RESEARCH BENCHMARK

选出真正“会查资料”的境内 AI 信息入口

本评测不比较谁更会写漂亮答案，而比较谁能在高时效、跨产品、跨价格体系的问题上主动检索、优先采用一手来源、正确处理冲突，并在证据不足时克制地说“不确定”。

24 个实名样本逐份事实核查同一评分尺最终揭晓身份
24回答样本
100单份总分
6.7841USD/CNY 基准汇率（2026-08-24 中间价）

工作方式

在Web平台提问，得到答案并保存。选定评分平台。每次上传 1 份 Markdown 答案 。评分平台审阅后综合评价，内容包括：摘要、事实错误、遗漏、来源质量、价格计算、模型/套餐分类、幻觉风险、总分与评语。

保留原始回答中的链接、脚注、引用编号和“搜索来源”文字。它们本身就是评分对象。

为什么采用逐份匿名评测？

每份回答都很长，而且很多事实需要重新访问官方页面核对。逐份处理能让每一次核查都有明确边界，也方便把新发现的官方事实反向补进“事实核查基准”，避免后面的答案因为基准过旧而被误判。

完整测试题

事实核查基准 v0.1

这是“动态基准”，只记录已经由当前官方资料或高可信一手资料钉死的事实。未确认项目宁可留空。随着 24 份回答逐一审阅，基准将继续扩充并记录冲突。

重要：“最新模型”并不总是单一字段。例如 Anthropic 同时存在更新一代的 Sonnet 5 与更高定位的 Opus 4.8；Google 的 Pro 型号仍有 Preview 标记。评测时必须看回答是否识别这种产品语义，而不是强行选一个名字。

已核验锚点

对象截至 2026-08-24 的核验事实状态
汇率中国外汇交易中心 2026-08-24 人民币汇率中间价：1 USD = 6.7841 CNY。本评测的美元价格统一用此汇率折算。已核验
OpenAIGPT‑5.6 系列当前包括 Sol / Terra / Luna。官方 7 月 30 日公告：Terra 标准 API 为 $2 输入 / $12 输出每 1M tokens，Luna 为 $0.20 / $1.20；Sol 价格保持不变，API 定价页列短上下文标准价 $5 / $30。已核验
AnthropicClaude Sonnet 5 已发布并可用，至 2026-08-31 的介绍价为 $2 输入 / $10 输出每 1M；之后 $3 / $15。Anthropic 2026-05-27 价表同时列出 Claude Opus 4.8，标准 API $5 / $25。回答若把“最新一代”和“最高端旗舰”混成一个概念需说明。已核验
GoogleGoogle 官方截至 2026-08-24 已将 Gemini 3.7 Flash 设为 GA，Model ID gemini-3.7-flash，1M context；截至 2026-12-31 标准 API 促销价为 $0.75 输入 / $3.75 输出每 1M。Gemini 3.6 Flash 同期也执行相同促销价。Gemini 3.1 Pro 仍标记为 Preview，≤200K 标准价 $2 / $12。已核验
DeepSeek官方 API 当前列 DeepSeek‑V4‑Flash 与 DeepSeek‑V4‑Pro，均 1M context。缓存未命中输入分别 ¥1 / ¥3 每 1M，输出 ¥2 / ¥6。已核验
KimiKimi Chat 当前可选 K2.6 / K3 / K3 Cluster；K2.6 聊天入口免费且不消耗会员额度。最低会员 Andante ¥49/月，含约 30 次 Agent、Deep Research、Office、Kimi Code、1000 次专业数据库调用等；会员功能共享额度池。已核验
GLM智谱官方开放文档当前仍将 GLM‑5.2 标为“最新旗舰模型”。但 OpenCode Go 的官方页面列出了 GLM‑5.3。两者存在值得核查的口径差异，不能仅凭第三方/Provider 名称断言“GLM‑5.3 是智谱官方当前旗舰”。官方口径冲突/待解释
OpenRouter统一 API 聚合平台；Pay‑as‑you‑go 对底层 Provider 推理价不加价，但购买 credits 收 5.5%（最低 $0.80）费用。支持多 Provider、自动路由与 fallback；免费模型有较低限流。已核验
OpenCode GoOpenCode 官方：首月 $5，之后 $10/月；是低成本 Coding 模型订阅，不是基础模型。会提供 Go API key，并有 OpenAI/Anthropic-compatible endpoints；官方写明可用于 any agent。当前列表含 Grok 4.5、GLM-5.3/5.2、GPT 5.6 Luna、Kimi K3、Qwen3.8 Max、DeepSeek V4 等。已核验
Agnes目前检索到 AgnesAI-Labs / Agnes-AI 项目公开套餐与 OpenAI-compatible API 信息，但“官方商业产品身份、当前正式价格与模型版本”还需要在审阅相关回答时继续做一手来源确认。待进一步核验
Qwen / 豆包 / 混元 / 文心 / MiniMax / SiliconFlow / xAI暂不在 v0.1 为了填满表格而硬写。将在逐份审阅中按回答涉及的具体模型、套餐和 Provider 精确核查。待核验

当前官方来源

  1. OpenAI · GPT‑5.6 availability and pricing
  2. OpenAI API Pricing
  3. Anthropic · Claude Sonnet 5
  4. Claude plans & pricing
  5. Google Cloud generative AI pricing
  6. Gemini Apps limits & upgrades
  7. DeepSeek API · 模型与价格
  8. Kimi · 会员价格与权益
  9. Kimi · K2.6 / K3 / K3 Cluster
  10. 智谱 · 模型概览
  11. OpenRouter FAQ / Fees
  12. OpenCode Go 官方文档
  13. 2026-08-24 人民币市场汇价（新华社转中国外汇交易中心）

