google - Gemini - 3.6 Flash
Gemini Flash 档，1M 上下文，输出速度很快，适合 Google 生态。
适合场景: 适合 Google 技术栈上的快速编程循环、长文件浏览和高吞吐助手任务。
- 上下文
- 1M
- AA 指数
- 52
- 任务成本
- $0.56
- 速度
- 229 tok/s
- 首块延迟
- 18.99s
- 总响应
- 21.17s
24
当前推理模型
OpenAI - GPT Sol - 5.6 (low)
低延迟 GPT-5.6 Sol 档，保留 1M 上下文，Sol 系列总响应最快。
适合场景: 适合 GPT-5.6 Sol 上的交互式结对编程、快速修复和快速规划循环。
OpenAI
- 上下文
- 1M
- AA 指数
- 51
- 任务成本
- $0.23
- 速度
- 52 tok/s
- 首块延迟
- 3.07s
- 总响应
- 12.74s
25
当前推理模型
OpenAI - GPT Terra - 5.6 (high)
响应快的 GPT-5.6 Terra high 档，1M 上下文，总响应时间很短。
适合场景: 适合吞吐和低延迟都重要的交互式 OpenAI 编程。
OpenAI
- 上下文
- 1M
- AA 指数
- 50
- 任务成本
- $0.22
- 速度
- 97 tok/s
- 首块延迟
- 3.79s
- 总响应
- 8.94s
26
当前推理模型
OpenAI - GPT Luna - 5.6 (xhigh)
预算型 GPT-5.6 Luna xhigh 档，1M 上下文，任务成本很低，输出速度较快。
适合场景: 适合成本敏感的 OpenAI 代码助手和长上下文批量修改。
OpenAI
- 上下文
- 1M
- AA 指数
- 50
- 任务成本
- $0.03
- 速度
- 147 tok/s
- 首块延迟
- 50.93s
- 总响应
- 54.32s
27
当前推理模型
Kimi - Kimi - K3 (low)
Kimi K3 low 档保留 1M+ 上下文，任务成本低于 K3 max。
适合场景: 适合不需要 max 推理力度、但想控制成本的 Kimi 长上下文编程。
Kimi
- 上下文
- 1.05M
- AA 指数
- 48
- 任务成本
- $0.24
- 速度
- 37 tok/s
- 首块延迟
- 3.24s
- 总响应
- 70.53s
28
当前通用模型
Google - Gemini - 3.1 Pro Preview
Gemini 3.1 Pro 预览版，1M 上下文，成本与速度在 Google 生态中较均衡。
适合场景: 适合 Google Cloud 编程试用、多模态原型和长上下文预览评估。
- 上下文
- 1M
- AA 指数
- 48
- 任务成本
- $0.33
- 速度
- 114 tok/s
- 首块延迟
- 31.61s
- 总响应
- 35.99s
29
当前模型；部分指标未公开
Motif Technologies - Motif - 3
Motif 3 靠智能指数上榜，中等上下文；多数公开速度与价格指标仍不完整。
适合场景: 适合在公开指标尚不成熟、但仍想对照榜单位次时，评估 Motif 3。
Motif Technologies
- 上下文
- 262k
- AA 指数
- 47
- 任务成本
- —
- 速度
- — tok/s
- 首块延迟
- —
- 总响应
- —
30
当前推理模型
OpenAI - GPT Luna - 5.6 (high)
任务成本很低的 GPT-5.6 Luna high 档，1M 上下文，响应较快。
适合场景: 适合高用量 OpenAI 代码助手和预算型长上下文工作流。
OpenAI
- 上下文
- 1M
- AA 指数
- 47
- 任务成本
- $0.02
- 速度
- 150 tok/s
- 首块延迟
- 15.32s
- 总响应
- 18.66s
31
当前推理模型
OpenAI - GPT Terra - 5.6 (medium)
低延迟 GPT-5.6 Terra medium 档，1M 上下文，端到端响应很短。
适合场景: 适合轻快的交互式编程、重构和工具调用密集的 OpenAI agent 循环。
OpenAI
- 上下文
- 1M
- AA 指数
- 47
- 任务成本
- $0.12
- 速度
- 97 tok/s
- 首块延迟
- 1.78s
- 总响应
- 6.96s
32
当前模型；部分指标未公开
Google - Gemini - 3.5 Flash (medium)
Gemini 3.5 Flash medium 模式，1M 上下文、输出快；本快照未完全公开任务成本。
