2026 Q4 新模型清单怎么读：命名、档位与价差的三个陷阱

命名已经不是版本号了

打开任何一家中转站的模型列表，你会看到这样的名字：

GPT-6 Astra / GPT-5.6 Sol / GPT-5.6 Terra / GPT-5.6 Luna
Claude Opus 5 / Claude Sonnet 5 / Claude Haiku 4.5 / Claude Fable 5.1
GLM-5.3 / GLM-5.3-Flash / GLM-4.7
Qwen3.7-Max / Qwen3.7-Plus / Qwen3.7-Flash
Kimi K3 / Kimi K2.7 Code

这里面混了四种完全不同的东西：

1. 代数（6、5.6、5.3、3.7、K3）—— 表示训练代次；
2. 产品线代号（Astra、Sol、Terra、Luna、Fable）—— 同一代内的不同定位；
3. 档位后缀（Max、Plus、Flash、mini、Lite、Air）—— 能力与价格之间的取舍；
4. 专项标记（Code、Pro、Thinking）—— 面向特定任务的优化版本。

关键判断：数字大不代表更强。 GPT-5.6 Luna 的数字比 GPT-5.6 长，但 Luna 是那一代里最轻的一档；GLM-5.3-Flash 与 GLM-5.3 数字完全相同，能力却差一个量级。

陷阱一：把档位后缀当升级

「5.6 出了 Luna，是不是比 5.6 强？」

不是。后缀是同一代内的档位切分，通常三档：

先定档位，再比价。 跨档比价相当于拿经济舱和头等舱比价格 —— 数字上「便宜 10 倍」是对的，但结论毫无意义。

陷阱二：只看输入价

模型定价有两个数：输入价和输出价，输出价通常是输入价的 4~5 倍，有些模型还单列缓存价。

看这一组（美元 / 百万 tokens）：

输出比输入这个比例本身就是信号：比例低（3.0x）说明这类模型偏向「输出多、输入少」的场景（写作、生成）；比例高（6.0x）说明它更适合「输入多、输出少」（长文档分析、代码审查）。

真正的成本要用一次典型请求算：

单次成本 = 输入 tokens / 1,000,000 × 输入价 + 输出 tokens / 1,000,000 × 输出价

举个算例：一次「读 8000 字文档、输出 500 字摘要」的请求，输入约 12000 tokens、输出约 800 tokens。

• 用 GPT-6 Astra：12000 × 10 / 1e6 + 800 × 50 / 1e6 = 0.12 + 0.04 = $0.16
• 用 GPT-5.6 Sol：12000 × 4 / 1e6 + 800 × 20 / 1e6 = 0.048 + 0.016 = $0.064
• 用 DeepSeek V4 Pro：12000 × 0.66 / 1e6 + 800 × 1.98 / 1e6 = 0.0079 + 0.0016 = $0.0095

最贵与最便宜差 17 倍，而如果只看输入价，你会以为差 15 倍 —— 看起来差不多，但乘上量之后差得很远：按每天 1 万次算，一年的成本差约 55 万美元。

结论：单价是选型的起点，不是结论。必须换算到自己的真实 token 结构上。

陷阱三：长上下文不是免费的

上下文长度从 128K 涨到 1M 是真实的进步，但它带来两个常被忽略的问题：

1. 分级计价：部分厂商对超过某个阈值（比如 200K）的输入按更高单价计费，价目表上写的是基础单价，长输入要另查；
2. 注意力衰减：1M 上下文里，位于中段的信息被正确利用的概率明显低于开头和结尾。这不是价格问题，是效果问题 —— 能塞进去不等于能用上。

做法：需要长上下文时，先做一次「中段检索测试」—— 把关键信息放在文档正中间，问一个必须依赖它才能回答的问题。答对了，再谈价格。

按档位选型的正确顺序

1. 先定档：这个任务需要旗舰、主力还是轻量？判断依据是「错了的代价」，不是模型跑分；
2. 在同档内比价：用上面的单次成本公式，套自己的 token 结构；
3. 再看输出比输入的比例：和你的场景匹配的模型，长期更省；
4. 最后才看跑分：同档内跑分差异通常很小，价格差异可能是 3 倍。

反过来做（先看榜单，再找最便宜的）是绝大多数人踩坑的方式 —— 因为榜单通常只测旗舰档，而你 90% 的流量应该落在主力档。

本站模型库怎么用

模型库按厂商分组、按档位标注，价格统一折算成美元 / 百万 tokens。三条使用建议：

• 按厂商看，不要只看总榜：同一家的三档是设计好的组合，跨厂商比价要先对齐档位；
• 看价格备注与核验日期：国内厂商的官方价是人民币，本站按固定汇率折算，汇率波动会带来百分之几的偏差；
• 别把聚合器的价格当官方价：聚合器卖的是自己的区域价目表，与厂商官网价可能差数倍，两套数字不能混用。

小结

1. 模型名里混了代数、产品线代号、档位后缀、专项标记四种东西，数字大不代表强；
2. 先定档位再比价，跨档比价没有意义；
3. 只看输入价会算错，输出价通常是输入的 4~5 倍，要用「单次典型请求」换算；
4. 输出比输入低，偏生成；高，偏分析。这个比例要和场景匹配；
5. 1M 上下文不等于能用 1M，长输入可能分级计价，中段信息利用率会衰减；
6. 90% 的流量应该在主力档，不要在旗舰档的榜单上做全局决策。