单份回答评分规则 · 100 分

核心事实准确性 30
模型版本、会员价、API价、套餐性质、Provider 关系。
时效性与主动检索 15
是否真正查到 2026-08-24，而不是旧知识。
一手来源质量 15
官方价格页/文档/公告优先；二手源只作补充。
引用支持度 15
链接存在不等于引用成立；必须真正支持对应结论。
覆盖与结构化 10
是否完成题目要求，并正确区分 Chat/API/Coding/聚合平台。
幻觉与不确定性控制 10
查不到能否明确说“未确认”，而不是补全。
计算与可比性 5
汇率、1M token、缓存未命中、同模型同版本比较是否正确。

严重扣分项

  • 伪造模型、套餐、官方页面或价格。
  • 把 Chat 会员额度当普通 API 余额。
  • 把缓存命中价 / Batch 折扣当常规输入价。
  • 把不同版本、量化版、Flash/Pro 等放在同一“同模型”价格组直接比较。
  • 明确给出过时数据，却声称“截至 2026-08-24 最新”。
  • 引用页面与结论不匹配，尤其是拿第三方营销稿覆盖官方文档。
REFERENCE ANSWER · 2026-08-24

参考答案

这不是“唯一正确措辞”，而是一份用于对照评分的标准作答：优先采用官方一手资料，严格区分 Chat 产品、API、Coding Plan、聚合平台和第三方 Provider；无法由官方资料确认的项目明确保留不确定性，不为了填满表格而猜测。

基准日：2026-08-24 Model-first 官方来源优先 Chat ≠ API 余额

一、先给结论

  • 全球通用研究入口：ChatGPT / Gemini / Claude 等产品必须与其开发者 API 分开看；个人订阅通常不等于普通 API 余额。
  • 中国平台：DeepSeek、Kimi、Qwen、GLM、豆包、混元、文心、MiniMax 等要分别核对 Chat、开放平台 API、Coding Plan / Token Plan，不能把“会员”与“API 充值”混为一谈。
  • 模型比较必须先锁定模型身份：只有 model ID / 名称 / 版本一致，才能做官方、OpenRouter、SiliconFlow、云厂商之间的同模型价格比较。Flash / Pro、Turbo / Lite、蒸馏、量化、旧版本都不能混为“同模型”。
  • 汇率统一：本评测按 2026-08-24 中国外汇交易中心人民币汇率中间价，1 USD = 6.7841 CNY。

二、截至 2026-08-24 的主要模型状态

厂商当前应识别的模型/层级状态与注意事项
OpenAIGPT-5.6 Sol / Terra / LunaSol 为旗舰层级；Terra、Luna 为更低成本层级。回答必须区分 ChatGPT 内可用模型与 API model。
AnthropicClaude Fable 5；Mythos 5Fable 5 为公开可用高端层级；Mythos 5 为受限层级。不能把“公开可用最高层级”和“受限最高层级”混写。
GoogleGemini 3.7 Flash；Gemini 3.1 Pro3.7 Flash 已 GA；3.1 Pro 仍为 Preview。正式版与 Preview 必须分开。
xAIGrok 4.6长上下文存在分段价格，不能只写单一输入/输出价而不说明上下文档位。
DeepSeekDeepSeek-V4-Flash / V4-Pro当前 API 主力；旧的 deepseek-chat / deepseek-reasoner 已不应继续作为“当前主模型”锚点。
KimiK2.6 / K3 / K3 ClusterK2.6 Chat 免费且不消耗会员额度；会员、Kimi Code 与 API 需分别讨论。
QwenQwen3.8 Max 等当前代模型需要按官方具体 model ID 核对；不能将旧 Qwen3.x 版本直接当作当前旗舰。
智谱GLM-5.3当前代旗舰 / Coding 主力；中国开放平台价格与国际 Z.ai 价格可能不同，必须注明使用哪套官方价格体系。
腾讯混元Hy3应按腾讯官方 API / 控制台的具体 model ID 与价表核验。
百度文心ERNIE 5.1存在上下文档位差异，需按官方价表写明。
MiniMaxMiniMax M3长上下文存在分段价格与缓存价，标准比较应使用缓存未命中输入价。
豆包Doubao 2.1 / Seed 系列需按火山方舟当前 model ID 与价格页核验；不要用旧 Seed 2.0 代替当前代。
AgnesAgnes 2.5 Pro Alpha / 2.5 Flash既有自有模型，也有 Agent / Chat 产品和 OpenAI-compatible API；不能简单归类成纯聚合壳。

三、个人订阅与 API：必须分开

产品最低主要个人付费关键权益是否等于普通外部 API 余额
ChatGPTPlus：$20/月更高模型/消息限额、研究与产品功能等否。ChatGPT Plus 不包含可在 OpenAI Platform 随意调用的普通 API 余额。
ClaudePro：$20/月；$200/年更高使用限额与高端模型访问否。Claude Pro 与 Anthropic Console API 计费分离。
KimiAndante：¥49/月约 30 次 Agent、Deep Research、Office、Kimi Code、专业数据库调用、项目与存储等否。会员额度不应写成 Moonshot 普通 API 余额。
GLM Coding PlanLite：标价 ¥118/月；当前活动价 ¥94.4/月10,000 Credits / 周；滚动接入最新旗舰模型，支持 20+ Coding Agent / IDE不能直接等同。使用 Coding 专用 endpoint，与通用 BigModel API 余额和 endpoint 分离。
OpenCode Go首月约 ¥33.92，之后约 ¥67.84/月面向 Coding Agent 的多模型订阅，可获得 Go API key / compatible endpoints不是原厂通用 API 余额。但官方允许用于 OpenCode 或其他兼容 Agent。
评分锚点：凡是把 ChatGPT Plus、Claude Pro、Kimi 会员、Coding Plan 等直接描述成“包含等额普通 API 余额”，都属于严重概念错误。