适合场景: 适合更看重 Flash medium 速度、而非已公布任务成本的 Google 生态实验。
- 上下文
- 1M
- AA 指数
- 47
- 任务成本
- —
- 速度
- 162 tok/s
- 首块延迟
- 17.53s
- 总响应
- 20.60s
33
当前模型；部分指标未公开
OpenAI - GPT Codex - 5.3 (xhigh)
GPT-5.3 Codex xhigh 编程向档位；本快照未完全公开任务成本。
适合场景: 适合以 Codex 为中心的软件任务、仓库修改和 OpenAI coding agent 工作流。
OpenAI
- 上下文
- 400k
- AA 指数
- 46
- 任务成本
- —
- 速度
- 106 tok/s
- 首块延迟
- 73.50s
- 总响应
- 78.22s
34
当前推理模型
MiniMax - MiniMax - M3
MiniMax M3，1M 上下文，任务成本低，首块延迟低。
适合场景: 适合成本敏感的代码助手、区域技术栈和低延迟交互式修改。
MiniMax
- 上下文
- 1M
- AA 指数
- 45
- 任务成本
- $0.14
- 速度
- 83 tok/s
- 首块延迟
- 1.65s
- 总响应
- 31.83s
35
当前模型；部分指标未公开
Motif Technologies - Motif - 3 (Beta)
Motif 3 Beta 靠智能指数上榜；多数公开速度与价格指标仍不完整。
适合场景: 适合在指标尚不成熟、但仍想对照榜单位次时，评估新兴模型厂商。
Motif Technologies
- 上下文
- 262k
- AA 指数
- 45
- 任务成本
- —
- 速度
- — tok/s
- 首块延迟
- —
- 总响应
- —
36
当前推理模型
DeepSeek - DeepSeek V4 Pro - max
较早的 DeepSeek V4 Pro max（0813 之前），1M 上下文，任务成本很低；总响应长于 0813。
适合场景: 适合预算型 coding agent、自托管评估和成本敏感的长上下文任务。
DeepSeek
- 上下文
- 1M
- AA 指数
- 45
- 任务成本
- $0.05
- 速度
- 67 tok/s
- 首块延迟
- 1.68s
- 总响应
- 73.96s
37
当前推理模型
DeepSeek - DeepSeek V4 Pro - high
DeepSeek V4 Pro high 档，1M 上下文，任务成本低，延迟低于 max。
适合场景: 适合成本敏感的交互式编程，以及 DeepSeek 端点上的长上下文分析。
DeepSeek
- 上下文
- 1M
- AA 指数
- 44
- 任务成本
- $0.04
- 速度
- 63 tok/s
- 首块延迟
- 1.74s
- 总响应
- 41.34s
38
当前推理模型
Kimi - Kimi - K2.7 Code
Kimi K2.7 Code 编程向条目，256k 上下文，任务成本已公开。
适合场景: 适合不需要完整 1M K3 上下文时的 Kimi 代码工作流。
Kimi
- 上下文
- 256k
- AA 指数
- 43
- 任务成本
- $0.22
- 速度
- 38 tok/s
- 首块延迟
- 2.83s
- 总响应
- 74.36s
39
当前推理模型
Xiaomi - MiMo - V2.5-Pro
小米 MiMo V2.5-Pro，1M 上下文，任务成本很低，适合区域技术栈。
适合场景: 适合预算型多语言编程、区域 API 和低成本长上下文助手。
Xiaomi
- 上下文
- 1M
- AA 指数
- 43
- 任务成本
- $0.03
- 速度
- 46 tok/s
- 首块延迟
- 3.32s
- 总响应
- 57.11s
40
当前通用模型
Anthropic - Claude Sonnet - 5 (Non-reasoning)
非推理 Claude Sonnet 5，1M 上下文，延迟低，成本档位轻于 max。
适合场景: 适合日常 Claude 编程、快速修改，以及不需要深度推理的交互会话。
Anthropic
- 上下文
- 1M
- AA 指数
- 43
- 任务成本
- $0.42
- 速度
- 60 tok/s
- 首块延迟
- 1.92s
- 总响应
- 10.21s
41
当前推理模型
Thinking Machines - Inkling - base
Thinking Machines 的 Inkling，1M 上下文，任务成本已公开，首块延迟不错。
适合场景: 适合在已有公开定价与延迟时，评估新实验室的长上下文能力。
Thinking Machines
