指南

DeepSeek V4 Flash 输入价 0.09→0.089（-1%）、Kimi K2.6 涨价 20%。4 款新模型上线定价：Laguna XS 2.1、Fugu Ultra、Gemini 3.1 Flash Lite Image、Nemotron 3 Ultra。

Gemini Image 三档（Lite/Flash/Pro）+ Flux + Recraft + DALL·E 价格对比、Arena 排名、中文可用性全汇总。批量出图选 Lite，日常创作选 Flash，专业交付选 Pro。

Nemotron 3 Ultra（550B MoE，$0.5/$2.2）vs Super（120B MoE，$0.085/$0.4）。开源权重、1M 上下文、NVIDIA 生态，和 DeepSeek/Qwen 竞品对比。

2026-06-23 周榜：DeepSeek V4 Flash 稳居第一（4.94T），GLM-5.2 单周暴涨 5665%，腾讯 Hy3 preview 和 OpenRouter Owl Alpha 首次进 Top 5。中国开发者大量 token 跑量场景新选项。

医疗场景五维交叉评估：科学推理、幻觉控制、长上下文、国内可用性、价格。分旗舰 / 国内综合 / 长文档 / 极致性价比四档推荐，附 5 个医疗细分场景选型 + 6 个常见坑点。

法律场景五维交叉评估：幻觉控制、长上下文、精确指令遵循、国内可用性、价格。分旗舰 / 国内综合 / 长文档 / 极致性价比四档推荐，附 5 个法律细分场景选型 + 6 个常见坑点。

SuperCLUE 精确指令遵循 + 幻觉控制双维度加权排序，结合价格和国内可用性，分企业级、性价比、极致便宜三档推荐。附客服系统架构建议和 temperature 调参指南。

延迟 90 多天的 SuperCLUE 终于更新 5 月榜。DeepSeek V4 Pro 国内登顶、Qwen3.7 Max 紧追、Doubao Seed 2.0 冲到第 4。与 3 月榜对比变化、各维度拆解、分场景选型建议。

输出价 ≤ $3.5/M 的 8 款经济型模型三维排名：DeepSeek V4 Flash $0.197/M 用量全球第 1、MiMo-V2.5 大幅降价、GPT-5.4 Nano 幻觉率全球第 2。分四档推荐。

Anthropic 2026 年四档在售型号全面对比：Intelligence、编程、Agent、价格、速度五维拆解。Sonnet 4.6 是开发者真金白银投出来的主力，Opus 4.7 Fast 几乎没人需要。

OpenAI GPT-5 家族全系选购：5.5 全球最强但 $30/M、5.4 是最均衡甜点、Nano $1.25/M 却是 RAG 隐形冠军（HR 3.1%）。Pro 和 Codex 是极端专用。

DeepSeek 四档型号全面对比：V4 Pro 国产最强 $0.87/M、V4 Flash 性价比之王 $0.18/M、R1 推理专项、V3.2 已被全面取代。国内直连，价格便宜。

阿里云通义千问全系选购：3.7 Max Intelligence 46 国内第 2、速度 201 t/s 全场最快之一；3.6 Plus 是被低估的性价比；Coder Plus 给开发者。

Google Gemini 3 家族选购：3.1 Pro Intelligence 46 价格只有 Claude 一半、3.5 Flash 208 t/s 全场最快。但国内可用性「不稳定」是最大隐患。

月之暗面 Kimi 家族选购：K2.6 长文本网页端天花板、K2 轻量入门。网页端和 API 是两套故事，直接看数据。

智谱 GLM 家族选购：5.1 前端代码黑马（Arena WebDev 第 5）、5 均衡主力、4.6 入门轻量。国内直连，前端开发者值得关注。

xAI Grok 家族选购：4.3 速度 162 t/s 全球前 5、4.20 2M 上下文极端场景、4.1 Fast $0.50/M 隐藏性价比王。国内需要代理。

Vectara HHEM 幻觉率 + 上下文长度 + API 价格 + 生成速度四维交叉。企业内部知识库、客服机器人、法律合规、高并发跑量四个场景的具体选型建议。

Vectara HHEM-2.3 实测 6 组同模型 reasoning effort 对照：5 组幻觉率上升，平均 +1%。o3-pro 23.3% vs GPT-5.4 Nano 3.1% 反差 7.5 倍。机制分析 + RAG / 摘要 / 客服 / Agent 场景开关建议。

SuperCLUE 总分 + 幻觉控制 + 指令遵循 + 价格四维交叉，分旗舰、国内综合、平价大碗、长篇创作、严控幻觉五档推荐，附 5 个细分写作场景的具体选型。

HHEM 幻觉率 + 上下文 + 价格三源交叉，揭示 GPT-5.4 Nano（HR 3.1%）才是翻译隐形冠军；文档、字幕、文学、代码注释分场景推荐。

MathArena 国际数学竞赛 + SuperCLUE 科学推理 + 上下文 + 幻觉率四维交叉。理科、文科、文献综述、数据分析、教学辅助五档推荐，附 5 个学术使用坑点。

Claude / GPT / Gemini / DeepSeek / Qwen / GLM / Kimi / Grok 八大家族 60+ 版本纵向对比。Gemini 3 全线倒退、Kimi 三代连续改善、GPT-5.4 nano 幻觉率跌到 3.1%——版本号背后的真实曲线。

Vectara HHEM-2.3 摘要幻觉评测 + SuperCLUE 中文幻觉控制双榜对照。reasoning 模型反而胡说更多？RAG / 医疗 / 法律场景该选谁。

MiMo-V2.5-Pro 降价 57%、GLM 5 输出涨价 8%、DeepSeek V3.2 再降 9%。逐条分析对你的实际影响。

零预算到月费 50 元四档推荐。DeepSeek / 豆包 / Kimi / Qwen 国内实测，按写作业、论文、翻译、编程入门分场景推荐。

Arena WebDev + SuperCLUE 代码生成 + AA Intelligence 三维交叉。Claude / GPT / DeepSeek / 小米 MiMo 实测，分四档推荐。

DeepSeek V4 Flash 再降 10%、GLM 5.1 涨价、MiniMax M2.7 输入涨 40%。逐条分析变动原因和对你的实际影响。

Anthropic、OpenAI、Google 在中国大陆的可访问性实测：网页端、API 直连、第三方中转、付费方式，附国内同档替代。

SuperCLUE 数学推理 + MathArena.ai 国际数学竞赛双榜对照，附数学性价比分析与 5 个场景选型建议。

LMArena Vision Arena 人类偏好排名 Top 10，交叉 AA Intelligence 验证，附视觉性价比与 5 个场景选型建议。

SuperCLUE 智能体(任务规划) 为核心参考，附 Agent 性价比表与 5 个场景选型建议。

24 款主流模型按 AA 实测 output tokens/s 排榜，含速度 vs 智能 trade-off 与速度性价比分析。

Grok 2M / GPT/Gemini/DeepSeek 1M+ / Claude 1M 全部入榜，附「装满价」性价比子榜与场景指南。

SuperCLUE 代码生成 + LMArena WebDev，配编程性价比表与按场景选型建议。

智能分 vs API 价格散点图，圈出 8 个 Pareto 性价比最优点。

国内 5 家、国际 4 家旗舰盘点，按真实场景拆。

DeepSeek / 百炼 / Kimi / 智谱 / 火山 / MiniMax，注册到第一次调用。

输入输出价差、缓存折扣、并发限速，一篇讲清楚。