四、代表性官方 API 价格

以下统一优先写“标准、缓存未命中、非 Batch”的 1M token 价格。美元计价项目按本页基准汇率 1 USD = 6.7841 CNY 换算为人民币，结果四舍五入至分。若存在促销且在 2026-08-24 正在生效，应按当前实际可用价列出，并标注促销期限。

模型输入 / 1M（人民币）输出 / 1M（人民币）重要备注
GPT-5.6 Sol¥27.14¥135.682026-08-21 起的阶段性降价；缓存输入另计。标准答案应识别当前生效价，而不是继续使用旧价约 ¥33.92 / ¥203.52。
GPT-5.6 Terra¥13.57¥81.41更低成本层级。
GPT-5.6 Luna¥1.36¥8.14低成本层级。
Claude Fable 5¥67.84¥339.21公开可用高端层级。
Gemini 3.7 Flash¥5.09¥25.44当前促销价截至 2026-12-31；缓存输入约 ¥0.51 / 1M。
DeepSeek-V4-Flash¥1.5 低谷 / ¥3 高峰¥4.5 低谷 / ¥9 高峰需明确峰谷时段；不能只挑最低价做“标准价格排名”。
DeepSeek-V4-Pro¥4.5 低谷 / ¥9 高峰¥13.5 低谷 / ¥27 高峰同上。
GLM-5.3中国官方价格体系应按 BigModel 当前价表核验同左不要拿 Z.ai 国际美元价冒充中国官方人民币价。
ERNIE 5.1≤32K：¥4；32K–128K：¥6≤32K：¥18；32K–128K：¥22存在上下文分档。
MiniMax M3≤512K：¥2.1；>512K–1M：¥4.2≤512K：¥8.4；>512K–1M：¥16.8当前折扣价；缓存价不能拿来当普通输入价。
Agnes 2.5 Pro Alpha¥3.05¥6.11OpenAI-compatible API，1M context。
Agnes 2.5 Flash当前 ¥0当前 ¥0512K context；标准标价约 ¥0.20 / ¥1.02，但官方当前价为 $0 / $0。免费不等于无限量，仍以账户与 API Key 的速率限制、权限为准。

五、主要 LLM 在不同平台 / Plan 中的价格横向对比

先看完全相同模型 / 明确版本的 API 单价，再看该模型是否包含在月度 Plan 中。API 单价统一为 人民币 / 1M tokens（输入 / 输出）；美元均按 1 USD = 6.7841 CNY 换算。月度 Plan 是受时间窗口、Credits、请求估算或公平使用约束的订阅，不能直接除成稳定 token 单价。

A. 同模型 / 同版本的 API 与 Plan 覆盖

模型 / 版本原厂官方 APIOpenRouterSiliconFlow可用月度 Plan（当前）
GPT-5.6 Sol¥27.14 / ¥135.68活动价 ¥13.57 / ¥67.84
50% off；需核对活动结束时间		未列出完全同名 / 同 ID未在下列主流多模型 Coding Plan 中列出
GPT-5.6 Terra¥13.57 / ¥81.41¥13.57 / ¥81.41未列出完全同名 / 同 ID未在下列主流多模型 Coding Plan 中列出
GPT-5.6 Luna¥1.36 / ¥8.14¥1.36 / ¥8.14未列出完全同名 / 同 IDOpenCode Go：月度约 10,250 次请求估算
Claude Fable 5¥67.84 / ¥339.21¥67.84 / ¥339.21未列出完全同名 / 同 ID未在下列主流多模型 Coding Plan 中列出
Gemini 3.7 Flash活动价 ¥5.09 / ¥25.44特定路由活动价最低 ¥2.54 / ¥12.72
Google Vertex 路由 75% off；其他路由可能为 ¥5.09 / ¥25.44		未列出完全同名 / 同 ID未在下列主流多模型 Coding Plan 中列出
DeepSeek-V4-Flash低谷 ¥1.5 / ¥4.5
高峰 ¥3 / ¥9		0731：活动价约 ¥0.27 / ¥0.54；DeepSeek 直供约 ¥1.49 / ¥4.48deepseek-ai/DeepSeek-V4-Flash
¥1 / ¥2		OpenCode Go：月度约 37,800 次请求估算
DeepSeek-V4-Pro低谷 ¥4.5 / ¥13.5
高峰 ¥9 / ¥27		0813 当前聚合约 ¥4.25 / ¥12.76；DeepSeek 直供约 ¥4.48 / ¥13.43deepseek-ai/DeepSeek-V4-Pro
¥12 / ¥24		OpenCode Go：月度约 5,200 次请求估算
Kimi K2.6应按 Moonshot 当前 model ID / 价表核验未在本表冻结可严格核对的同 ID 报价Pro/moonshotai/Kimi-K2.6
¥6.5 / ¥27；带 Pro 前缀，不能直接视为原厂同 ID		OpenCode Go：约 5,750 次/月；Kimi 会员含 Kimi Code，但使用 kimi-for-coding 动态映射模型
GLM-5.3中国通用 API 价应按 BigModel 当前价表核验未在本表冻结可严格核对的同 ID 报价当前公开价表仅列 GLM-5.2，不能替代 5.3OpenCode Go：约 1,080 次/月；GLM Coding Plan滚动接入旗舰模型
Qwen3.8 Max应按 QwenCloud / 阿里云当前 model ID 核验未在本表冻结可严格核对的同 ID 报价未列出完全同名 / 同 IDOpenCode Go：约 810 次/月；Qwen Token Plan明确包含 Qwen3.8-Max
MiniMax M3≤512K：¥2.1 / ¥8.4；长上下文另档未在本表冻结可严格核对的同 ID 报价仅列 MiniMax-M2.5，不能替代 M3OpenCode Go：约 16,000 次/月；MiniMax Token Plan约 1.7B–12.5B M3 tokens/月
Agnes 2.5 Flash
agnes-2.5-flash		当前 ¥0 / ¥0
标准标价约 ¥0.20 / ¥1.02		未列出完全同名 / 同 ID未列出完全同名 / 同 ID无需月费；免费 API 仍受账户 / API Key 限流与权限约束

