LLM 生成速度排行：谁跑得快、谁跑得值
数据来自 Artificial Analysis 实测输出 token/s 中位数。AA 的测试方法是向每个模型的官方 API 发送标准化 prompt，取多次调用的输出速度中位数—— 不是厂商宣传数字，是真实 API 场景里你能体验到的速度。
Google 和 OpenAI 在速度上断档领先。 Gemini 3 Flash 182 t/s、GPT-5.4 mini 179 t/s、GPT-5.4 nano 167 t/s—— 前三名的速度是第四名（Grok 4.3，94.5 t/s）的将近两倍。如果你要的是"秒回"体验，这三款没有对手。
但最快的三款也是最"笨"的旗舰之一。 Gemini 3 Flash 智能分 46.43，GPT-5.4 mini 48.9，GPT-5.4 nano 43.98—— 都比 GPT-5.5（60）低 10 分以上。速度和智能的 trade-off 是真实存在的，不存在"又快又强又便宜"的三全模型。
国内最快的是小米 MiMo-V2.5（非 Pro）：98.9 t/s。 比第二快的国内模型（GLM-5，75.5 t/s）快 31%，比 Kimi K2.6（49.3 t/s）快整整一倍。 但 MiMo-V2.5 的智能分只有 49.03，和 Kimi K2.6 的 53.9 有 5 分差距——选速度还是选智能，是国内用户的真实两难。
DeepSeek V4 Pro 是最慢的旗舰之一：30.1 t/s。 比 Claude Opus 4.7（56.6）慢 47%，比 Gemini 3 Flash（182）慢 83%。 但它是国内 SuperCLUE 第二、AA 国内第四——速度慢不等于能力差，只是它把钱花在了推理质量上而不是吞吐量优化上。
全球速度榜 · 按 output tokens/s 降序
覆盖 AA 三个榜单合并后的 21 款有速度数据的模型。 "速度"列是 AA 实测中位数，"智能"是 AA Intelligence Index，"输出价"是每百万 token 美元。
| # | 模型 | 速度 t/s | 输出价 $/M | 国 |
|---|---|---|---|---|
| 1 | GPT-5.6 Luna (max) OpenAI | 204 | $0.87 | 🇺🇸 |
| 2 | Qwen3.7 Max Alibaba | 192 | $1.43 | 🇨🇳 |
| 3 | GLM-5.2 (max) Z AI | 181 | $0.90 | 🇨🇳 |
| 4 | Gemini 3.5 Flash Google | 152 | $1.31 | 🇺🇸 |
| 5 | GPT-5.6 Terra (max) OpenAI | 140 | $2.17 | 🇺🇸 |
| 6 | Gemini 3.1 Pro Preview Google | 117 | $1.74 | 🇺🇸 |
| 7 | DeepSeek V4 Flash (max) DeepSeek | 98 | $0.06 | 🇨🇳 |
| 8 | MiniMax-M3 MiniMax | 96 | $0.22 | 🇨🇳 |
| 9 | Grok 4.5 (high) SpaceXAI | 93 | $1.35 | — |
| 10 | Claude Sonnet 5 (max) Anthropic | 79 | $1.54 | 🇺🇸 |
| 11 | GPT-5.6 Sol (max) OpenAI | 73 | $4.35 | 🇺🇸 |
| 12 | GLM-5.1 Z AI | 66 | $0.90 | 🇨🇳 |
| 13 | GPT-5.5 (xhigh) OpenAI | 64 | $4.35 | 🇺🇸 |
| 14 | Claude Fable 5 (with fallback) Anthropic | 61 | $7.70 | 🇺🇸 |
| 15 | Claude Opus 4.8 (max) Anthropic | 56 | $3.85 | 🇺🇸 |
| 16 | Qwen3.6 Plus Alibaba | 53 | $0.43 | 🇨🇳 |
| 17 | DeepSeek V4 Pro (max) DeepSeek | 51 | $0.18 | 🇨🇳 |
