最佳编码 LLM 排名

「最强编码模型」和「最适合你的编码模型」之间的距离,从来没有这么大过。截至 2026 年 7 月,榜首是一个 $10/$50、偶尔会出于安全原因把你的请求转给另一个模型处理的模型;而性价比之选只要五分之一的价格,就能补上大部分质量差距。该用哪个,几乎完全取决于你的编码工作长什么样。

这份榜单覆盖我们真正会推荐的 6 个模型、推荐理由,以及同样重要的——每一个的坑。

我们怎么选

三条规则,与本站所有内容一致:

1. 有出处的基准。 我们更看重最难、防泄漏的智能体基准(SWE-bench Pro、Terminal-Bench 2.1、FrontierCode),弱化已饱和的基准(头部模型的 SWE-bench Verified 都在 90% 以上)。厂商自报数字会明确标注;有独立数据时(Artificial Analysis)以独立数据为准。
2. 真实价格,尽量按任务算。 每 token 的标价会误导——推理模型在同一任务上花的 token 可以差好几倍。有单任务成本数据时,以它覆盖价目表。
3. 只收公开可用的。 GPT-5.6(限量预览,约 20 家伙伴)与 Claude Mythos 5(受限)不入榜。它们开放时榜单会重排。

快速结论

六个模型,并排看

我们权重最高的那个基准——SWE-bench Pro,最难的防泄漏智能体编码基准——所有公布过分数的入选模型:

完整决策矩阵——价格与上下文取自各模型页,基准取自厂商公布结果:

*厂商自报。Terminal-Bench 版本不一(2.0 与 2.1)、测试框架各异——跨列对比看方向,别抠小数点。

逐个说理由

1. Claude Fable 5 — 能力天花板

Fable 5 在 SWE-bench Pro 上的 80.3% 不叫领先,叫断层——高出 Opus 4.8 11 分、GPT-5.5 22 分。最扎眼的数据是「effort 倒挂」:low effort 下得 75.0,高于 Opus 4.8 在 max effort 下的 68.6。Stripe 的早期报告——5000 万行 Ruby 代码库迁移,从两个团队月压缩到一天——就是它解锁的东西的形状。

两个坑让它成不了万能答案。价格 $10/$50,是 Opus 的两倍。安全分类器会把网络安全相关请求回落到 Opus 4.8——超过 95% 的会话碰不到,但 Terminal-Bench 试验里 20.9% 碰到了。做安全工程,这就是实打实的税。(它 6 月还因美国出口管制下线了 18 天——完整报道——监管可用性如今是真实变量。)

**强项:**SWE-bench Pro 两位数断层;low effort 就能打赢对手的 max;为数天级异步任务而生。 注意:$10/$50 的价格;安全工程会碰到分类器回落(Terminal-Bench 试验 20.9%);6 月出口管制事件让监管风险不再是零。

2. Claude Opus 5 — 新旗舰

Opus 5 在保持 $5/$25 不变的前提下逼近 Fable:SWE-bench Pro 79.2%(仅落后 1 分),Frontier-Bench 43.3% SOTA,ARC-AGI-3 30.2%(4 倍于第二名)。默认开启思考模式,OSWorld 2.0 70.6% 超越 Fable 5。当错误答案代价高昂又预算有限时,它已经取代 Opus 4.8 成为首选。

**强项:**接近 Fable 的能力、一半的价格;Frontier-Bench 与 ARC-AGI-3 全面领先;默认 thinking。 **注意:**幻觉校准略逊于 Opus 4.8;刚发布一周,生产环境实战报告还在积累。

3. Claude Sonnet 5 — 性价比之选

Sonnet 5 补上了大部分差距:SWE-bench Pro 63.2%(高于 GPT-5.5),Terminal-Bench 80.4% 比前代跳升 13 分,知识工作与 Opus 打平——首发价 $2/$10(至 8 月 31 日)。坑在 Artificial Analysis 的数据里:max effort 下它的输出 token 多约 40%、智能体轮次约 3 倍,所以标准价下单任务成本可能反超 Opus 4.8。给主力流量配 medium effort 跑,它就是这份榜单上单位能力价格最好的模型。

