本文用 LMArena 匿名盲测、编码实测（Terminal-Bench / SWE-bench）、近一周多模态发布与 API 定价四组数据，盘点 2026 年 8 月的大模型格局，并给出按场景的开发者选型清单。所有数字标注来源，价格以官方实时为准。

关键字：大模型，LMArena，AI模型对比，多模态模型，API定价

---

2026 年 8 月的第一周，AI 圈有两件不大不小的事：谷歌 DeepMind 的 Jeff Dean 宣布离开，创办了名为 DiscoLoop AI 的新公司；同一周，阿里把 Wan3.0 视频模型挂上了公测，MiniMax 开源了能出 2K 视频加原生立体声的全模态模型 H3。

把这两件事放在一起看，结论其实很直白：巨头之间的"模型能力上限"之争已经进入下半场，竞争的主战场正在从"谁的文字更像人"切换到"谁的全模态更完整、谁的价格更敢打。

对于在 CSDN 上读这篇文章的你，不管是要给自己产品接一个模型，还是想搞清楚 2026 年该押注哪个技术方向，此刻最值得做的都不是追新闻，而是看清一张全景图：文本推理谁是榜首，编码能力谁真的能打，视频图像语音走到哪一步，以及这一切的公开价格是多少。

这篇文章用四组数据讲清楚这件事：LMArena 匿名盲测的文本排名、SWE-bench 与 Terminal-Bench 的编码实测、近一周多模态模型的密集发布、主流 API 的定价横评。所有数字都标注了来源，价格以官方实时为准，不吹不黑。

---

一、文本推理：LMArena 视角的巅峰对决

LMArena（原 LMSys Chatbot Arena，2024-25 年独立为 lmarena.ai）是现在被引用最多的"人类偏好"基准。玩法是匿名盲测：用户提一个问题，两个模型各自作答，用户只能凭答案质量投票，票数汇成 Elo 评分。它测的不是模型能否背出标准答案，而是真实用户更喜欢谁的输出，这正是采购方拿它当参考的原因。

以下是 2026 年 8 月初的文本榜头部快照（多来源交叉，Elo 会随投票滚动变化，以官网实时为准）：

模型	组织	文本 Elo（快照）	备注
Claude Opus 5	Anthropic	~1522	7 月发布的新旗舰
Claude Fable 5	Anthropic	~1509	头部轮换榜首之一
Claude Opus 4.8 Thinking	Anthropic	~1512	编码 / Agent 场景强项
GPT-5.5 Pro	OpenAI	~1488	推理档
Gemini 3.1 Pro Preview	Google	~1486	科学 / 多模态领先
Kimi K3（开源权重）	Moonshot	~1486	文本中游，编码见下节
DeepSeek V4 Pro（MIT）	DeepSeek	~1462	开源性价比标杆
Qwen 3.7 Max	阿里	~1455	国产模型文本最高

（来源：LMArena 第三方快照 swfte.com / toolcenter.ai / datalearner.com，2026-07-21 ~ 08-05）

这张表值得注意的不是第一名，而是三件事：

第一，头部已经挤成一团。 榜首到第十名之间的 Elo 差距不到 30 分，而 LMArena 官方口径是：25 分以内的差距属于噪声。换句话说，Fable 5、Opus 4.8、GPT-5.5 Pro、Gemini 3.1 Pro 谁是"第一"，基本取决于本周投票样本。"谁最聪明"这个问题的答案，已经不是一个可以回答的问题了。对选型者来说，真正该问的是场景、上下文、价格和生态，而不是那 10 分的排名差。

第二，榜首在 Anthropic 系内部轮换。 从 6 月的 Opus 4.6/4.7，到 7 月的 Fable 5 与 Opus 5，文本榜头把交椅大部分时间在 Anthropic 手里；OpenAI 的 GPT-5.5 Pro 与谷歌 Gemini 3.1 Pro 稳定咬在 1500 线附近。闭源三强的垄断地位没有变化，变化的是它们之间的差距在收敛。

第三，开源已经摸到头部边缘。 Kimi K3（~1486）、DeepSeek V4 Pro（~1462）、Qwen 3.7 Max（~1455）距离闭源头部只有 30–60 Elo，其中 DeepSeek 是 MIT 开源、Kimi 是开源权重。2026 年的开源与闭源差距，已经从"代差"缩小到"半步"。这个趋势在下一节的编码实测里会体现得更极端。

---

二、编码能力：开源第一次登顶的地方

如果说文本榜是"人类偏好"的缩影，编码则是"可验证智能"的试金石：模型说它行不行，拉出来跑真实代码任务就知道了。常用的编码实测有四类：SWE-bench Verified（真实 GitHub issue，模型要产出能通过项目测试的补丁）、Terminal-Bench（终端里的真实工程任务）、Program Bench（程序构建）、SWE Marathon（长程多步软件工程，模拟真实项目迭代）。