| 18 | MiMo-V2.5-Pro Xiaomi | 46 | $0.18 | 🇨🇳 |
| 19 | Claude Opus 4.7 (max) Anthropic | 45 | $3.85 | 🇺🇸 |
| 20 | Kimi K2.7 Code Kimi | 45 | $0.70 | 🇨🇳 |
| 21 | Kimi K2.6 Kimi | 42 | $0.70 | 🇨🇳 |
前 3 名（Gemini 3 Flash / GPT-5.4 mini / GPT-5.4 nano）的速度断层非常明显—— 182 / 179 / 167 t/s 这三个数字把后面的模型甩开一个身位。 Google 和 OpenAI 在"轻量快模型"这个品类上投入了大量工程优化（推测是 speculative decoding + 高度定制的推理框架）， 这是国内厂商目前还没有追上的细分领域。
中间档（50-100 t/s）是国内旗舰的主战场：MiMo-V2.5（98.9）、Grok 4.3（94.5）、GLM-5（75.5）、GPT-5.4（71.7）、 DeepSeek V4 Flash（66.8）、GPT-5.5（61.7）、MiMo-V2.5-Pro（57.4）、GLM-5.1（56.8）、MiniMax-M2.7（56.8）、Claude Opus 4.7（56.6）。 这个区间的速度差异对用户体验影响已经不大——50 t/s 输出 1000 字大约 13 秒，100 t/s 大约 7 秒，日常使用感知不明显。
真正拖后腿的是尾部的 DeepSeek V4 Pro（30.1） 和 Qwen3.6 Max Preview（37.9）。 这两个是国内智能分最高的模型之一（51.51 和 51.81），但速度只有国际快模型的一个零头。 做实时对话类产品时，这两款的延迟会成为明显短板。
国内速度榜 · Top 10
把全球榜筛出国内厂商单独看，国内"速度档"的内部排序和全球视角差异很大。
| # | 模型 | 速度 t/s | 输出价 $/M |
|---|---|---|---|
| 1 | Qwen3.7 Max Alibaba | 192 | $1.43 |
| 2 | GLM-5.2 (max) Z AI | 181 | $0.90 |
| 3 | DeepSeek V4 Flash (max) DeepSeek | 98 | $0.06 |
| 4 | MiniMax-M3 MiniMax | 96 | $0.22 |
| 5 | GLM-5.1 Z AI | 66 | $0.90 |
| 6 | Qwen3.6 Plus Alibaba | 53 | $0.43 |
| 7 | DeepSeek V4 Pro (max) DeepSeek | 51 | $0.18 |
| 8 | MiMo-V2.5-Pro Xiaomi | 46 | $0.18 |
| 9 | Kimi K2.7 Code Kimi | 45 | $0.70 |
| 10 | Kimi K2.6 Kimi | 42 | $0.70 |
MiMo-V2.5（非 Pro）是国内速度之王。 98.9 t/s 不仅在国内排第一，放到全球也能排第 4——仅次于 Gemini 3 Flash、GPT-5.4 mini、GPT-5.4 nano 三款国际快模型。 更难得的是它的价格：输入 $0.36/M、输出 $1.8/M，只有 Kimi K2.6 的 45%。 如果你在国内找一个"速度够快 + 价格够低 + 能力够用"的均衡选项，MiMo-V2.5 是首选。
GLM-5 是另一个被低估的速度选手。 75.5 t/s 排国内第二，比 GLM-5.1（56.8）快 33%，比 Kimi K2.6（49.3）快 53%。 但 GLM-5 的上下文窗口只有 202K（GLM-5.1 是 1M），智能分也低 1.6 分—— 如果任务不需要 1M 上下文，GLM-5 的速度优势值得认真考虑。
Kimi K2.6 和 DeepSeek V4 Pro 是国内速度最慢的两款旗舰。 Kimi 49.3 t/s、DeepSeek 30.1 t/s，和 MiMo-V2.5 的 98.9 差出一倍到三倍。 但这两款分别排在 AA China 第 5 和第 4，速度慢是推理质量优先的工程选择，不是技术缺陷。
