08
MODEL REVIEWSAI 模型评测
所有优点和缺点，均根据 Hermes Agent 中文社区成员的真实群聊发言整理汇总。
代码执行力与稳定性获得早期认可，但模型太主动时也会快速消耗额度。
- 计费
- $1.40 / $4.40常见 API 接入参考价
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入深度推理工具调用
✅优点
- 复杂编码和长任务的完成度反馈较好
- 部分用户认为它比同价位模型更稳
- 适合作为关键开发任务的执行模型
社区评价“同价位换到 GLM-5.3 后，长任务明显更稳；开发和严谨项目可以放心交给它。”
❌缺点
- 发布时间短，长期稳定性仍需观察
- 问题不够明确时可能直接开工并大量调用子任务
- 价格和套餐消耗仍是主要顾虑
社区评价“能力不错，但价格不低；有时会自己推进很多步骤，额度掉得很快。”
适合复杂编码代码审查长程 Agent
前端设计与复杂编程表现亮眼，社区共识也很明确：能力强，但慢、贵、烧额度。
- 计费
- $3 / $15Moonshot API
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入视频输入深度推理工具调用开放权重
✅优点
- 前端页面生成和视觉完成度获得高频好评
- 复杂工程任务中被认为足够聪明、可独立推进
- 适合不希望依赖组件库的定制化界面
社区评价“前端页面换成 Kimi K3 后，视觉效果一下精致了很多，完成度也更高。”
❌缺点
- 思考时间长，端到端任务成本容易超预期
- 套餐和 API 额度消耗快，个人用户压力较大
- 部分长任务出现卡住或体验波动
社区评价“处理工程图纸时能力够强，但价格高、容易卡，套餐消耗也很快。”
适合前端设计复杂编程知识工作
Sol 常被用作复杂任务的收尾大脑，速度和完成质量突出；成本与额度仍需精细控制。
- 计费
- Sol $5 / $30Terra $2 / $12 · Luna $0.20 / $1.20
- 上下文
- 1.05M tokens最大输出 128K
- 能力
- 文本输入图片输入PDF深度推理工具调用
✅优点
- 复杂开发和严谨任务中，整体完成速度被反复认可
- 适合给本地小模型工作流做规划、审查和最终交付
- Luna 降价后成为更容易尝试的轻量入口
社区评价“公司里不赶时间会用 K3，追求速度时就切 GPT-5.6，复杂任务收尾很快。”
❌缺点
- Sol 长任务仍可能快速消耗套餐额度
- 不同档位能力差异大，不能只写“GPT-5.6”做比较
- 少量用户反馈阶段性的体感波动
社区评价“Sol 的长任务还没跑完额度就见底，需要提前规划模型档位和预算。”
适合复杂开发最终审查多模型编排
代码能力、速度和套餐性价比形成稳定口碑，实际体验主要受接入平台的上下文与路由影响。
- 计费
- $1.40 / $4.40Z.ai API
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入深度推理工具调用开放权重
✅优点
- 编码和工程任务能力在国产模型中认可度高
- 部分正规接入渠道速度快、额度相对充足
- 长上下文适合大型代码库和资料处理
社区评价“NVIDIA 接入的 GLM-5.2 响应已经很快，连续调用也很少遇到限流。”
❌缺点
- 部分第三方接入把上下文截断到约 200K
- 不同供应商的速度、限流和输出质量差异明显
- 是否适合全自动 Agent，社区仍有分歧
社区评价“有些平台把上下文压到约 200K，同一个模型换个入口后体验差别很大。”
适合日常编码长上下文国产替代
仍被视作复杂工程任务的能力上限之一，但价格、限额与接入稳定性让它难以成为日常默认。
- 计费
- $10 / $50Anthropic API
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入PDF深度推理工具调用
✅优点
- 复杂技术任务和前端实现的完成度被频繁拿来做标杆
- 长链路任务中，推理与执行衔接更稳
- 适合预算充足且结果质量优先的关键工作
社区评价“复杂搭建任务里，Fable 5 仍是少数能同时做得又快又好的模型。”
