7月的大模型圈很热闹。

OpenAI 的 GPT-5.6 Sol 刚结束政府审核全面开放，Anthropic 的 Claude Fable 5 解除出口管制重新上线，月之暗面的 Kimi K3 以全球最大开源模型的姿态杀进前三——三大旗舰模型第一次在同一个月内全部可用。

问题来了：到底选谁？

这篇横评把三大模型在编程、Agent、推理、文档理解、速度、价格六个维度上掰开了看。数据来源统一用独立评测机构（Artificial Analysis、VulcanBench、Arena AI），不用厂商自报数据。

先给结论：没有绝对的第一名。三个模型各有一个不可替代的长板。

---

一、综合智能：Fable 5 守擂，但差距极小

Artificial Analysis Intelligence Index 给出了综合评分：

排名	模型	综合智能指数
1	Claude Fable 5	60
2	GPT-5.6 Sol	59
3	Kimi K3	57

前三名只差3分。这是什么概念？去年同期的前三名分差是两位数。 模型能力的趋同速度比任何人预想的都快。

但综合分掩盖了细节。拆到具体能力维度，三个模型的优劣势完全错开。

---

二、编程：K3 登顶前端，Fable 5 统治工程

前端编程（Frontend Code Arena）

这是 Kimi K3 最亮眼的战场。

模型	得分	差距
Kimi K3	1679	—
Claude Fable 5	1631	-48
GPT-5.6 Sol	1618	-61

K3 在前端七个细分领域中六个位居第一。干净利落的 UI 组件生成、准确的 CSS 布局、更少的迭代次数——在前端编程这个场景下，K3 是实至名归的第一。

长程软件工程（SWE Marathon / FrontierSWE）

但到了复杂的、需要长周期自主完成的软件工程任务上，Fable 5 夺回优势：

评测	Claude Fable 5	GPT-5.6 Sol	Kimi K3
SWE Marathon	48%	44%	42%
FrontierSWE	86.6	71.3	81.2
Terminal Bench	76%	73%	71%

Fable 5 在需要持续数小时乃至数十小时的自主编程任务上依然是标杆。 K3 在 FrontierSWE 上拿到81.2分大幅领先 Sol，但与 Fable 5 的86.6仍有差距。

VulcanBench 的真实 PR 数据更直观——用23个真实合并过的开源项目PR来测试：

模型	完成率	总成本	每任务耗时
Claude Fable 5	20/23 (87%)	$20.82	4.3分钟
GPT-5.6 Sol	20/23 (87%)	$15.90	4.2分钟
Kimi K3（标准）	17/23 (74%)	$16.84	18.1分钟
Kimi K3（加预算）	20/23 (87%)	$27.43	28.3分钟

K3 给够预算和时间（2小时上限），也能追平 Fable 5 和 Sol 的完成率。但耗时是后两者的6-7倍。 这是 K3 最核心的代价——用时间换能力。

---

三、Agent 与知识工作：Fable 5 第一，K3 反超 Sol

AA-Briefcase 是一个很有意思的评测——模拟真实企业办公环境，给模型扔25000+条Slack消息、3500+封邮件、会议纪要和财务报表，要求产出Excel财务模型和董事会PPT。

模型	AA-Briefcase 得分
Claude Fable 5	1574
Kimi K3	1543
GPT-5.6 Sol	1501

K3 在这个维度反超了 Sol。说明在处理长周期、碎片化信息的复杂办公任务上，K3 的大上下文窗口（100万token）和长程推理能力发挥了作用。

GPQA Diamond（研究生级科学推理）：

模型	得分
Claude Fable 5	74%
GPT-5.6 Sol	72%
Kimi K3	68%

Fable 5 的推理深度依然是三者中最强的。

---

四、多模态与文档理解：K3 的另一个杀手锏

OmniDocBench 视觉理解测评中，K3 以 91.1分登顶，超越 Fable 5 和 Sol。这是 K3 除前端编程外第二个拿第一的领域。

K3 原生支持视觉理解（在预训练阶段就同时处理文本和图像），不是后期嫁接的多模态能力。对于需要大量文档理解、图表解析的企业场景，K3 有明显优势。

---

五、速度与可靠性：K3 的硬伤

这是三个模型之间最悬殊的差距。

速度

模型	同等任务耗时	相对速度
Claude Fable 5	~3.5分钟	基准（最快）
GPT-5.6 Sol	~4分钟	接近
Kimi K3	~12分钟	慢3倍+

同样的代码缺陷修复任务，Fable 5 3.5分钟，K3 12分钟。而且 K3 比 Fable 5 和 Sol 慢2-3倍是普遍现象，不是个别任务。

幻觉率

模型	幻觉率
Claude Fable 5	~12%
GPT-5.6 Sol	~15%
Kimi K3	~51%

K3 51%的幻觉率是个严重问题。这意味着超过一半的回复可能包含不准确信息。对于知识密集型任务，K3 的输出需要人工校验。Fable 5 的12%在可用性上是另一个量级。

---

六、价格：看单价没用，看「完成一个任务的成本」

API 定价（每百万Token）

模型	输入	输出	缓存命中
Kimi K3	¥20 ($3)	¥100 ($15)	¥2 ($0.30)
GPT-5.6 Sol	$5	$30	$0.50
Claude Fable 5	$10	$50	$1