国际速度榜 · Top 10
国际厂商在速度上的分化比国内更极端——快的极快，慢的也不算慢。
| # | 模型 | 速度 t/s | 输出价 $/M |
|---|---|---|---|
| 1 | GPT-5.6 Luna (max) OpenAI | 204 | $0.87 |
| 2 | Gemini 3.5 Flash Google | 152 | $1.31 |
| 3 | GPT-5.6 Terra (max) OpenAI | 140 | $2.17 |
| 4 | Gemini 3.1 Pro Preview Google | 117 | $1.74 |
| 5 | Claude Sonnet 5 (max) Anthropic | 79 | $1.54 |
| 6 | GPT-5.6 Sol (max) OpenAI | 73 | $4.35 |
| 7 | GPT-5.5 (xhigh) OpenAI | 64 | $4.35 |
| 8 | Claude Fable 5 (with fallback) Anthropic | 61 | $7.70 |
| 9 | Claude Opus 4.8 (max) Anthropic | 56 | $3.85 |
| 10 | Claude Opus 4.7 (max) Anthropic | 45 | $3.85 |
Google 在速度榜上拿下两个极端：Gemini 3 Flash 182 t/s（全场最快）和 Gemini 3.1 Pro Preview 129.5 t/s（旗舰里最快）。 这意味着 Google 的推理基础设施在吞吐优化上做得最好——不只是轻量模型快，旗舰模型也快。
OpenAI 的速度策略是"分层"：GPT-5.4 mini（179）和 nano（167）负责快，GPT-5.5（61.7）和 GPT-5.3 Codex（86.4）负责强。 Claude 系列（Opus 56.6、Sonnet 51.0）在国际旗舰里速度垫底——Anthropic 明显没有把吞吐优化作为优先级。
速度 vs 智能：trade-off 是真实存在的
很多人问：有没有"又快又强"的模型？答案是——有，但代价是贵。 真正的 trade-off 三角是速度、智能、价格只能同时满足两个。
智能前 5 名的速度排名
先把 AA Intelligence 全球最高的 5 款模型挑出来，看它们的速度分别排第几：
| 模型 | 智能分 | 速度 t/s | 速度排第几 |
|---|---|---|---|
| Claude Fable 5 (with fallback) Anthropic | 60.00 | 61 | 第 14 |
| GPT-5.6 Sol (max) OpenAI | 59.00 | 73 | 第 11 |
| Claude Opus 4.8 (max) Anthropic | 56.00 | 56 | 第 15 |
| GPT-5.6 Terra (max) OpenAI | 55.00 | 140 | 前 5 |
| GPT-5.5 (xhigh) OpenAI | 55.00 | 64 | 第 13 |
智能前 5 里，只有 Grok 4.3（智能第 7，但和 MiMo-V2.5-Pro 并列）的速度进了前 5。 GPT-5.5（智能第 1）速度排第 10，Claude Opus 4.7（智能第 2）排第 14，Gemini 3.1 Pro（智能第 3）排第 6， Kimi K2.6（智能第 4/中国第 1）排第 16。
结论是："最强"和"最快"不兼容。 如果你的产品需要"实时回复"（比如客服机器人、语音对话），别选 GPT-5.5 或 Claude Opus—— 它们的 60 t/s 意味着用户说完一句话要等 3-5 秒才开始看到回复。 反过来，如果做的是"深度研究报告生成"，速度不重要，智能才重要。
速度前 5 名的智能排名
换个方向，看最快的 5 款模型智能分别排第几：
| 模型 | 速度 t/s | 智能分 | 智能排第几 |
|---|---|---|---|
| GPT-5.6 Luna (max) OpenAI | 204 | 51.00 | 第 9 |
