中文用户怎么选 LLM：2026 上半年盘点

先给三句话

• 预算最低、跑量、不要思考——DeepSeek V3.2，输入 $0.25 / 输出 $0.38，国内直连。
• 想要 Claude Code 那种水平的代码 / Agent——Claude Sonnet 4.5，输入 $3.00 / 输出 $15.00，得走代理。
• 国内合规、要中文调性——Qwen3 Max 或 GLM 4.6，前者偏正式后者更便宜。

国内模型这一年发生了什么

直接说结论：现在国内主流 5 家（DeepSeek、阿里通义、月之暗面 Kimi、字节豆包、智谱 GLM）的旗舰款， 在中文日常对话、代码、长文档场景下，已经能稳定接近 GPT-4 时代的国际水平。差距还在但没有以前那么大。

分家说：

DeepSeek V3.2

目前国内性价比之王。输入 $0.25 / 输出 $0.38，输出价比输入还贵不到一倍——这种结构非常适合"提示长、回答短"的场景，比如分类、摘要、SQL 生成。 R1 系列继续维护，但 V3.2 在常规对话上更新更快、更稳。 缺点也直说：和 Claude 这种比起来，复杂指令理解还是会偶尔"自作主张"。

Qwen3 Max / Qwen3 Coder Plus

阿里通义旗舰。Qwen3 Max（输入 $0.78 / 输出 $3.90）综合质量稳； Qwen3 Coder Plus（输入 $0.65 / 输出 $3.25）专门优化代码，给到 1M 上下文，整个项目扔进去都行。 缺点：阿里云百炼的控制台体验和定价细则还是偏复杂，新手算成本容易踩坑。

Kimi K2

Moonshot 现在用的是 K2 系列，输入 $0.57 / 输出 $2.30。 老牌长文本选手，把整本 PDF / 一堆合同甩进去定位条款是它的看家本事。 网页端体验也好，能直接读 PPT / Excel / Word。

GLM 4.6 / 4.5

智谱 Z.ai 的旗舰。输入 $0.39 / 输出 $1.90。 做信息抽取、摘要这类活很合适，便宜还快。WebDev Arena 上 GLM 5.1（更新一档）已经能挤进前 10，能力线在迅速追上。

还有谁值得提一句

字节 Doubao 在国内 OpenRouter 看不到详细分布，但火山引擎平台上是个稳定备选，价格也很压。 百度 ERNIE 4.5 系列在 OpenRouter 也有上线，价格在中下，但平台体验和文档更新偏慢，不太推荐新项目用。 腾讯 Hy3 Preview 这波因为 Free Tier 冲到 OpenRouter 用量榜第一，等它退出免费阶段再看真实定价。

国际线还值不值得用

值得。但前提是你能解决访问问题，并且你的应用对质量真的敏感。

Claude Sonnet 4.5（输入 $3.00 / 输出 $15.00） 是目前公认在长链路代码任务上最稳的模型——Claude Code、Cursor 这些专业开发工具的默认推荐都是它。 代价是没有官方国内通道。

GPT-5 / GPT-5 mini（输入 $0.25 / 输出 $2.00）现在的 mini 版本极有性价比，输出 $2/M 拿到 400K 上下文，能处理大部分日常工作流。 推理任务首选 o3（输入 $2.00 / 输出 $8.00），便宜版 o4-mini 也能打。

Gemini 2.5 Pro / Flash（输入 $0.30 / 输出 $2.50）的杀手锏永远是 1M 上下文 + 低价。 做超长文档分析、RAG 检索时，没有竞品。 但国内访问稳定性时好时坏，做生产项目最好准备 fallback。

Grok 4 Fast（输入 $0.20 / 输出 $0.50）是匹黑马：$0.50/M 输出 + 2M 上下文 + 联网搜索，价格已经接近国内厂商但还是国际水平。 可惜 Vision、Document 这些细分榜上还看不到它名次，能力面不全。

几个常见场景直接给答案

写小红书 / 公众号种草

豆包 / Qwen3 Max。这两家训练语料明显吃了中文社媒。Claude 写公文很正经，但写"姐妹们绝绝子"会出戏。

写代码 / 重构 / 写 SQL

预算够：Claude Sonnet 4.5。预算紧：Qwen3 Coder Plus（国内）或 GPT-5 mini（国际）。 别用便宜版小模型搞 Agent，省下的钱往往全花在调试上。

做 RAG / 文档问答

看你文档总量。1MB 以内随便挑；超过 100MB 选 Gemini 2.5 Flash 或 Kimi K2，1M-256K 上下文吃下整章问比检索拼回更准。

分类 / 标注 / 数据清洗

DeepSeek V3.2，没别的。$0.25/M 输入跑 100 万条文本也就几十块。

数学 / 复杂推理 / 写 paper-style 报告

o3 或 DeepSeek R1。前者贵但准，后者便宜且开源可控。Claude Opus 4.5 也行但价格快是 o3 的 3 倍。

视觉理解 / 看图说话

Vision Arena 上 Claude Opus 系列前几名，但走代理。国内能稳定调 Vision 的目前还少，Qwen3 VL 系列是务实选择。

几个常见的坑

• 别只看 LMArena 排名——Arena 测的是「人类盲选偏好」，不是「干活质量」。有些模型回答冗长礼貌反而拿高分，但你做 Agent 想要的是精准短回应。
• 别只看输入价格——很多人盯着 $0.27/M 然后给模型写一个超长系统提示，最后输出才是真正烧钱大头。算总账。
• 别用最新发布的模型上生产——刚发布的版本 API 限速严、稳定性差，等 2-4 周风评稳定再切。
• 国内/国际不要"统一接口"幻想——OpenAI 协议兼容只是表面，模型能力差异、上下文限制、停止词支持都不一样。提示词得分别调。

下个季度看什么

值得关注的几条线：

• DeepSeek V4 系列已经出现在 OpenRouter 用量榜上（V4 Flash 周用量 1.19T），等它正式定价后会冲击中端价位段。
• Anthropic Claude 4.7 已经在 LMArena 测试，预计很快正式发布——可能进一步拉大长链路推理的领先。
• Gemini 3.1 Pro Preview 价格相对 2.5 Pro 没贵多少但分数明显更高，等正式版上线会重新洗牌长上下文场景。
• 国内还没有出现明显的"国产 Sora"或"国产 Veo"级别视频生成模型，文本以外的多模态还得看国际。