B. 主流 Coding / Token Plan 月费与覆盖

平台 / Plan月费（人民币）主要模型覆盖额度口径能否接入其他工具
OpenCode Go首月约 ¥33.92
之后约 ¥67.84		GPT-5.6 Luna、GLM-5.3、Kimi K3 / K2.7 Code / K2.6、MiniMax M3、Qwen3.8 Max、DeepSeek V4 Pro / Flash、Hy3 等约 ¥81.41 / 5h、¥203.52 / 周、¥407.05 / 月的内部美元价值上限；请求数按模型估算，不是固定 token 包可以。Go API key + OpenAI / Anthropic-compatible endpoints；不是原厂 credit
Kimi 会员 / Kimi CodeAndante ¥49
Moderato ¥99
Allegretto ¥199
Allegro ¥699		Kimi Code 使用固定 ID kimi-for-coding，后端自动更新；K2.6 Chat 免费且不消耗会员额度Agent、Deep Research、网站、Office、Kimi Code 等共享会员额度池；具体消耗按 token / 功能计算可接第三方 Coding Agent。但会员额度不是 Moonshot 通用 API 余额；高速模式需更高档会员
GLM Coding PlanLite：活动价 ¥94.4（标价 ¥118）
Pro：¥430.4（标价 ¥538）
Max：¥862.4（标价 ¥1,078）		滚动接入最新 GLM 旗舰；官方当前说明含 GLM-5.3 / 5.2 等Lite 10,000 Credits / 周；Pro 为 6× Lite；Max 为 14× Lite可以。支持 20+ Agent / IDE，但须走 Coding 专用 endpoint，与通用 API 分离
Qwen Token PlanIndividual 低至约 ¥40.70（$6/月）明确包含 Qwen3.8-Max，并统一覆盖文本、视觉、语音、图像等模型Lite / Standard / Pro；Standard 为 Lite 4× Credits，Pro 为 Lite 16×；具体促销价和 Credits 以订阅页登录后为准可以。提供 API key / Base URL，兼容 OpenAI、Anthropic 协议及主流 Coding 工具
MiniMax Token PlanPlus 约 ¥135.68（$20）
Max 约 ¥339.21（$50）
Ultra 约 ¥814.09（$120）		MiniMax M3 / M2.7 / 图像 / 语音 / 音乐，共享额度约 1.7B / 5.1B / 12.5B M3 tokens/月；另有并发、公平使用与时间窗口约束可以。面向日常交互式 Agent / Coding 工具；不应当作无约束生产 API 余额
读表规则：同一行出现“未列出完全同名 / 同 ID”不是资料缺失，而是有意拒绝把近似模型硬凑成同模型。OpenRouter 的活动路由价、DeepSeek 峰谷价和各 Plan 的估算请求数都可能变化；做采购决策时必须再次打开对应官方实时价页。

六、Model-first 的同模型 Provider 比较

正确做法不是先比较“平台谁便宜”，而是先锁定一个完全相同的模型 ID / 版本，再看不同 Provider 的实际价格、缓存、上下文、附加费、限流与大陆可用性。

检查项标准
模型身份名称、版本、model ID 一致；不接受“同一家族”替代“同模型”。
输入价使用标准缓存未命中输入价；不使用 cached input / Batch 作为主排名。
输出价按相同单位 1M tokens 比较。
上下文确认 Provider 是否裁剪上下文、输出长度或工具能力。
版本差异量化、蒸馏、Flash / Turbo / Lite、旧日期版本必须单列。
最终成本再叠加充值手续费、汇率、税费、最低充值、余额有效期。
因此：若 OpenRouter / SiliconFlow 上没有与官方完全相同的模型版本，就应该写“无法做严格同模型比较”，而不是硬拿近似版本凑表。

七、OpenRouter

  • 本质：统一 LLM API gateway / marketplace，不是单一模型厂商。
  • 模型推理价格通常按底层 Provider 标价透传，不是额外加 5.5% 推理 markup。
  • 购买 credits 收 5.5% 手续费，最低 $0.80；加密货币充值约 5%。
  • 支持 provider routing、locking、fallback、BYOK。
  • BYOK：每月前 1M requests 免费，之后按等价模型 / Provider 成本收约 5%。
  • 免费模型有日请求限制；累计购买一定 credits 后免费模型日限额会提高。
  • credits 可能在长期未使用后到期，因此“标价”与“最终实际成本”应分开写。

八、SiliconFlow

  • 本质：聚合推理平台 / 模型服务平台，提供 OpenAI-compatible API。
  • 对中国大陆用户通常在网络、支付与国产模型覆盖方面更友好。
  • 必须逐个核对模型是否为原始模型，还是量化 / 蒸馏 / Turbo / Lite / 平台改版。
  • 与官方 API 做比较时，只有模型身份完全一致才可直接比较价格。
  • 促销价、赠送额度、免费层与限流应单独列出，不应拿来替代标准长期价格。