| Qwen3.7 Max Alibaba | 192 | 46.00 | 第 12 |
| GLM-5.2 (max) Z AI | 181 | 51.00 | 第 9 |
| Gemini 3.5 Flash Google | 152 | 50.00 | 第 11 |
| GPT-5.6 Terra (max) OpenAI | 140 | 55.00 | 前 5 |
速度前 5 里，没有一款模型的智能进前 5。 最快的 Gemini 3 Flash 智能排第 17（倒数第三），GPT-5.4 nano 排第 18（倒数第二）。 这意味着"快模型"牺牲的不只是价格（它们确实便宜），还有推理深度。
唯一的例外可能是 Grok 4.3：速度第 4（94.5 t/s）、智能第 7（53.2）—— 它在速度和智能之间取得了最好的平衡，同时输出价只有 $2.5/M。 如果你在国际线上找一个"三者兼得"（快、强、不太贵）的选项，Grok 4.3 是目前最接近的。
速度性价比 · 每花一美元能买到多少 token/s
用 output_tokens_per_sec 除以输出价格，得到"每花一美元输出费，能买到多少生成速度"的粗略指标。 这个数字不代表最终使用成本（实际费用 = 输入费 + 输出费 × 输出 token 数），但能在"跑量场景"里横向比较谁的速度"更便宜"。
| # | 模型 | 速度 t/s | 输出价 $/M | token/s per $ | 国 |
|---|---|---|---|---|---|
| 1 | DeepSeek V4 Flash (max) DeepSeek | 98 | $0.06 | 1633.3 | 🇨🇳 |
| 2 | MiniMax-M3 MiniMax | 96 | $0.22 | 436.4 | 🇨🇳 |
| 3 | DeepSeek V4 Pro (max) DeepSeek | 51 | $0.18 | 283.3 | 🇨🇳 |
| 4 | MiMo-V2.5-Pro Xiaomi | 46 | $0.18 | 255.6 | 🇨🇳 |
| 5 | GPT-5.6 Luna (max) OpenAI | 204 | $0.87 | 234.5 | 🇺🇸 |
| 6 | GLM-5.2 (max) Z AI | 181 | $0.90 | 201.1 | 🇨🇳 |
| 7 | Qwen3.7 Max Alibaba | 192 | $1.43 | 134.3 | 🇨🇳 |
| 8 | Qwen3.6 Plus Alibaba | 53 | $0.43 | 123.3 | 🇨🇳 |
| 9 | Gemini 3.5 Flash Google | 152 | $1.31 | 116.0 | 🇺🇸 |
| 10 | GLM-5.1 Z AI | 66 | $0.90 | 73.3 | 🇨🇳 |
| 11 | Grok 4.5 (high) SpaceXAI | 93 | $1.35 | 68.9 | — |
| 12 | Gemini 3.1 Pro Preview Google | 117 | $1.74 | 67.2 | 🇺🇸 |
| 13 | GPT-5.6 Terra (max) OpenAI | 140 | $2.17 | 64.5 | 🇺🇸 |
| 14 | Kimi K2.7 Code Kimi | 45 | $0.70 | 64.3 | 🇨🇳 |
| 15 | Kimi K2.6 Kimi | 42 | $0.70 | 60.0 | 🇨🇳 |
| 16 | Claude Sonnet 5 (max) Anthropic | 79 | $1.54 | 51.3 | 🇺🇸 |
| 17 | GPT-5.6 Sol (max) OpenAI | 73 | $4.35 | 16.8 | 🇺🇸 |
| 18 | GPT-5.5 (xhigh) OpenAI | 64 | $4.35 | 14.7 | 🇺🇸 |
| 19 | Claude Opus 4.8 (max) Anthropic | 56 | $3.85 | 14.5 | 🇺🇸 |
| 20 | Claude Opus 4.7 (max) Anthropic | 45 | $3.85 | 11.7 | 🇺🇸 |
