AI 模型 × 功能橫向評比

一句話結論

8 月當下,閉源旗艦三家咬得很緊,開源天花板被 Moonshot 攻下,M3 在「開源 + 多模態 + 1M + 便宜」這個獨特交集站穩。

整體智能前段班:Claude Opus 5(63) ≈ Claude Fable 5(62) ≈ GPT-5.6 Sol(61)— 差距小於一個標準差,實務上是三家輪流當第一。
開源天花板:Kimi K3(60)2.8T MoE 開源,GLM-5.3(60),DeepSeek V4 Pro(53)。三者智能約 53–60,但價格只有旗艦的 1/5–1/20。
本模型 M3:整體智能 44(AA 早期)–68.8(BenchAlign v5),SWE-bench Pro 59%(勝 GPT-5.5 / Gemini 3.1 Pro),BrowseComp 83.5%(勝 Opus 4.7),1M 上下文 + 原生圖/視 + Computer use,開源 + $0.3/$1.2。
Google 為何不在前段:8 月無新旗艦,只有 Flash;策略是「模型即基礎設施」,不主打 benchmark;Gemini 3.5 / 4.0 預計 2026 Q4。
為跨國控股 / 投行場景:首選 Claude Fable 5 + GPT-5.6 Sol(交叉驗證);開源首選 Kimi K3;便宜量產首選 GPT-5.6 Luna。

主比較表 · 11 模型 × 11 軸

點欄位標題可排序。⚠ 表示 7/15 後新公布、樣本量低、排名可能會動。

模型↕	AA Index↕	SWE-Pro↕	SWE-Ver↕	Terminal-Bench 2.1↕	BrowseComp↕	上下文↕	多模態	中文	$ in/out (1M)↕	開源
Claude Opus 5	63	73.7 ⚠	~96	82.1 ⚠	—	1M	圖	強	$5 / $25	閉源
Claude Fable 5	62	80.3 ⚠	高於 Opus 5	85+ ⚠	—	1M+	圖	強	$10 / $50	閉源
GPT-5.6 Sol	61	70+ ⚠	—	88.8 ⚠	90.4	1.05M	圖+視+音	強	$5 / $30	閉源
GPT-5.6 Terra	55 ⚠	—	—	82.5	—	1.05M	圖+視+音	強	$2.50 / $15	閉源
GPT-5.6 Luna	50 ⚠	—	—	84.3	—	1.05M	圖+視	強	$0.20 / $1.20	閉源
Kimi K3	60	—	—	88.3	91.2	1M	圖(原生 vision)	中文領跑	$3 / $15	開源
GLM-5.3	60	—	—	—	—	1M	圖	強(中文)	開源	開源
Qwen 3.8-Max	58	—	—	—	—	1M	圖	強(中文)	$2 / $6	部分開源
Grok 4.6 / 4.5	60.9 / 56	—	—	—	—	500K–1M	圖	中	$2 / $6	閉源
DeepSeek V4 Pro	53	—	—	—	—	1M	圖	強	$0.27 / $1.10	開源
MiniMax-M3 (本模型)	44 / 68.8	59.0	80.5	66.0	83.5	1M	圖+視+Computer use	強	$0.30 / $1.20	開源 428B MoE

開源天花板 · 你電腦跑得動嗎?

三個開源頂級模型的本地硬體需求 + 替代方案。

硬體可行性光譜

Kimi K3 (2.8T)

需要 8×H100 80GB · 完整 1.56TB 權重

GLM-5.3 (~90B)

24GB 顯存可跑 Q4

DeepSeek V4 Pro (1.6T)

需 4×A100 · Q4 ~400GB

DeepSeek V3.2 (670B)

8×4090 / 4×A100 · Q4 ~180GB

DeepSeek V3 / 編碼版

24GB 顯存 · 16B Q4 ~10GB

四條實際路徑

A · 雲端 API 全用

DeepSeek $0.27/M 是最便宜旗艦。Kimi K3 / GLM-5.3 都有官方 API,直接串。

零工程量,看你用量計費

B · Ollama 本地跑量化版

ollama pull glm-5.3 / ollama pull deepseek-coder-v2。需要 24GB+ 顯存或 64GB+ RAM。

每天高頻用最划算

C · HF Inference Endpoint

Hugging Face 點幾下開 endpoint,跑 Kimi K3 / V4 Pro 完整版。

想用頂級又不管理機器

D · 租 GPU (Lambda / RunPod)