九、OpenRouter vs SiliconFlow

维度OpenRouterSiliconFlow
定位全球多 Provider 路由 / marketplace中国友好的聚合推理与模型服务平台
模型广度全球闭源 + 开源覆盖非常广国产 / 开源模型覆盖强
费用模型价透传；credits 购买费 5.5%按平台价表，需逐模型核对
大陆网络 / 支付通常不如境内平台便利通常更友好
路由能力Provider routing / locking / fallback 强更偏统一国内推理平台体验
适合跨 Provider、全球模型、统一路由中国用户、国产 / 开源模型、低门槛兼容 API

十、OpenCode Go

  • 不是模型，而是面向 Coding Agent 的低价模型订阅。
  • 官方价格：首月 $5，之后 $10/月。
  • OpenCode 本体免费；Go 是可选模型额度方案。
  • 官方明确写明 “Use with any agent”，因此不应回答成“只能在 OpenCode 内使用”。
  • 它会提供 Go API key / OpenAI-compatible 或 Anthropic-compatible endpoint，可用于兼容 Agent。
  • 但它仍然不是 OpenAI、Anthropic、Kimi、DeepSeek 等原厂账户里的普通 API 余额，也不能把 Go 额度“转移”到原厂账户。
  • 套餐的请求数 / 5h 是按不同模型估算，不等于固定 token 包；还会受公平使用、动态限流和模型成本影响。

十一、Agnes

  • 应先识别为有自有基础模型 + Agent 产品 + API的 AI 公司 / 平台，而不是简单的第三方 Chat wrapper。
  • Agnes 2.5 Pro Alpha：model ID agnes-2.5-pro，OpenAI-compatible /v1/chat/completions / Responses API，1M context。
  • Agnes 2.5 Flash：512K context；官方当前 API 输入 / 输出均为 ¥0。标准标价约 ¥0.20 / ¥1.02，但免费调用仍受账户 / API Key 的速率限制和权限约束。
  • 若某项会员价格 / 免费额度无法从 Agnes 官方页面确认，应明确写“未从官方公开资料确认”，不要从二手页面补全。

十二、实际成本怎么比较

  1. 先写官方 / Provider 的 sticker price。
  2. 统一按 1M 标准、缓存未命中输入 + 输出。
  3. 若美元计价，本评测统一按 6.7841 换算人民币。
  4. 再叠加充值费、平台费、信用卡 / 支付渠道、税费。
  5. 列明最低充值、余额有效期、是否需要预充值。
  6. 促销价必须注明有效期；不能拿已经结束的促销做当前排名。

十三、最终推荐逻辑

需求优先选择理由
全球最新 AI / API / 产品研究ChatGPT 等具备强检索与官方文档追踪能力的研究入口重点看证据链、一手来源、Help / Pricing / API 文档命中率，而不是只看基座模型名。
中国大陆公开网页 / 中文厂商 / 本地生态元宝 / DeepSeek / Kimi 等中国平台中实测检索较强者更容易覆盖境内网页、政策、厂商公告与中文社区。
统一全球模型 APIOpenRouter全球 Provider 路由、fallback、BYOK 与模型广度。
中国友好聚合 APISiliconFlow网络 / 支付 / 国产和开源模型覆盖更友好。
低成本 Coding AgentOpenCode Go / GLM Coding Plan 等按 Agent 场景购买额度，不能与普通 API 充值混为一谈。

十四、标准答案最重要的“不要做”

  • 不要因为产品名熟悉，就凭旧知识写“截至 2026-08-24 最新”。
  • 不要把 Chat 会员写成普通 API credit。
  • 不要拿 cached input / Batch / 峰谷最低价冒充标准输入价。
  • 不要把不同版本、不同模型后缀、量化版、蒸馏版直接当作同模型。
  • 不要用第三方营销稿覆盖官方 Pricing / Model / Help 页面。
  • 不要为了表格完整而补全无法确认的 Agnes、国产模型、套餐或 API 信息。
  • 遇到官方口径冲突时，应该把冲突本身写出来，并说明哪个结论目前不能确定。

主要官方参考入口

  1. OpenAI API Pricing
  2. Anthropic 官方
  3. Gemini API Pricing
  4. DeepSeek API Pricing
  5. Kimi Help
  6. 智谱 BigModel 文档
  7. OpenRouter Docs
  8. OpenCode Go
  9. OpenRouter · OpenAI 实时 Provider 价格
  10. OpenRouter · DeepSeek 实时模型价格
  11. SiliconFlow Pricing
  12. Kimi 会员价格与权益
  13. QwenCloud Token Plan
  14. MiniMax Token Plan
  15. GLM Coding Plan
  16. Agnes 2.5 Flash 官方文档与价格

参考答案用于本评测的事实与方法对照；价格、模型状态和促销会继续变化，若将来复测，应重新按新的基准日更新。

ANONYMOUS CLUSTER HYPOTHESIS

聚类猜想：哪些回答可能属于同一类，甚至可能同源？

以下不是身份猜测，而是基于匿名回答的行为特征做聚类：搜索深度、来源纪律、最新事实召回、Provider比价方式、不确定性控制、是否做最终QC等。相同底模在不同平台/模式下可能跨簇；同一编号也可能同时具有两个簇的特征。

匿名阶段推断 允许跨簇 不根据文风猜品牌

簇 A · 证据审计型

10 / 16 / 21

共同特征：官方优先、先判断证据等级再决定是否下结论、严格区分正式版与 Preview、Chat会员与API余额、同模型不同Provider。宁愿留空，也不愿伪造精确值。

内部差异：10最像“证据审计员”；16把保守阈值拉得更高，召回下降；21则像在10的基础上补齐了Help/Pricing/Token Plan/Provider页面检索。