**强项:**8 月底前最便宜的前沿选项;SWE-bench Pro 反超 GPT-5.5;1M 上下文。 **注意:**token 胃口大,标准价下单任务成本可能反超 Opus;新分词器把相同文本数成 1.0–1.35 倍 token——迁移前先重新基线。

4. GPT-5.6 — 终端新王

GPT-5.6 已经 GA,三层定价全面上线:Sol($5/$30)保持 Terminal-Bench 2.1 纪录 91.91%,Terra($2.50/$15)日常与 GPT-5.5 同等水平,Luna($1/$6)适合速战速决。1.05M 上下文,原生全模态(音频+视频输入)。按难度分路由,让 OpenAI 从「一个贵模型」变成三个阶梯。

**强项:**Terminal-Bench 绝对领跑;三层定价按任务路由;1.05M 上下文;原生全模态。 **注意:**Sol 输出 $30/1M 仍然昂贵;SWE-bench Pro 数据暂缺;Luna 在复杂任务上与前沿差距明显。

5. GLM-5.2 — 开源领跑者

GLM-5.2 是基准上最强的开源编码模型:SWE-bench Pro 62.1%,高于 GPT-5.5,外加纯 MIT 许可、无地区限制的稳定 1M 上下文。API 价格(约 $1.40/$4.40)低于榜单上所有闭源选择,编码订阅 $12.60/月起。持有成本是字面意义上的:753B 参数的 MoE,自托管实际需要多卡节点。

**强项:**开源阵营基准领跑;MIT 许可无附加条件;稳定 1M 上下文;API 价约为前沿十分之一。 **注意:**自托管 753B MoE 是多卡级投入;无公开 Terminal-Bench 分数;工具生态比 OpenAI/Anthropic 年轻。

6. Kimi K2.7 Code — 预算智能体

Kimi K2.7 Code 是专为编码智能体调优的 1T 参数开源 MoE(Modified MIT),原生图像/视频输入,推理比前代省约 30% token——直接降低智能体循环的成本,价格约 $0.95/$4.00。诚实的注脚:它的基准故事目前是厂商自报。作为大批量智能体流量的廉价可用默认,这个席位它配得上。

**强项:**全场每 token 最便宜;思考省 30% 进一步压低智能体循环账单;原生图像/视频输入支撑截图改码。 **注意:**基准为厂商自报(SWE-bench Verified 81.1%,无 Pro 分数);256K 上下文全场最小;Modified MIT 有附加条款——先读再用。

落选但值得一提

• Sakana Fugu — SWE-bench Pro 86.0,高于榜单上所有单一模型——但它是跨模型池路由的编排系统,不是模型。接受这种架构的话,值得一看。
• DeepSeek V4-Pro、MiniMax M3 — 强力开源选项,最难编码基准上紧跟 GLM-5.2;完整格局见 2026 LLM 全景指南。
• Kimi K3 — 世界首个开放权重 3T 级模型(2.8T MoE,104B 激活),但自定义许可且需 64+ GPU,实用性受限。
• Inkling — 975B MoE,Apache 2.0,Mira Murati 新公司出品;定位微调基座而非前沿竞争者。

关于时效的说明:本榜单反映截至 2026 年 7 月 29 日的基准与价格。

更新记录

• 2026-07-29 — 7 月更新:Opus 5 替换 Opus 4.8;GPT-5.6 GA 替换 GPT-5.5;新增 Kimi K3 与 Inkling 到落选提及。
• 2026-07-02 — 首次发布:Fable 5 · Opus 4.8 · Sonnet 5 · GPT-5.5 · GLM-5.2 · Kimi K2.7 Code。反映 Sonnet 5 6 月 30 日发布与 Fable 5 7 月 1 日恢复可用。

常见问题

来源

• Anthropic — Claude Fable 5 and Claude Mythos 5
• Anthropic — Introducing Claude Sonnet 5
• Anthropic — Introducing Claude Opus 4.8
• OpenAI — Introducing GPT-5.5
• Z.ai — GLM-5.2: Built for Long-Horizon Tasks
• Moonshot AI — Kimi K2.7 Code