以下是 Moonshot 官方发布、并经独立来源交叉验证的 2026 年 7 月编码实测矩阵：

基准	Kimi K3	GPT-5.6 Sol	Claude Fable 5	Claude Opus 4.8
Terminal-Bench 2.1	88.3	88.8	84.6	84.6
DeepSWE（仓库级修复）	67.5	73.0	70.0	59.0
Program Bench	77.8	77.6	76.8	71.9
SWE Marathon（长程）	42.0	39.0	35.0	40.0
FrontierSWE	81.2	71.3	86.6	66.7

（来源：Moonshot 官方发布 2026-07 + prompt1001.com / wan27.org 独立交叉验证。SWE-bench Verified 各家评测口径差异较大，未列入本表，以各厂商官方发布为准。）

再叠加一个人类偏好信号。LMArena 前端编码榜（Frontend Code Arena）上，Kimi K3 以约 1679 Elo 登顶第一，超过 Claude Fable 5（~1631）与 GPT-5.6 Sol（~1618），七个前端子领域里拿下六个，唯一输掉的是 Gaming（第一名是 Fable 5）。这是开源模型第一次在人类偏好的编码场景站上榜首。

这张矩阵读出来的信息量比"谁第一"大得多：

第一，Kimi K3 赢的是"长程耐力赛"，输的是"单次深读"。 它在 Program Bench、SWE Marathon、前端编码这些需要多步推理、长上下文、持续迭代的任务上压过所有闭源对手；但在 DeepSWE（跨文件理解代码库）、FrontierSWE 这类"一次性深读大仓库"的任务上，Claude Fable 5（86.6）仍然领先它 5 个点。结论：如果你的场景是 agent 长循环、多文件改动、前端整页生成，K3 是当前性价比极高的选项；如果是单次深度代码审查，闭源头部更稳。

第二，"开源编码已可用"不再是口号。 2.8 万亿参数 MoE（每 token 只激活 16/896 个专家）的 K3 以约 3/15 的公开价格，跑出了与 GPT-5.6 Sol 几乎持平的 Terminal-Bench 分数（88.3 vs 88.8）。对预算敏感的团队，这会改写采购决策。

一周前 DeepSeek V4 Flash 正式版又把这条线压低了一档：284B 总参数只激活 13B，架构一点没动，只重做了一轮后训练，代码修复基准 DeepSWE 就从预览版的 7.3 跳到 54.4（六倍多），Terminal-Bench 2.1 拿到 82.7，和 Claude Opus 4.8 的 84.6 几乎打平。小参数、高激活效率、Agent 能力暴涨，这是"开源编码已可用"的最新注脚。

第三，但单项突破不等于全面领先。 在 Artificial Analysis 综合智能指数（10 项基准加权）上，Kimi K3 得 57 分，Claude Opus 5 为 61、GPT-5.6 Sol 为 59。开源追上了编码这个"最陡峭"的单项，综合维度仍差闭源头部 2–4 分。这提醒我们：看模型要看"任务画像"，而不是被单一榜单的登顶新闻带走。

---

三、多模态全谱系：视频 / 图像 / 语音一周齐爆

如果说文本和编码是"存量竞争"，多模态就是 2026 年增量最猛的方向。只统计 2026 年 8 月第一周，就有至少七款重量级多模态发布（来源：AI HOT 收录的官方渠道发布）：

模型 / 产品	厂商	模态	开源	亮点
Wan3.0	阿里	视频生成	公测	千问 APP 全网首发公测
MiniMax H3	MiniMax	文本+图像+视频+音频	✅	全模态生成，2K 视频 + 原生立体声
SeedRealtime	字节	音视频全双工	—	实时语音 + 视频双向交互大模型
Qwen-Image-3.0-Pro	阿里	图像生成	—	上线 Qwen Cloud
SenseNova U1	商汤	推理 + 图像生成统一	✅	一个模型同时做推理与生图
Hy ASR 3.0	腾讯混元	语音识别	preview	上下文感知的语音识别
FLUX 3 Video	Black Forest Labs	视频生成	—	经 OpenRouter 统一多模态入口上线

这张表背后有几件事值得说：

第一，多模态正在从"能力点"变成"系统"。 MiniMax H3 是典型例子。它不是一个视频模型加一个音频模型，而是一个统一的全模态生成系统，文本、图像、视频、音频一套权重出，视频能到 2K 还带原生立体声。商汤 SenseNova U1 走的是另一条路：把"推理"和"图像生成"收进同一个模型。当多模态从"拼装"走向"原生"，应用开发者的接入成本在下一次换档。

