单是 2026 年第一季度就有约 255 次模型发布——大约每天三次。截至 2026 年 6 月，前沿已经碎片化：没有单一最佳模型，只有针对你任务的最佳模型。本指南按基准、价格、上下文窗口与许可，逐一比较每个主流家族——并力求成为你可以引用的来源。

怎么读这份指南： 所有数字都是 2026 年 6 月的快照。厂商自报数字以 * 标注；其余均来自官方文档或独立追踪器（见来源）。价格按每 100 万 token（输入 / 输出）。

关键要点

• 没有模型样样第一。 Claude Opus 4.8 领跑整体智能与智能体编码；GPT-5.5 领跑终端/CLI 智能体；Gemini 3.1 Pro 领跑性价比 + 多模态推理。
• 顶端很紧凑。 在 Artificial Analysis（AA）Intelligence Index 上：Opus 4.8（61.4）→ GPT-5.5（60.2）→ Gemini 3.1 Pro（57）→ Grok 4.3（53）——相差约 8 分以内。
• 开源权重已追上。 DeepSeek V4-Pro 与 MiniMax M3（AA 指数 ~44）以 5–12× 更低的价格拿出接近前沿的编码分数。
• 上下文爆发。 Llama 4 Scout 以 10M token 保持公开发布中最大的窗口；1M 现已成为默认。

本文如何编制

我们追踪了截至 2026 年 6 月 17 日每个实验室在售的旗舰，然后对照官方模型卡 / 定价页与独立追踪器（Artificial Analysis Intelligence Index v4.1、LLM-Stats）逐一核对规格。当来源相互矛盾时——在这个市场很常见——我们给出区间并同时引用两者。请把每个数字都当作有时效的快照，而非永久事实。

主对比表

闭源 / 专有前沿

开源权重 / 开源

智能：前沿是一个集群

想要静态版本？下载图表：AA Intelligence Index（PNG）。

上下文窗口：1M 成为新默认

静态版本：上下文窗口（PNG）。

价格：开源权重重置了地板

静态版本：输出价格（PNG）。

按家族

OpenAI — GPT

GPT-5.5（2026 年 4 月 23 日）把 o 系列 + Codex 统一为一个旗舰。它领跑终端原生智能体（Terminal-Bench 2.0 ≈ 82.7%），原生全模态，并提供 Instant 默认款加更高精度的 Pro。定价 $5/$30；上下文 400K（Codex）至 1M（API）。血统：GPT-5（2025 年 8 月）→ 5.1 → 5.2 → 5.4 → 5.5。

Anthropic — Claude

Opus 4.8（2026 年 5 月 28 日）是 6 月的整体领跑者（AA 61.4）：顶级智能体编码（SWE-V 88.6%）、计算机使用（OSWorld 83.4%）、知识工作（GDPval-AA 1,890）、最佳幻觉校准，外加 Fast Mode。档位：Opus 4.8（$5/$25）· Sonnet 4.6（$3/$15）· Haiku 4.5（$1/$5）。Mythos 级的 Fable 5（6 月 9 日）立下编码天花板（SWE-Pro 80.3%*），但其可用性目前受限。

Google — Gemini

Gemini 3.1 Pro（2026 年 2 月，AA 57）是性价比 + 多模态领跑者（约 $2 输入，1M 上下文，GPQA ≈ 94.3%）。3.5 Flash（5 月 19 日 GA）是迄今最快/最便宜的档位（$1.50/$9，约快 4×）。3.5 Pro（Deep Think，最高 2M 上下文）于 6 月陆续推出。

xAI — Grok

Grok 4.3（2026 年 4 月 30 日，AA 53）：预算前沿——1M 上下文、函数调用、结构化输出、$1.25/$2.50。最强功能锁在 $300/月 的 SuperGrok Heavy 档位之后。