强同源猜测：10 / 16 / 21 至少有两个可能来自同一底层模型家族；21尤其像10的更强检索/研究模式。

簇 B · 大规模搜集—长报告型

18 / 19 / 20 / 22

共同模式：先搭很大的研究框架，连续搜索大量厂商和价格页，输出长表格；国内模型覆盖积极；随着链路变长，容易逐渐混入第三方价格站、旧锚点或表格QC问题。

内部演化感：18最有“继续第二轮、第三轮补查”的过程感；19国内覆盖明显增强；20最新海外锚点更齐；22又出现“资料很多但关键锚点停旧”的情况。

强同源猜测：18 / 19 / 20 / 22 里很可能有多个来自同一产品或同一家模型家族，只是模型档位/搜索模式不同。

簇 C · 广搜 Provider / 工程化研究型

05 / 07 / 09 / 13 / 17

共同特征：不仅找模型，还会继续往具体Provider、价格节点、第三方推理商、服务档位下钻；最新模型召回积极，数值很多，但也最容易把促销价、峰谷价、旧快照和不同Provider版本混到一起。

内部差异：05最均衡；07强搜但收口弱；09最新模型捕捉强、价格漂移明显；13 Provider深挖最突出；17像一次状态不稳定运行——局部极新、整体不同步。

较强同源猜测：07 / 13 / 17 很可能更近；05 / 09 可能是邻近家族，也可能与前者属于更大的同源簇。

簇 D · 保守低召回型

08 / 11 / 16 / 24

共同点：不会就不说，幻觉控制明显高于平均水平。主要问题不是乱答，而是把不少实际上可以继续查清楚的事实提前判成未知。

内部梯度：11最极端，接近“无可靠检索就拒答”；24有搜索但受工具/资源上限后大量降级；16是高质量保守版；08相对均衡。

可能的“同一底模不同工具权限”链条：11 → 24 → 16。

簇 E · 旧知识 + 报告生成型

02 / 03 / 06

共同点：表格和表达能力不差，但实时刷新弱。面对高速变化市场，容易用历史知识生成“看起来像当前”的报告。

内部差异：02最危险，证据不足也会继续补满；03最像“旧知识包装成当前审计报告”；06则更像摘要器，整理能力大于检索能力。

可能同源程度：中等。它们未必同模型，但至少表现出相近的“基座知识强、实时检索弱”模式。

簇 F · 顾问 / 个性化型

12

12是明显离群点。它最突出的是能把用户长期背景、架构、安全边界和既有工具栈带入建议，个性化顾问感远强于其他回答。

解释：这可能来自更强的长期记忆、用户画像、会话上下文注入，或者产品层Personalization，而不一定意味着底模完全不同。

独立性最高，但也最容易出现“底模其实相同、产品上下文层完全不同”的情况。

簇 G · 市场搜索 / 摘要型

14 / 15 / 23

共同点：会联网、信息量不小，但二手来源接受阈值高于“研究审计型”。更像搜很多网页后快速形成市场总结，而不是建立严格证据层级。

内部差异：14二手来源最重、甚至出现厂商归属串线；15搜索更广但最终仍由第三方资料驱动；23更成熟，知道写“约/通常”，但因此更像市场速览。

较强同源猜测：14 / 15 / 23 可能共享相近的Web Search + LLM Summary产品栈。

边缘 / 过渡型

01 / 04

01像受限搜索环境下的降级版本：会查，但资源不足后覆盖不足。04则是第一份真正进入候选池的“真实检索型”回答，介于基础搜索和成熟研究Agent之间。

强同源猜测（身份揭晓前）

猜测强度可能同源编号理由
很高18 / 19 / 20 / 22研究框架、长链路搜集、国内覆盖、后半段证据纪律松动方式高度相似。
很高10 / 16 / 21证据等级、官方优先、不确定性表达、Model-first纪律高度一致。
高07 / 13 / 17Provider深挖、价格节点搜索、局部前沿但口径易混的特征接近。
中高05 / 09高召回、高覆盖、价格规则容易漂移；可能是簇C的邻近家族。
中高14 / 15 / 23二手来源接受度、搜索摘要式生成路径相似。
中08 / 11 / 24保守、安全、低召回；可能对应同一底模在不同搜索权限下的表现。
中02 / 03 / 06旧知识较强、实时检索较弱、报告生成能力大于事实刷新能力。
独立性高12个性化与长期上下文特征明显离群。

身份揭晓后最值得验证的三件事

  1. 同一模型跨平台，会不会比“不同模型同平台”更相似？
  2. 搜索工具/Research模式对最终质量的影响，是否大于底层模型本身？
  3. Deep Research / Pro / Thinking / 普通模式是否真的形成稳定可观察的能力层级？

这些结论比单纯“猜中品牌”更重要，因为它们直接关系到以后应该选模型、选平台，还是选搜索/研究模式。

IDENTITY REVEAL

身份揭晓：24 份回答的真实产品与模式

匿名评分、画像与聚类猜想全部保留不改。这里单独展示真实身份，用来检验：我们看到的究竟是底层模型指纹、平台指纹，还是搜索/研究模式指纹。

24 / 24 已揭晓匿名结论保留下一步：实名复盘

完整编号 → 产品/模式

编号产品入口 / 模式域名
01智谱清言普通入口chatglm.cn
02Z.ai Chat国际 Chatchat.z.ai
03BigModel Console开放平台控制台bigmodel.cn/console
04Kimikimi.aiwww.kimi.ai
05Kimikimi.comwww.kimi.com
06千问中文 Chatwww.qianwen.com/chat
07Qwen Chat国际 Chatchat.qwen.ai
08豆包默认 Chatwww.doubao.com/chat
09DolaChatwww.dola.com/chat
10腾讯元宝深度研究模式yuanbao.tencent.com/chat
11imaChatima.qq.com/chat
12GeminiGemini Appgemini.google.com
13Google AI StudioAI Studioaistudio.google.com
14Google Search AI ModeAI Modewww.google.com/search?sourceid=chrome&aep=42&atvm=2&udm=50
15秘塔 AI 搜索搜索metaso.cn/chat
16Perplexity搜索 / Researchwww.perplexity.ai
17腾讯元宝联网搜索yuanbao.tencent.com/chat
18Microsoft Copilot迭代研究m365.cloud.microsoft/chat
19腾讯元宝默认模式yuanbao.tencent.com/chat
20DeepSeekChatchat.deepseek.com
21ChatGPTChatGPTchatgpt.com
22腾讯元宝超级元宝yuanbao.tencent.com/chat
23GrokGrokgrok.com
24智谱清言补测完整显示chatglm.cn