第二，实时交互成为新战场。 字节 SeedRealtime 做的是音视频全双工：模型在听的同时能说、能看到画面实时回应。这已经不是"生成一段视频"的范畴，而是把人机交互从"打字-回车"推向"说话-看着-回应"。对语音助手、客服、直播场景的开发者，这是下半年最值得盯的机会。

第三，多模态也在开源。 一周之内 MiniMax H3、SenseNova U1 两个重量级开源/开源权重发布，加上此前 Qwen 系的多模态开源生态，开源在多模态上复制了编码板块的剧本：先用开源权重拉平能力门槛，再靠生态抢占有率。

对开发者的实际含义就一句话：2026 年下半年接多模态，你已经不太需要"一个厂商接一个 SDK"了。模型在收敛到"全模态 + 统一接口"，而选型维度反而变多了（视频质量、语音时延、开源可自托管、按次还是按量计费）。价格就成了最后一道分水岭，下一节来算这笔账。

---

四、价格与性价比：API 定价的残酷真相

模型再强，最终都要落到"每百万 token 多少钱"。下面是 2026 年 8 月主流 API 的公开定价快照（$/1M tokens，输入/输出；公开渠道快照，以官方实时定价为准）：

模型	输入 $/M	输出 $/M	档位
GPT-5.5 Pro	30	180	旗舰·推理
Claude Opus 4.8	5	25	旗舰·编码/Agent
Claude Fable 5	10	50	旗舰·知识工作
GPT-5.6	5	30	通用旗舰
Kimi K3（开源权重）	3	15	开源旗舰·编码
DeepSeek V4 Pro（MIT 开源）	~1.75	~3.5	开源·极致性价比
DeepSeek V4 Flash 正式版	~0.14	~0.28	开源·价格屠夫（新发布）
GLM-5.2	—	~3	国产性价比
Gemini 3 Flash 档	—	~3	轻量性价比

（公开定价来源：LMArena 价格列 / swfte.com / metatext.io，2026-07 ~ 08 快照。个别模型不同渠道报价有出入，以官方实时定价为准。）

这其中有两个残酷真相：

第一个残酷真相：性能 Top 和价格 Top 几乎不重合。 文本榜 1500 Elo 梯队里，Kimi K3 输出价 15/M，GPT-5.5 Pro 输出价 180/M。性能差距 20 分以内，价格差 12 倍。对批量任务（日志分析、内容抽取、批量改写），用头部旗舰跑等于把利润烧在排行榜上；选对性价比档位，成本能降一个数量级。

刚发布的 DeepSeek V4 Flash 是这个逻辑的极端版本：Artificial Analysis 智能指数 50，贴着 GPT-5.6 Luna 的 51；输出价 $0.28/M，只有 Claude Fable 5 的约 1/90。媒体把这事叫"斩杀线"——比它便宜的没它强，比它强的贵出几个数量级。

第二个残酷真相：价格战已经打到"显性化"。 官方定价公开透明之后，聚合/网关渠道开始出现系统性折价。以我自己的持续监测数据为例（2026-08-06 快照，公开比价页实时更新）：

• DeepSeek R1：官方混算价约 4/M，网关渠道约 1.15/M（省约七成）

• GPT-5.6 Luna：官方约 0.45/M，网关渠道约 0.225/M（五折）

• GLM-5.2：官方约 2.15/M，网关渠道约 1.18/M（省约四成五）

（数据来源：公开比价数据 2026-08-06 快照，链接见文末；各家计价方式不同，仅作量级参考）

还有一个值得单说的信号：就在本文成稿前两天，DeepSeek 官方公告计划整体上调 API 定价（当前 V4 Pro 输入 3 元、输出 6 元/百万 token，具体涨幅待定）。连把性价比打到地板上的玩家都要调价，说明价格战正在从"卷低价"转向"动态调价"，比价这件事只会越来越重要。

对开发者来说，2026 年的省钱方式已经不是"等降价"，而是"选对渠道"：同一套 OpenAI 兼容接口，base_url 指向不同网关，同样的活可能差一半以上的成本。这也是为什么"比价"正在从个人爱好变成工程刚需。

---

五、三个趋势判断

把前面四组数据放回时间轴上，2026 年下半年的版图可以压缩成三个判断。

判断一：开源围剿闭源，差距进入"季度级"收窄。 看数据：Kimi K3 拿下人类偏好的前端编码榜第一（约 1679 Elo），并在 Program Bench、SWE Marathon 两个长程任务登顶，"开源能在单项打赢闭源"已经从假设变成事实；同时 Artificial Analysis 综合指数显示开源旗舰（K3 57 分）与闭源头部（Opus 5 61、GPT-5.6 Sol 59）只剩 2–4 分。按这个收敛速度，综合维度差距有望在 6–12 个月内被抹平。对采购决策的影响是："闭源一定更强"的假设，2026 年年底之前大概率失效。

