前言：先交代我自己的使用背景

先说清楚我的情况，免得被当成“键盘评测”——这篇不是什么模型能力排行榜，而是一个普通开发者这几家挨个用下来之后的真实感受。

• 今年 3 月才开始正经用大模型，最开始那段时间属于发展期，见一个试一个，很乱。

• 4 月底到现在，主力一直是 GPT。中间对比了一圈价格和能力，最后还是它综合下来最划算。

• 最近这两周，GPT 不稳定了——官方算力紧张，从新版本发布之后体验明显下滑——所以我又开始认真找替代方案。

下面这六家，有的是我深度用过的，有的是最近才开始上手，有的至今没在实际工作里用过。我会如实标注，没实战过的我会说明白。

本文全是个人实际使用感受，没做过跑分和基准测试。模型迭代太快，观点以 2026 年 9 月为准。

先说结论：一张表看懂六家

不想看我啰嗦的，直接看表。价格那列只是“贵/便宜”的相对感受，不是具体报价；“我的使用状态”才是这张表最有价值的一列。

看完上面那张表你会发现，我最后换不换模型，很大程度是被速度推着走的——所以下面单独用一节说速度。

输出速度：这是我这次换模型的最大动力

用久了才发现，速度对日常体验的影响比“能力多强”更直接。同样一个问题，20 token/s 和 200 token/s 是两个世界。下面这组数据是我自己在中转接入下实际体感的区间：

说明：以上都是我在中转渠道下的实际体感区间，不是实验室跑分。速度受渠道、时段、上下文长度、输出内容影响很大，你那边测出来的数字可能跟我完全不一样——尤其 GPT，它是这几家里抖动最厉害的，同一个渠道不同时段能差十倍。

其中 DeepSeek 的“200+”不是我随口说的：下面讲 DeepSeek 那节我贴了任务记录截图，一次真实任务跑下来是 227 tok/s。

六家逐个说

1、GPT：目前的主力，但最近两周体验在滑坡 主力

先把时间线说清楚：4 月底到现在，我一直用它当主力，中间试过别的，最后都会回到它。

• 能力强。复杂一点的活、需要多轮改的活，它兜底能力最好，这也是我没换掉它的主要原因。

• 比 Claude 略便宜。同样是第一梯队，它的价格相对好接受一点。

• 风控没有 Claude 那么离谱。当然它自己也风控，而且最近感觉还收紧了，但整体比 Claude 宽松。

• 速度方差极大。前段时间走中转接入，大部分时候只有 20–30 token/s，状态好的时候能到 60–70，但差的时候只有 2–3 token/s，慢到怀疑人生。这也是我最近想换掉它的直接原因之一。

• 最近的问题：官方算力紧张。从新版本发布之后，高峰期限流、响应慢，体验明显不如以前——这也是我最近开始折腾替代方案的原因。

关于价格的一个常识：正价贵不是 GPT 一家的毛病，所有模型的正价都贵。真正影响成本的是渠道——中转渠道基本都有低价，这也是为什么实际用起来未必有那么肉疼。

一句话总结：能力上限最高、我最熟，但最近不稳定，需要备胎。

2、Claude：能力和口碑都在线，但我没真正用于工作 没实战过

说句实话：这是六家里我唯一没在实际工作里用过的。

• 用的人其实很多，社区口碑一直很好，属于“公认的强”。

• 我为什么没用：一是贵；二是那会儿 GPT 还能用，没有非换不可的理由。

• 我唯一接触的一段：3、4 月那会儿 opus 4.6 / sonnet 4.6 出来，我试了几天，属于初期探测性质，后来发现 GPT 更便宜，就换回去了。

• 风控：据我了解比 GPT 严，这也是很多人绕开它的原因之一。

一句话总结：以后预算宽裕、或者遇到 GPT 啃不下来的硬骨头，我会优先考虑它；但目前它不在我的日常流程里。

3、Gemini：前端样式和审美，确实比 GPT 强 最近上手

以前只是听说它前端写得好，最近才亲自上手试，试完的感受是：传闻不虚。

• 前端样式、审美能力强于 GPT。这个对比是在同价位的前提下说的——不是拿最顶的档去压 GPT 的基础档那种比法。

• 改样式特别省事。我最直接的体会就是：丢一句“这块样式不好看，调一下”，它就能给你改得不错，不用来来回回解释半天。

• 输出速度快。实测能飙到 100–200 token/s，是这几家里最快的之一，出长内容的时候体验很爽。

• 短板还是兼容性。没法原生接进通用客户端；就算通过网关接进去了，工具调用、MCP 支持性也不好，还有个 thinking 标签的问题（思考内容容易乱入正文）。

使用建议：把它当成专门干前端 / 出效果的“专才”来用，别指望它当全能主力。它也得用专门的载体去接（比如 antigravityCli 这类 CLI），硬塞进通用客户端只会浪费时间。

