08
MODEL REVIEWSAI 模型评测
查看近期公开模型的价格、上下文与能力信息,结合 Hermes Agent 中文社区的使用反馈选择模型。
DeepSeek V4.1 Flash 1017
官方发布V4.1 Flash 的 10 月更新,官方重点改进推理、编程、Agent 与视觉任务;该版本使用体验待社区补充。
- 计费
- $0.15 / $0.60官方非高峰价(未命中缓存);高峰 $0.30 / $1.20规格来源
- 上下文
- 1M tokens最大输出 384K
- 能力
- 文本输入图片输入深度推理工具调用开放权重
✅能力要点
- 原生视觉输入与百万 token 上下文
- 兼容 OpenAI 与 Anthropic API 接口
- 支持思考与非思考模式,权重已公开
❌使用注意
- 工作日高峰时段计费为非高峰的两倍,需留意官方时段
- 旧 Flash 模型名已指向 1017,复测时需核对实际版本
- 9 月 V4.1 的使用反馈不能直接代表本次更新
适合编码代理视觉任务高频调用
官方面向高频、低延迟任务的小模型,扩展到百万 token 上下文;社区使用体验待补充。
- 计费
- $0.10 / $0.50标准价;输入超过 100K:$0.50 / $2.50规格来源
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 支持分类、路由、信息抽取与子任务处理
- 支持自适应思考和图片理解
- 短上下文标准单价较低
❌使用注意
- 超过 100K 输入后不能继续按短上下文价估算
- 思考 tokens 也占用输出预算
- 复杂工程的端到端表现仍需按实际任务验证
适合信息抽取任务路由批量处理
Sol 档的新版,官方定位为兼顾成本的复杂编程与专业工作模型;社区已有性价比推荐,也有速度波动反馈。
- 计费
- $2 / $10标准价;输入超过 272K:$4 / $15规格来源
- 上下文
- 1.05M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 面向复杂编码、专业知识工作和长任务
- 支持文本与图片输入
- 标准单价低于 Astra,缓存读取为 $0.10 / MTok
社区评价“性价比推荐用gpt 6 sol,gpt 6.1 sol ,Grok 4.7,gemini 3.8 flash”
· 社区成员
❌使用注意
- 工具调用需使用 Responses API
- 长上下文与加速档的计费需单独核算
- 已有用户反馈低速时段,耗时需结合接入渠道评估
社区评价“这 GPT 6.1 sol 现在太慢了吧,我下午用的时候只有十几 tokens 的速度”
· 社区成员
适合日常开发专业知识工作长程 Agent
官方定位偏向范围明确的开发、文档与设计任务,兼顾速度和成本;目前社区摘录主要涉及价格感受。
- 计费
- $2 / $10Anthropic 标准价;缓存读取 $0.10 / MTok规格来源
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 面向日常编码、修复缺陷与快速迭代
- 支持图片理解及文档、演示文稿等知识工作
- 可通过思考档位调整任务耗时和成本
社区评价“还行啊,Claude Sonnet 5.5很便宜的”
· 社区成员
❌使用注意
- 开放式复杂任务需与 Opus 档按实际结果比较
- 每个任务的总成本仍取决于思考与输出用量
- 社区深度使用评价待补充
适合日常编码文档制作快速迭代
官方面向长程编码和复杂知识工作,标准单价低于 Opus 5;社区已有价格方面的正向反馈。
- 计费
- $4 / $20标准价;Fast 模式 $8 / $40规格来源
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 面向大型代码库迁移、审查与长任务
- 支持百万 token 上下文和图片理解
- 可调节自适应思考深度
社区评价“opus 5.5 也便宜 ,opus 系列里面最便宜的”
· 社区成员
❌使用注意
- 思考模式无法关闭,接入时需检查旧配置
- Fast 模式与标准模式价格不同
- 社区复杂工程体验待补充
适合复杂工程代码库迁移长程任务
官方面向范围明确、高调用量任务的轻量档;短上下文单价低,使用体验待社区补充。
- 计费
- $0.10 / $0.50标准价;输入超过 272K:$0.20 / $0.75规格来源
- 上下文
- 1.05M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 标准单价适合高频、范围明确的任务
- 支持文本与图片输入
- 提供从不思考到深度推理的多个档位
❌使用注意
- 超过 272K 输入时整单进入长上下文计费
- Chat Completions 工具调用仅支持不思考模式
- 复杂任务完成质量需独立验证
适合高频调用信息整理轻量 Agent
官方旗舰档,面向复杂推理、编程、研究与计算机操作;长任务的完成质量与总成本待社区补充。
- 计费
- $10 / $50标准价;输入超过 272K:$20 / $75规格来源
- 上下文
- 1.05M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 面向从需求到交付的复杂工作
- 支持研究、编程与计算机操作工具
- 百万 token 级上下文支持长资料输入
❌使用注意
- 标准单价高于 Sol 与 Luna
- 不支持关闭思考,工具调用需使用 Responses API
- 长上下文和加速档会进一步提高调用成本
适合复杂推理关键工程研究与文档
官方面向高难度编程、知识工作与研究的公开型号;长任务使用体验待社区补充。
- 计费
- $10 / $50Anthropic 标准价;缓存读取 $0.25 / MTok规格来源
- 上下文
- 1M tokens最大输出 128K
- 能力
- 文本输入图片输入深度推理工具调用
✅能力要点
- 面向复杂编码、知识工作和科学研究
- 支持百万 token 上下文和图片理解
- 缓存读取单价低于 Fable 5
❌使用注意
- 标准输入与输出价格仍处于高价档
- 自适应思考始终开启,需按任务设置深度
- 5.1 的社区使用评价待补充
适合高难度编程复杂知识工作研究辅助
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 / $4.40Z.ai API 参考价(models.dev)规格来源
- 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
- 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
Max 旗舰档,官方面向编程、研究与长程多模态任务;社区已有套餐缓存命中方面的反馈。
- 计费
- $2 / $6Alibaba API 参考价(models.dev);地区价格可能不同规格来源
- 上下文
- 1M tokens最大输出 128K(models.dev)
- 能力
- 文本输入图片输入视频输入深度推理工具调用
✅能力要点
- 面向长程编程、研究与多模态工作
- 支持调节推理深度
- 官方提供多种 Agent 框架接入示例
❌使用注意
- Max 与 Flash、27B 等版本需分别比较
- 区域、套餐与缓存政策影响实际费用
- 社区有 Qwen Plan 缓存命中反馈,不能泛化为模型能力结论
社区评价“都是用deepseek的模型,一样的接入CC使用,deepseek命中率保持在99%以上,qwen plan中的deepseek离谱的到了80%……换成qwen自己的qwen3.8-max,也只有85%”
· 社区成员
适合复杂编程多模态任务长程 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 参考价(models.dev)规格来源
- 上下文
- 1M tokens输入与输出共享窗口,输出上限以接入平台为准
- 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
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 / $1.20API 参考价;超过 512K:$0.60 / $2.40规格来源
- 上下文
- 1M tokens最大输出 512K(models.dev)
- 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