判断二：全模态成为标配，单模态产品竞争力被稀释。 事实是：一周 7 款多模态发布（第三节），且 MiniMax H3、SenseNova U1 两个重量级都是开源/开源权重，多模态正在复制编码板块"开源拉平门槛"的剧本。当"一套模型同时出文本、图像、视频、音频"成为默认选项，仍然只提供文本能力的单模态产品，在预算争夺中会越来越被动。对开发者的含义：新项目立项时，默认按"多模态统一接口"设计，而不是先接文本再补模态。

判断三：价格战显性化，比价从爱好变成工程刚需。 依据：性能差 20 分以内、价格差 12 倍（K3 vs GPT-5.5 Pro）；同一模型经不同渠道调用，成本可差 50%–70%（第四节的网关折价例证）。官方定价越来越透明，意味着信息差在消失，而渠道差在扩大。同样一个 OpenAI 兼容接口，base_url 选得对不对，就决定了成本结构。这就是为什么 2026 年的技术团队清单里，应该多一项"定期比价"。

六、开发者选型清单

最后，我们总结一下全文，基于我的观点，我们有下面的选择：

场景	首选	备选	理由
通用对话 / 知识工作	Claude Fable 5	GPT-5.6	人类偏好榜头部，但注意价格档位
编码 · 长程 Agent 循环	Kimi K3	GPT-5.6 Sol	Program Bench / SWE Marathon 第一；开源权重可自托管
编码 · 单次深度审查	Claude Opus 4.8	Claude Fable 5	DeepSWE / FrontierSWE 深读能力领先
视频生成	Wan3.0 / MiniMax H3	FLUX 3 Video	按质量、成本、是否需开源三选
语音 / 实时交互	SeedRealtime	Hy ASR 3.0	音视频全双工 vs 上下文感知 ASR
高性价比批量任务	DeepSeek V4 Flash / V4 Pro	GLM-5.2	成本可较旗舰降一个数量级
多模型混合场景	统一 API 网关	—	一个 key 一个计费，省多厂商 SDK 维护

如果你正处于"多模型混合场景"、想一步到位省掉多家 SDK 维护，Nova Nexus 星海智能国际站（https://dolphin.token6688.com/）就是这类平台的一个代表：文本 / 视频 / 图像 / 语音多类模型一个 API key、OpenAI 兼容接口统一调用，正是上面说的"换 base_url 即切换"的典型实现。

三条使用原则：

1. 按任务画像选型，不追单一榜单第一：文本、编码、多模态是三个不同的世界（第一、二、三节已经分别证明了）。

1. 价格按量级估算，不是按官网页抄：批量场景优先跑性价比档 + 网关渠道，旗舰留给真正需要的 20% 任务。

1. 多模型混用时，用统一接口而不是多家 SDK：2026 年几乎所有主流模型都兼容 OpenAI 协议，换 base_url 即可切换，维护成本下降一个量级。想自己动手比价和试接的，看文末。

---

附录

本文数据来源：LMArena 匿名盲测榜单（Elo 随投票滚动，快照时间 2026-07-21 ~ 08-05）；Moonshot 官方发布的编码实测（2026-07）；各厂商官方渠道发布（经 AI HOT 收录）；主流 API 官方公开定价；公开比价数据快照（2026-08-06）。

免责声明：所有价格为公开渠道快照，以官方实时定价为准；榜单与价格都会随发布节奏变化。我写这篇文章时是 2026 年 8 月初，结论只在此时点成立，下个月可能又换一轮榜首。另个人查询资料恐有疏漏，如有错误请指出。

三个可以自取的资源（开发者向，开源维护，实时更新）：

• Nova Nexus 星海智能国际站（面向开发者和企业的多模型统一调用平台，OpenAI 兼容，一个 API key 调用文本 / 视频 / 图像 / 语音多类模型）：https://dolphin.token6688.com/

• 多模型公开价格对比页（Nova Nexus 星海智能国际站 vs OpenRouter，仅对外价）：https://li589.github.io/nova-nexus/price/

• 项目仓库（品牌落地页 + OpenAI 兼容 API 接入指南 + 模型覆盖清单）：https://github.com/li589/nova-nexus

评论区聊一个话题：你生产环境现在用哪个模型？选它的理由是什么？数据会说话，但真实踩坑经验比数据更值钱。