| 21 | Claude Fable 5 (with fallback) Anthropic | 61 | $7.70 | 7.9 | 🇺🇸 |
DeepSeek V4 Flash 是速度性价比的极端值：298.2 token/s per $。 比第 2 名的 GPT-5.4 nano（133.7）高出 123%。$0.2/M 的输出价 + 66.8 t/s 的速度， 意味着你在批量生成场景里花最少的钱、获得还不错的速度——当然，智能分 46.52 是硬伤。
GPT-5.4 nano 是国际线上的速度性价比之王：133.7 token/s per $。 167.1 t/s 的速度是全场第三，$1.25/M 的输出价只有 Gemini 3 Flash（$3.0）的 42%。 如果你在国际线上需要一个"够快 + 够便宜"的轻量模型，nano 比 Flash 更值得考虑。
旗舰模型的速度性价比都很惨。 Claude Opus 4.7 只有 2.26，GPT-5.5 只有 2.06—— 它们的速度只有快模型的 1/3，价格却是 6-10 倍。 这不是说它们不值得买，是说它们的"价值"不在速度维度上。 选旗舰是为了智能，接受它的慢；选快模型是为了体验，接受它的笨。
按场景选：你需要多快的模型？
看完榜单，这些坑别踩
1. 速度数据是"中位数"，不是承诺
AA 测的是多次调用的中位数，但实际体验受很多因素影响：并发量、prompt 长度、网络延迟、厂商负载。 高峰期（比如国内晚上 8-10 点）的速度可能比中位数低 30%-50%。 做产品时不要按"最佳速度"设计用户体验，按"高峰期速度的 70%"来留余量。
2. 轻量模型的"快"是结构性的
GPT-5.4 mini（179 t/s）和 GPT-5.5（61.7 t/s）是同一个厂商、同一个推理基础设施—— 为什么 mini 快 3 倍？因为 mini 的参数量小、计算量少。 这不是"优化做得好"，是"模型本身更简单"。 别指望 GPT-5.5 未来通过软件优化达到 mini 的速度，它们的架构差距是物理性的。
3. 国内厂商的速度差异可能是网络延迟
AA 的测试服务器大概率在海外。国内模型（DeepSeek、Kimi、智谱）的 API 服务器在国内， 如果你从国内调用，实际延迟可能比 AA 测出来的数字好 20%-40%。 反过来，从国内调用 Claude 或 GPT，网络延迟可能比 AA 测出来的更差。 这些榜单上的速度数字不是绝对值，是相对排名——国内模型之间比、国际模型之间比，跨阵营比较要加网络延迟修正。
4. 首 token 延迟（TTFT）和输出速度是两回事
本榜只测了"输出速度"（tokens per second），没测"首 token 时间"（Time To First Token）。 有些模型输出很快，但用户说完话要等 2 秒才开始看到回复——这在对话场景里比"输出慢"更致命。 AA 也有 TTFT 数据，但本页为了简洁没纳入。如果你做实时语音/对话产品，建议单独关注 TTFT。
5. 缓存和并发会显著影响速度
很多厂商对重复 prompt 有缓存加速（Anthropic 的 Prompt Caching、OpenAI 的 cached input 等）， 第二次调用的速度可能比第一次快 2-5 倍。AA 的测试每次都用新 prompt，所以没体现这个优势。 如果你的产品有大量重复查询（比如固定模板的客服回复），实际速度可能比榜单数字好很多。
数据来源与方法
- 生成速度： Artificial Analysis 实测的 output_tokens_per_sec 中位数。AA 向每个模型的官方 API 发送标准化 prompt，取多次调用中位数。 测试条件统一，跨模型可比性强。
- 智能分与价格： 同来自 Artificial Analysis 的 Intelligence Index 和官方 API 定价。 价格单位 USD/百万 token，按 base 模型去重（同一模型多种 reasoning effort 只保留最高分档）。
- 抓取时间：2026-07-11。 速度数据变动相对缓慢（厂商不会每周改推理基础设施），建议月度复核。
- 不做综合分：本榜单只按输出速度排，不把速度和智能/编程分掺在一起算"综合速度分"。 速度只是选型的一个维度，不是全部。