Meta — Llama + Muse

Llama 4 Scout（10M 上下文）与 Maverick（1M 上下文）是 MoE、原生多模态、对单机友好。Behemoth（约 2T）已搁置。Muse 家族现有三个模型：Muse Spark 1.2（8 月 5 日，编码旗舰，AA 54，$1.25/$4.25）、Muse Glimmer（8 月 10 日，30B Apache 2.0 本地智能体）和原始 Muse Spark（4 月 8 日，AA 52）。Llama 5 推迟到接近 2027。

DeepSeek（开源权重，MIT）

V4（2026 年 4 月 24 日）把 1M 上下文做到便宜。V4-Pro（1.6T/49B 激活）取得约 85% SWE-V；V4-Flash 是最便宜的可信编码模型（$0.14/$0.28）。R2 尚未发布——把 R2 规格当作传闻看待。

Alibaba — Qwen

Qwen3.7-Max（5 月 19 日）是专有、仅 API（1M 上下文，$2.50/$7.50）：在其同侪中拥有最高知识得分的“Agent Frontier”。开源权重在更低层级延续：Qwen3.6-27B / 35B-A3B（Apache 2.0）。

中国开源浪潮

• Kimi K2.7 Code（6 月 12 日）：1T MoE，256K 上下文，领跑 MCP 工具使用（81.1%）。
• GLM-5.2（6 月 13 日）：1M 上下文（开源中最大），MIT 待定，约 $1.40/$4.40。
• MiniMax M3（6 月 1 日）：1M 上下文，原生图像/视频，$0.30/$1.20，开源 AA 指数最高。

NVIDIA — Nemotron

Nemotron 3 Ultra（6 月 4 日）：550B，是完全宽松许可下最强的开源模型（无门槛）。Nemotron 3.5 Lightning（8 月 11 日）：面向长时程智能体工作负载的最高效率模型，搭载 NeMo Switchyard 多模型路由库。

Mistral — 欧洲的开源标准

Mistral Large 3（2025 年 12 月 2 日）：41B 激活 / 675B 总 MoE，256K 上下文，原生视觉，Apache 2.0（$0.50/$1.50），与面向边缘的 Ministral 3 一同发布。

常见问题

2026 年 6 月最好的 LLM 是哪个？ 没有单一赢家。Claude Opus 4.8 领跑整体智能与智能体编码；GPT-5.5 领跑终端/CLI 智能体；Gemini 3.1 Pro 领跑性价比与多模态推理；DeepSeek V4-Pro 在开源权重中领跑每分基准的性价比。

最好的开源 LLM 是哪个？ MiniMax M3 与 DeepSeek V4-Pro 在开源权重的 AA 指数顶端打平（~44）。Kimi K2.7 Code 领跑 MCP 工具使用；Llama 4 Scout 领跑上下文长度（10M）；NVIDIA Nemotron 3 Ultra 领跑宽松许可。

哪个模型的上下文窗口最大？ Llama 4 Scout，10M token——截至 2026 年 6 月，是任何公开发布的 LLM 中最大的。

最便宜的有能力的模型是哪个？ DeepSeek V4-Flash，$0.14 / $0.28 每 100 万 token，经核实的 SWE-bench Verified 分数约 79%。

2026 年 7 月更新

7 月格局变化很快。以下是自 6 月初始快照以来的变化：

新前沿模型

新开源权重模型

更新要点

• Claude Opus 5 成为新的整体领先者，以同等价格取代 Opus 4.8。在 SWE-bench Pro 上与 Fable 5 的差距缩小到 ~1 分（79.2% vs 80.3%）。
• GPT-5.6 分层定价上线。 Terra 以 GPT-5.5 一半的价格达到同等质量；Luna 是最便宜的 GPT-5.x，$1/$6。
• 开源权重上限跃升至 2.8T（Kimi K3），但自定义许可和 64+ GPU 要求限制了实际采用。Inkling 提供美国来源的 Apache 2.0 替代方案（975B）。
• Gemini 3.5 Pro 仍然缺席。 Google 改发了 3.6 Flash。Gemini 4 的预训练已开始。