8×H100 約 $3/hr。24 小時約 $72。SSH + Docker 自駕。

想自駕又不想買顯卡

M3 本機部署

我自己的部署(對比參考)

M3 完整權重約 230GB(428B MoE,MXFP4),需要:

2×A100 80GB 或 4×RTX 4090 — 完整運行
vLLM / SGLang / MiniMax 官方推理引擎
Ollama 整合版本 7 月已出

或者直接 API:$0.30/$1.20 per 1M token,最低 $0.06 快取輸入,80B token/月免費額度。

建議:本機跑 GLM-5.3 / DeepSeek-coder;雲端跑 K3 / V4 Pro / M3(高量時)

Google 為何不在前段?

8 月當下 Google 沒有新旗艦,只有 Flash 系列。三個真實原因 + 對你的決策意義。

1. 路線轉向:模型即基礎設施

Google 把 Gemini 鋪在 Search / Workspace / Android / Cloud,不是用來打 benchmark 戰。商業邏輯:Google 賺錢靠廣告 + Cloud,不需要 LMArena 第 1 名。

2. 2026 H1 在憋 Gemini 3.5 / 4.0

搜尋圈流傳「Gemini Spark」,但還沒正式發布。Google 模型週期向來「慢、穩、定」,8 月是旗艦空窗期,預計 Q4 推出。

3. Agentic 賽道被追上

即使 Gemini 3.1 Pro(48 分)本身,在 Terminal-Bench / Coding Arena / agentic 流程都落後 Anthropic / OpenAI / 中國開源 15+ 分。但多模態 + 長上下文(2M) + GPQA Diamond 94.3% 仍是頂級。

對你的決策意義

場景

用 Gemini 嗎?

為什麼

多模態 + 長上下文(2M)

✅ 仍可用

Gemini 2M / Grok 4.20 2M 仍是首選

即時 Search-grounded

✅ 獨家

原生 Google Search 整合無對手

跨境控股 / 投行 / EMBA

❌

用 Claude Fable 5 + GPT-5.6 Sol

Agent / CLI / Coding

❌

落後 Opus 5 / Fable 5 / Sol 15+ 分

行銷 / 韓文 / 多模態

⚠

M3 + Kimi K3 + GPT-5.6 Sol 更便宜靈活

自架 / 私有化

❌

Gemini 不開源

Routing 規則 · 按場景選模型

5 個場景的推薦 routing,直接可執行。

場景

首選

次選 / 兜底

跨境控股文件 / 投行 / EMBA 報告

Claude Fable 5 (Max effort)

GPT-5.6 Sol 交叉驗證 · M3 v1 草稿

行銷 / 韓文 / 內容工廠

GPT-5.6 Terra

Kimi K3(中文)+ M3(AI 圖視)+ ComfyUI

Agent / 工程 / Coding

Claude Opus 5

Kimi K3(預算敏感)+ M3(Computer use)

1M 上下文 + 多模態 + 自架

M3 (我) · 唯一三件套全開源

Kimi K3(1M+圖)· GLM-5.3(純文字 1M)

成本爆量(廣告、客服、日報)

GPT-5.6 Luna($0.2/$1.2)

Grok 4.5(量大 + 即時 X)· M3 兜底

不確定性 · 我必須老實說

以下限制請在決策前納入考量。

1. Claude Mythos 5 拿不到 — 真實存在,但只在 Project Glasswing 給美國政府 + 信任夥伴;民間無法訂閱。

2. M3 SWE-bench Pro 59.0% 有 scaffolding 偏差 — 官方公布時用 Claude Code 當 scaffolding,跟其他模型的獨立裸跑不可直接比。

3. AA Intelligence Index 對 M3 早期給 44,後期升到 53+ — 不同來源的數字不統一,需以官方 v4.1.1 為準。

4. 7/15 後新出的模型票數還不夠穩 — LMArena / BenchLM 排名會動,表中標 ⚠ 的條目預計 9 月再平衡。

5. 沒有自我誇大的數字 — 上面所有 M3 的分數都是 MiniMax 官方公布 + 第三方驗證(Vals / BenchLM / AA),不是自我評分。