效果对比：我让它调过的两个界面

光说“审美更好”太抽象，直接上对比。下面这两组界面我都只提了一句“样式不好看，帮我调一下”，没有给具体怎么改：

智能排班助手：排班表格 + 预览确认这套界面，调整后整体更清爽、层次更分明。

华仔 AI 工作台：对话区 + 右侧会话信息面板，调整后信息密度和视觉重量都更舒服。

我的感受是：它不是在“套模板”，而是在改你现有页面的比例、间距和层次。同价位下这一点比 GPT 明显，而且它改完你不用大动，能直接用。

一句话总结：做前端、调样式，它值得单独留一个位置。

4、Grok：最近试的，综合表现比较均衡 最近上手

也是最近才开始试的一家，试下来整体印象不错：

• 能力不错，实际输出质量比我预期好，做得比较到位。

• 速度稳定在 40–50 token/s 左右，波动很小，用起来不闹心。

• 价格不算太贵，属于中间档。

• codex 兼容性挺好的，这点很关键——接进各种客户端基本不折腾。

一句话总结：能力不是最顶尖那一档，但“好用、好接、不贵”这三点它都占了，很适合当备胎。

5、DeepSeek：今天刚发的 V4.1，我觉得可以当主力了 准备转正

这家这段时间升级幅度挺大的，我按时间线说：

• 早期（只有 v4 flash 和 pro 的时候）：简单用过一下，没深入。原因是当时没有多模态，跟我现在的工作习惯不匹配。

• 后来有多模态了：但按使用量算，官方调用的价格没有 GPT 的中转渠道划算，所以我还是没转过去。

• 直到今天 V4.1 发布：价格又降了一点，速度特别快。我拿真实场景测了一轮，已经能完成不少工作，而且完成得不错。速度更是夸张，实测能到 200+ token/s，目前是我用过的里面最快的。

我的判断：它现在可以当主力用了——理由是稳定和高效，再加上国内网络直连。我准备接下来把它放进日常流程里跑一段时间看看。

一句话总结：升级力度最大的一家，性价比和速度都上来了。

实测：让它画一只“鹈鹕骑车”

光说“能力强”太虚，说一个我实际测的场景——需求就一句话：用 SVG 画一只骑自行车的鹈鹕，要能动起来。这是最近挺火的一个测试题，正好拿它试试水。

结果不只是画出来了：它自己做了一轮校验，中途还发现并修掉了一个真实 bug——SMIL 的 rotate 用的是绝对角度，而基础图形本身已经画在 θ=0 的位置上了，导致远侧腿的落脚位置偏移了 108px 左右。修完之后它把 50 个关键帧全改成了相对基线增量，还自己复核了脚掌和脚踏圆心的最大偏差。

出来的效果：自行车、道路、云、树、太阳，连车轮辐条和腿部踩踏都有。整个文件是自包含的，浏览器打开就跑。

这次任务跑完，工具里留下的记录是这样的：

本轮 4.4M token、缓存命中率 99.5%、用时 28 分 59 秒、首 token 1.4 秒、输出速度 227 tok/s——前面表里说的“200+”，依据就是这里。

6、GLM 5.3 Flash：拿来干日常活的性价比选手 深度用过

这家我是真真切切深度用过一段时间的，日常都拿它来跑。

• 定位就是 flash：新出的 5.3 Flash，价格相对不带 flash 的型号便宜一些（不算太贵），前段时间还有优惠活动。

• 日常工作够用。常规任务完成得不错；太难的任务我没交给它，也没必要砸牛刀。

• 官方订阅特别贵——这是它最大的槽点。中转渠道如果有，用用还是可以的，性价比能拉回来。

• 速度：30–40 token/s，高峰期也会波动；比不上今天刚发布的 DeepSeek V4.1 Flash（200+），这个差距挺明显的。

一句话总结：预算有限、跑日常和批量任务，它是很实在的选择。

场景对照：什么情况用哪个

按具体工作场景整理，比单纯看能力榜实用：

我现在的组合

核心就一句：GPT 还能打，但不能再单点依赖它。这也是我最近这两周被迫折腾替代方案的最大收获。