2026 年 8 月更新

8 月初迎来中国模型攻势和视频生成井喷；8 月 5–11 日一周又新增 Meta 开源转向、NVIDIA 智能体布局和 GPT-5.6 重大更新：

新前沿模型

新开源权重模型

GPT-5.6 8 月中更新

GPT-5.6 收到三项重大变更：

• Sol — 改进推理滑块，可细粒度分配计算量；现支持自然语言「多想/少想」。
• Luna — 升级为所有 ChatGPT 用户的免费默认模型（无限文本，每日 25 次图像生成）；新增「思考」按钮用于按需扩展推理。
• GPT-5.6-Cyber — 新安全强化变体，在对抗数据集上微调；提示注入基准检测率 95%。通过 API 可用，Sol 定价。

跨模态扩展

LLM 格局正日益与视频和多模态模型交织：

更新要点

• Meta 转向开源。 Muse Glimmer（Apache 2.0）是 Meta 首个完全宽松许可模型——继 Llama 限制性社区许可后的战略转向。Muse Spark 1.2（已宣布开放权重）将随后。贡献者层（$0.10/$0.20 前沿推理换取训练数据）是一种值得关注的新定价模式。
• Qwen 3.8-Max 开放权重 8 月 12 日到达。 ModelScope 显示倒计时。加上 Kimi K3（2.8T，7 月），开放权重前沿正在冲刺。27B 变体（Qwen3.8-27B）紧随其后。
• 本地智能体模型成为新品类。 Muse Glimmer（30B，24GB 显存）和 Nemotron 3.5 Lightning（NeMo Switchyard 路由）都瞄准在本地或企业硬件上持续运行的智能体——三个月前这个品类还不存在。
• GPT-5.6 横向拓宽而非纵向拔高。 OpenAI 在横向扩展（Luna 全民免费、Cyber 安全变体），而非推新版本号。Sol 的推理滑块和 Luna 的思考按钮，以截然不同于对手的方式回答了「分配多少计算」这个问题。
• 视频输入成为新前沿。 Wan 3.0 的文档转视频和 MAGI-2 的宽松许可视频生成，加上 FLUX 3 和 MiniMax H3——一周内四个新视频模型，超越文生图成为最热模态。
• 前沿定价阶梯更清晰： Fable 5（$10/$50）最强能力 → Opus 5（$5/$25）近 Fable 半价 → Qwen 3.8-Max（$2/$6）预算友好的智能体工作 → Muse Spark 1.2（$1.25/$4.25）编码性价比 → Sonnet 5（$2/$10）日常主力。

来源

1. Anthropic — Claude models overview
2. OpenAI — Introducing GPT-5.5
3. Google — Gemini 3.5
4. xAI — Grok 4.3 docs
5. Meta — Llama 4 herd
6. DeepSeek — V4 release notes
7. Alibaba Cloud — Qwen3.7: The Agent Frontier
8. Mistral AI — Introducing Mistral 3
9. Artificial Analysis — Intelligence Index
10. Build Fast with AI — Best AI Models June 2026
11. Alibaba Cloud — Qwen3.8-Max: A New Bar for Coding and Cowork

更新日志：2026-08-11 — 8 月更新 2：添加 Muse Spark 1.2、Muse Glimmer、Nemotron 3.5 Lightning；GPT-5.6 Sol/Luna/Cyber 8 月中更新；Qwen 3.8-Max 开放权重倒计时；Grok Imagine Image 2.0、Wan 3.0、MAGI-2 加入跨模态扩展；更新 Meta 和 Nemotron 家族章节。2026-08-05 — 添加 8 月更新章节（Qwen 3.8-Max、跨模态扩展：MiniMax H3、FLUX 3 Video GA、Grok Imagine Video 1.5、SeedRealtime）。2026-07-29 — 添加 7 月更新章节（Opus 5、GPT-5.6 GA、Gemini 3.6 Flash、Kimi K3、Inkling）。2026-06-17 — 首次发布。

最后更新：2026-08-11