实验条件补充：10 / 腾讯元宝

10号实际使用的是腾讯元宝“深度研究模式”，测试当时未在匿名答案中标注，因此此前一度被记录为普通元宝入口。现已按用户补充修正。

这使元宝形成完整四模式对照：深度研究 78 ＞ 默认 72 ＞ 超级元宝 66 ＞ 联网搜索 61。对这类复杂市场调查，深度研究模式明显最适合；但“超级元宝”并没有优于默认模式。

最重要的同产品对照组

产品家族编号天然实验价值
智谱01 / 02 / 03 / 24清言、Z.ai、BigModel Console、刷新后补测：可比较同厂不同入口/完成状态。
Kimi04 / 05kimi.ai 与 kimi.com 两个入口，可观察同品牌不同站点/产品层差异。
千问 / Qwen06 / 07中文入口与国际 Qwen Chat 的差异。
腾讯元宝10 / 17 / 19 / 22深度研究、联网搜索、默认模式、超级元宝——本次最有价值的同产品多模式对照。
Google12 / 13 / 14Gemini App、AI Studio、Google Search AI Mode：同生态不同产品层的直接比较。

实验条件修正：18 / Microsoft Copilot

Copilot 首轮主动提示“这份调查只完成了约 25%–30% 的范围”。用户随后只发送了“继续补充”，没有提供新的事实、方向、标准或纠错信息。

因此：18 号应计为同一原始提示下的多轮自主研究，而不是“用户通过新增提示词帮助它完成答案”。最终比较时可以单独标注为“允许模型按自身提示继续完成”的迭代式研究样本。

揭晓后立即能确认的事情

  • 平台/模式影响非常大。同一厂商在不同入口的得分和画像可以差很多，单凭“文风”反推底模并不可靠。
  • 元宝是最好的天然实验。10 深度研究、17 联网搜索、19 默认模式、22 超级元宝构成完整四模式对照：深度研究最高，默认次之，超级元宝与联网搜索反而更低。
  • Google 生态也值得单独看。12 Gemini、13 AI Studio、14 Google Search AI Mode 可以帮助判断“同一模型/生态，不同产品层”究竟怎样改变检索行为。
  • 18 Copilot需要特殊标记。首轮由Copilot主动提示“这份调查只完成了约25%–30%的范围”，用户随后仅回复“继续补充”，没有增加任何新提示词、事实或判断标准。因此它更应视为同一任务下由模型自我识别覆盖不足后继续研究，而不是人为增强提示。
  • 21 = ChatGPT 是一个重要结果。匿名阶段它被画像为“证据驱动研究员型”，说明这次表现出来的更像研究/检索产品能力，而不仅是聊天模型能力。

揭晓前高置信猜测 vs 真相

揭晓前猜测真实结果结论
12 ≈ ChatGPT / OpenAIGemini错误；个性化/长期上下文感并不是 ChatGPT 独有指纹。
21 ≈ Perplexity ResearchChatGPT错误；证据驱动研究风格可能来自平台Research工具链，而非搜索品牌本身。
11 ≈ Claude 家族ima错误；极端保守/低幻觉更可能是产品层检索与回答策略。
18 / 19 / 20 / 22 至少两个同源19 / 22 均为腾讯元宝部分命中；聚类抓到了真实产品同源，但18=Copilot、20=DeepSeek。
10 / 16 / 21 至少两个共享高证据纪律家族10=元宝，16=Perplexity，21=ChatGPT品牌层未命中；说明“证据纪律”是跨产品可形成的研究模式，而不是独占模型指纹。

下一步

实名后不应只做“24个品牌排名”。更有价值的是同时做三层比较：产品排名、同厂不同模式对照、同类产品的角色定位。这样才能回答最终选型问题：到底该换模型、换平台，还是只需要切换搜索/研究模式。

FINAL NAMED COMPARISON

实名最终横向对比与选型建议

匿名评分、画像和聚类猜想均保留，不因身份揭晓而改分。本页把24份回答映射到真实产品，并额外考虑同产品多入口/多模式的稳定性。最终选型不是机械取最高分，而是结合你的真实需求：大陆公开网页召回、权威一手来源、时效性、引用可审计、低幻觉，以及API/产品研究能力。

24 / 24 已揭晓全球推荐：ChatGPT中国推荐：腾讯元宝

24份实名总排名（保留匿名阶段原始分）

排名编号产品入口/模式分数画像
121ChatGPTChatGPT84证据驱动研究员型
210腾讯元宝深度研究模式78证据优先审计型
320DeepSeekChat75新鲜全面型
405Kimikimi.com73均衡强检索型
519腾讯元宝默认模式72国内生态广覆盖型
613Google AI StudioAI Studio70广度深挖型
707Qwen Chat国际 Chat68强搜索弱收口型
818Microsoft Copilot迭代研究67迭代研究型
909DolaChat66高召回价格易漂移型
1022腾讯元宝超级元宝66资料重但锚点陈旧型
1116Perplexity搜索 / Research65保守审计型
1204Kimikimi.ai64真实检索入门型
1317腾讯元宝联网搜索61局部前沿但不同步型
1415秘塔 AI 搜索搜索58广搜二手收口型
1508豆包默认 Chat56谨慎研究型
1623GrokGrok54市场速览型
1712GeminiGemini App52上下文顾问型
1801智谱清言普通入口49受限搜索型
1924智谱清言补测完整显示46诚实低召回型
2014Google Search AI ModeAI Mode45二手来源驱动型
2111imaChat42零幻觉拒答型
2206千问中文 Chat27摘要大于检索型
2303BigModel Console开放平台控制台12旧知识包装型
2402Z.ai Chat国际 Chat11补全型幻觉
说明：分数保留匿名阶段原始评分，避免身份揭晓后“事后改卷”。最终产品推荐同时参考单次分数、同产品多模式稳定性和与你需求的互补度。