❌缺点
- 官方 API 与中转接入成本都偏高
- 账户、限额和可用性问题增加了使用门槛
- 也有用户认为实际体感没有榜单宣传那么悬殊
社区评价“官方 API 做一份几千字文档就可能花二十多美元，而且还会受额度限制。”
适合核心工程高质量前端长程任务
速度、长上下文和多模态让它适合量大管饱的日常任务，幻觉与视觉识别质量是主要短板。
- 计费
- $0.30 / $1.20超过 512K：$0.60 / $2.40
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入视频输入深度推理工具调用开放权重
✅优点
- 早期速度体验突出，适合高频日常任务
- 长上下文和多模态覆盖面广
- 在专业要求不极端时，整体性价比较好
社区评价“M3 刚上线时速度非常快，处理大量普通任务的体验很顺手。”
❌缺点
- 幻觉、模型身份混乱等可靠性反馈较集中
- OCR 和细粒度识图效果不够稳定
- 工具调用多时，套餐额度可能很快耗尽
社区评价“识图和 OCR 不够稳，偶尔会产生幻觉，还会自己改变任务方向。”
适合批量日常任务长资料处理多模态入门
响应速度与缓存效率撑起日常编码口碑，平台调价和路由差异则让性价比评价明显分化。
- 计费
- Flash $0.14 / $0.28Pro $0.435 / $0.87
- 上下文
- 1M tokens最大输出 384K
- 能力
- 文本输入图片输入（Vision Exp）深度推理工具调用开放权重
✅优点
- Flash 响应快，在 Claude Code 等代理工作流中体感顺手
- 官方 API 的缓存命中反馈稳定，Pro 更适合复杂代码
- 讨论覆盖最广，常被当作国产模型的比较基线
社区评价“V4 Flash 接进 Claude Code 后响应很快，官方 API 的缓存命中率也很稳定。”
❌缺点
- 免费入口收缩与平台价格变化影响使用预期
- 不同平台的缓存、上下文和路由实现差异很大
- 部分用户反馈阶段性的能力波动
社区评价“同样的 V4 Flash 换到不同平台，缓存和价格差异很大，积分消耗也会明显增加。”
适合编码代理高频调用国产基线
关键编码任务中仍有很强的质量口碑，但价格、真假路由和阶段性降智构成持续争议。
- 计费
- $5 / $30Pro $30 / $180
- 上下文
- 1.05M tokens最大输出 128K
- 能力
- 文本输入图片输入PDF深度推理工具调用
✅优点
- 高难度编码和交付任务中，产出效率被频繁认可
- 适合把便宜模型的工作结果做最终审查
- Codex 内的可用性降低了部分用户的尝试门槛
社区评价“GPT-5.5 确实好用，适合把便宜模型完成的结果再做一遍最终审查。”
❌缺点
- 高质量同时伴随较高调用成本
- 中转渠道存在模型标识与实际路由不一致的担忧
- 用户对不同日期、不同入口的能力一致性有分歧
社区评价“能力很强，但 token 消耗让人不敢放开跑；有些中转的实际路由也不够透明。”
适合关键编码最终审查复杂知识工作
本地部署生态与中文体验讨论最热闹，模型能否好用高度依赖具体版本、量化方式和硬件配置。
- 计费
- Plus $0.50 / $335B-A3B $0.248 / $1.485
- 上下文
- Plus 1M tokens开源版本 262K · 最大输出 64K
- 能力
- 文本输入图片输入视频输入音频输入（开源版）深度推理工具调用部分开放权重
✅优点
- 开放版本和 Apache 2.0 授权方便本地与商用部署
- 35B-A3B 等 MoE 版本兼顾知识量与显存占用
- 中文表达与轻量本地任务有稳定拥趸
社区评价“本地的 Qwen3.6 27B 能解决一些云端模型直接放弃的问题，中文任务也够用。”
❌缺点
- Plus、Max 与多个开源尺寸让横向比较容易失真
- 高内存、量化和 GPU 卸载方式显著影响实际速度
- 高难度工程任务的能力反馈分化较大
社区评价“不同尺寸和量化差别很大；同样是 35B，有人觉得快，也有人觉得完全不好用。”
适合本地部署中文写作轻量 Agent
DeepSeek V4
MiniMax H3
GLM 5.3
Kimi K3