只看单价，K3 最便宜——输出价格只有 Fable 5 的30%。但这张表有欺骗性。

K3 的一个关键问题：输出冗长。 第三方实测数据显示，K3 完成同样任务消耗约25K tokens，而 Sol 只需15K左右，Fable 5 约18K。K3 的长推理链和不结构化的 Thinking 输出导致 token 消耗明显偏高。

算「完成一个任务的真实成本」：

模型	单价（输出）	平均Token/任务	估算成本/任务
Kimi K3	$15/M	~25K	~$0.38
GPT-5.6 Sol	$30/M	~15K	~$0.45
Claude Fable 5	$50/M	~18K	~$0.90

K3 仍然是最便宜的，但优势从「便宜70%」缩水到「便宜约15%」。Fable 5 贵但精准，总成本可能更低——完成同样任务所需的轮次更少，不需要反复纠正。

另外，Fable 5 在处理超长上下文（超272K tokens）时不加价，Sol 有2倍输入/1.5倍输出的长上下文附加费。

---

七、一张表看完所有数据

评测维度	🥇 第一	🥈 第二	🥉 第三
综合智能	Fable 5 (60)	Sol (59)	K3 (57)
前端编程	K3 (1679)	Fable 5 (1631)	Sol (1618)
FrontierSWE	Fable 5 (86.6)	K3 (81.2)	Sol (71.3)
SWE Marathon	Fable 5 (48%)	Sol (44%)	K3 (42%)
Agent知识工作	Fable 5 (1574)	K3 (1543)	Sol (1501)
文档理解	K3 (91.1)	Fable 5	Sol
科学推理	Fable 5 (74%)	Sol (72%)	K3 (68%)
真实PR任务	Fable 5 (87%)	Sol (87%)	K3 (74%/87%)
速度	Fable 5 (最快)	Sol (接近)	K3 (慢3倍)
幻觉率	Fable 5 (~12%)	Sol (~15%)	K3 (~51%)
输出单价	K3 ($15)	Sol ($30)	Fable 5 ($50)
任务成本	K3 (~$0.38)	Sol (~$0.45)	Fable 5 (~$0.90)
上下文定价	Fable 5 (不加价)	K3	Sol (加价)

---

八、三句话选模型

选 Kimi K3，如果：

• 你做的是前端开发、UI组件生成、CSS布局——这是K3的地盘

• 你需要处理大量文档和图表（OmniDocBench 91.1分）

• 你的场景是长周期自主编程，不介意等12分钟换一条高质量输出

• 预算优先，且能接受较高幻觉率需要人工校验

• 你需要开源模型，想自己微调或私有化部署

选 Claude Fable 5，如果：

• 你做的是复杂软件工程、多文件重构、大规模代码迁移——Fable 5是唯一选择

• 准确率 > 一切——12%幻觉率，省去大量纠错时间

• 你跑的是Agent工作流，需要模型稳定执行多步骤复杂任务

• 你处理超长上下文（>272K tokens），不想付附加费

• 你能接受最高的单价，换最可靠的结果

选 GPT-5.6 Sol，如果：

• 你需要速度、成本、能力的三角平衡——不是最强也不是最便宜，但可能是最「全面」

• 你做的是安全相关的编程任务（ExploitBench表现优异）

• 你已经在 OpenAI 生态里（ChatGPT、Codex、Assistants API）

• 你需要分级定价——Sol/Terra/Luna三档，不同任务匹配不同成本

---

九、最佳实践：别只用一个

三个模型的长板完全错开。实际生产中的最优策略不是「选一个」，而是三模型组合：

前端开发 → Kimi K3（1679分，前端最强）

复杂工程 → Claude Fable 5（86.6 FrontierSWE）

日常编码 → GPT-5.6 Sol（速度+能力平衡）

文档解析 → Kimi K3（91.1 OmniDocBench）

Agent任务 → Claude Fable 5（1574 AA-Briefcase）

成本敏感 → Kimi K3（便宜）+ GPT-5.6 Luna（更便宜）

但问题是——如果每个模型都去一家平台单独开户、充值、管理Key，管理成本很高。

实际方案是通过API聚合平台统一管理。 比如 魔芋 已经接入了 Kimi K3（含K2.6/K2.5全系列），同时支持 Claude 和 GPT 全系列，国内外模型一个Key调用。开发者不需要分别对接月之暗面、Anthropic、OpenAI三家——改个model参数就能切换模型，按任务需求灵活选型。

体验网址：https://www.moyu.info/register?aff=g2d7  (通过该连接注册后可获得￥2额度体验，私信我还可以额外我获赠￥5账户体验额度并进行账户开白)

---

写在最后

2026年7月的模型格局传达了一个清晰信号：绝对领先的时代结束了。

一年前，GPT-5 对其他模型是「碾压级」优势。现在，前三名综合分只差3分——每个维度各有人赢，没有一个模型能包揽所有第一。

K3 的崛起尤其值得关注：一个开源模型，在前端编程和文档理解两个领域拿了世界第一。7月27日完整权重开放后，基于K3的微调模型和领域适配版会大量涌现。

但 K3 的短板也足够明显——速度慢3倍、幻觉率51%、上线48小时就因算力崩溃暂停C端订阅。这不是一个「能用就完事」的模型，而是一个需要精心选择场景、接受其代价的「偏科尖子生」。

选模型这件事，以后不是比「谁最强」，而是比「谁最合适」。