同产品 / 同生态多入口对照

产品家族编号分数均分揭示的问题
腾讯元宝10 / 17 / 19 / 2278 / 61 / 72 / 6669.3多模式样本最多；中国生态召回强，但模式间波动明显。默认/普通模式优于“超级元宝”并非偶然假设，需要按任务选模式。
Kimi04 / 0564 / 7368.5两个入口都进入中上区，kimi.com明显更强；中文研究与Agent潜力好。
Google12 / 13 / 1452 / 70 / 4555.7同生态差异巨大：AI Studio明显优于Gemini App与Search AI Mode，证明入口影响很大。
千问 / Qwen06 / 0727 / 6847.5国际Qwen Chat远好于中文入口这次表现，产品层差异非常大。
智谱01 / 02 / 03 / 2449 / 11 / 12 / 4629.5同厂不同入口差异极端；Z.ai/Console这次不适合当前事实检索，清言相对更稳但召回不足。

第一梯队：真正可作为主检索入口

ChatGPT 21 · 84：本轮综合第一。优势不是单纯“知道得多”，而是能继续查Help/Pricing/API/Provider边界并形成可审计证据链，最符合长期研究型检索Agent的要求。
腾讯元宝 深度研究10 · 78 / 默认19 · 72：中国平台里最有代表性的强检索表现；国内厂商、中文生态和本地网页覆盖突出。缺点是不同模式稳定性并不一致。
DeepSeek 20 · 75：最新海外/国内模型召回都很强，说明联网研究并不局限于国内信息；短板主要是会员帮助页和产品授权边界的最终核验。
Kimi 05 · 73 / Google AI Studio 13 · 70 / Qwen Chat 07 · 68 / Copilot 18 · 67：均具备明显可用价值，但各自存在证据收口、入口差异或需要多轮自主补充等限制。

最终选型：全球平台

推荐：ChatGPT

原因：21号84分是本轮最高，而且它的优势正好命中你的使用需求：权威来源优先、当前产品/价格核验、Help与API文档追踪、Provider与套餐边界、低幻觉和明确不确定性。更重要的是，你已经拥有ChatGPT Plus，因此继续把它作为全球主研究入口没有新增订阅成本。

为什么不是 Perplexity：16号65分的证据纪律不错，但这次过度保守、公开事实漏召回较多；作为二次核查或快速搜索仍有价值，但没有在这次复杂调查里超过ChatGPT。

为什么不是 Gemini：Google三入口最高是AI Studio 13号70分，但Gemini App 52、Search AI Mode 45，入口差异太大；既然你已经有Gemini付费，它更适合继续作为第二全球研究源，而不是替代ChatGPT成为唯一主入口。

最终选型：中国平台

推荐：腾讯元宝

原因：它是本轮中国平台中样本最多、最能体现中国本地检索价值的一组：10号78分、19号默认72分，国内模型与中文生态召回尤其强。它和ChatGPT形成的互补关系也比再选一个偏全球知识的产品更明确。

使用方式：日常快速查询优先默认模式；遇到这类需要跨厂商、跨价格页、跨证据链的复杂调查时，优先深度研究模式（10号78分，为元宝四种模式最高）。联网搜索适合作为轻量补充；“超级元宝”22号只有66分，说明“更重/更超级”并不自动意味着事实锚点和最终QC更准。

最接近的第二名：DeepSeek。20号75分，单次表现其实比元宝默认更高，而且全球最新AI信息召回非常漂亮。如果你的核心需求进一步从“大陆公开网页/中文生态”转向低价API + Coding + 中外技术情报，我会把中国推荐从元宝切换为DeepSeek。

你的最终两平台组合

角色推荐主要职责备用/复核
全球主研究入口ChatGPT全球产品、API、论文/文档、复杂研究、证据链、跨来源冲突处理Gemini / Perplexity
中国大陆主检索入口腾讯元宝大陆公开网页、国内厂商/政策/中文生态、快速本地事实召回DeepSeek / Kimi

这套组合的核心不是“两家最强模型”，而是两种检索生态互补：ChatGPT负责全球和严谨研究，元宝负责大陆中文公开网络；DeepSeek则保留为API/Coding和技术情报方向的强力候补。

几个重要的实验结论

  • 入口/模式影响可能大于底模：Google、元宝、智谱、Kimi、Qwen的同厂样本差异都非常明显。
  • “超级/Research”不保证更准：元宝内部呈现清晰梯度：深度研究10号78 > 默认19号72 > 超级元宝22号66 > 联网搜索17号61。更长或更重的模式并不必然更准，关键仍是检索策略与最终QC。
  • Copilot的多轮不是人为加提示：18号首轮自己声明只完成约25%–30%，用户仅回复“继续补充”。因此它体现的是模型自我识别覆盖不足后的迭代研究能力。
  • 匿名画像比品牌猜测更可靠：我们对“证据审计型、市场速览型、保守低召回型”等行为分类相当稳定，但靠这些风格反推具体品牌的成功率很低。