- 上下文
- 1M
- AA 指数
- 42
- 任务成本
- $0.34
- 速度
- 74 tok/s
- 首块延迟
- 1.86s
- 总响应
- 35.45s
42
当前推理模型
Tencent - Hy3 - base
腾讯 Hy3，中等上下文，任务成本很低，首块延迟有竞争力。
适合场景: 适合区域编程技术栈、预算型助手和腾讯生态实验。
Tencent
- 上下文
- 256k
- AA 指数
- 42
- 任务成本
- $0.04
- 速度
- 63 tok/s
- 首块延迟
- 2.88s
- 总响应
- 42.48s
43
当前模型；部分指标未公开
Nex AGI - Nex - N2-Pro
Nex N2-Pro 以中等上下文和较快输出上榜；本快照任务成本未完全公开。
适合场景: 适合评估新兴厂商，以及主流实验室之外的低延迟编程实验。
Nex AGI
- 上下文
- 262k
- AA 指数
- 42
- 任务成本
- —
- 速度
- 137 tok/s
- 首块延迟
- 1.68s
- 总响应
- 19.92s
44
当前通用模型
OpenAI - GPT Sol - 5.6 (Non-reasoning)
非推理 GPT-5.6 Sol，1M 上下文，Sol 系列首块延迟最低。
适合场景: 适合不需要长推理、但想更快响应的 OpenAI 编程循环。
OpenAI
- 上下文
- 1M
- AA 指数
- 42
- 任务成本
- $0.24
- 速度
- 59 tok/s
- 首块延迟
- 1.33s
- 总响应
- 9.86s
45
当前模型；部分指标未公开
Upstage - Solar Pro - 4
Upstage Solar Pro 4，512k 上下文，速度已公开；本快照任务成本未完全公开。
适合场景: 适合按智能指数评估 Upstage 模型的区域与文档密集型编程栈。
Upstage
- 上下文
- 512k
- AA 指数
- 42
- 任务成本
- —
- 速度
- 65 tok/s
- 首块延迟
- 2.18s
- 总响应
- 40.51s
46
当前推理模型
OpenAI - GPT Terra - 5.6 (low)
低延迟 GPT-5.6 Terra low 档，1M 上下文，端到端响应很短。
适合场景: 适合不需要最高推理档的快速交互式 OpenAI 编程与快速重构。
OpenAI
- 上下文
- 1M
- AA 指数
- 41
- 任务成本
- $0.09
- 速度
- 91 tok/s
- 首块延迟
- 1.73s
- 总响应
- 7.20s
47
当前推理模型
Thinking Machines - Inkling Small - base
较小的 Inkling 变体，1M 上下文，任务成本低，输出速度快于基础 Inkling。
适合场景: 适合对延迟和成本更敏感时，评估 Thinking Machines 模型。
Thinking Machines
- 上下文
- 1M
- AA 指数
- 41
- 任务成本
- $0.07
- 速度
- 128 tok/s
- 首块延迟
- 1.58s
- 总响应
- 21.06s
48
当前模型；部分指标未公开
China Mobile - JT - 4.1 Flash 236B A21B
中国移动 JT-4.1 Flash 靠智能指数上榜；多数公开价格与速度指标仍不完整。
适合场景: 适合以榜单位次为主要信号时，评估中国移动区域技术栈。
China Mobile
- 上下文
- 256k
- AA 指数
- 40
- 任务成本
- —
- 速度
- — tok/s
- 首块延迟
- —
- 总响应
- —
49
当前模型；部分指标未公开
Sapiens AI - Agnes - 2.5 Pro Alpha
Agnes 2.5 Pro Alpha，1M 上下文，输出速度较快；本快照任务成本未完全公开。
适合场景: 适合对 Sapiens AI 新兴模型做早期长上下文评估。
Sapiens AI
- 上下文
- 1M
- AA 指数
- 40
- 任务成本
- —
- 速度
- 131 tok/s
- 首块延迟
- 2.37s
- 总响应
- 21.42s
50
当前推理模型
Alibaba - Qwen - 3.7 Plus
Qwen 3.7 Plus，1M 上下文，任务成本低于 Qwen 3.8 Max，总响应中等。
适合场景: 适合成本敏感的 Qwen coding agent 和多语言产品工程循环。
Alibaba
- 上下文
- 1M
- AA 指数
- 39
- 任务成本
- $0.24
- 速度
- 56 tok/s
- 首块延迟
- 2.13s
- 总响应
- 46.67s