跳转到主要内容
PromptQuorum为人类设计。 为AI结构化。

当前最好的 LLM 是什么?

作者 · PromptQuorum创始人 · 开放权重与开源AI发现引擎

关键要点

  • ✓没有哪个 LLM 能赢下所有任务 — Claude Opus 5.5 面向智能体编程,GPT-6 Astra 面向最高要求的任务,Gemini 4 Argon 是 Google 的旗舰
  • ✓旗舰已经更替:Claude Opus 5、GPT-5.6 和 Gemini 3.1 Pro 现在都是上一代,基于它们的任何比较都已过时
  • ✓GPT-6 是一个系列:Astra(每百万 token $10 / $50)是最高档,Sol($2 / $10)是均衡档,Luna($0.10 / $0.50)是成本优化档
  • ✓本地方面,qwen3.5:9b(6.6 GB)覆盖通用工作,qwen2.5-coder:7b(4.7 GB)覆盖编程——两者都远低于多数指南所假设的硬件
  • ✓云端模型需要 API 密钥并按令牌计费;本地模型在购置硬件后可免费运行
当前最好的 LLM 是什么?

快速回答

当前的云端旗舰模型各自面向不同任务。Claude Opus 5.5 是 Anthropic 面向长时间运行的智能体编程和知识工作的选择。GPT-6 Astra 是 OpenAI 面向最高要求任务的旗舰,GPT-6.1 Sol 以更低成本提供接近 Astra 的性能,GPT-6 Luna 适合大批量任务。Gemini 4 Argon 是 Google 的新旗舰,面向 Google AI Pro 和 Ultra 订阅用户开放。

  • ▸云端编程:Claude Opus 5.5 — 面向长时间运行的智能体编程
  • ▸OpenAI:GPT-6 Astra(最高档)、GPT-6.1 Sol(均衡)、GPT-6 Luna(大批量)
  • ▸Google:Gemini 4 Argon — 面向 Google AI Pro 和 Ultra 的新旗舰
  • ▸本地:qwen3.5:9b — 下载 6.6 GB
Prompt Engineering

最好的 LLM 取决于任务——这是一张地图

各家厂商现在都提供分档产品线,正确的选择取决于任务。长时间运行的智能体编程选 Claude Opus 5.5,高要求的通用工作选 GPT-6 Astra 或 GPT-6.1 Sol,如果你有 Google AI Pro 或 Ultra 订阅则可选 Gemini 4 Argon。下面说明各自适合的场景,以及按工作流程如何选择。

本页不按基准测试分数给旗舰排名。各厂商在自己选定的评测上发布结果,数字无法跨厂商比较,Claude Opus 5、GPT-5.6 Sol 和 Gemini 3.1 Pro 此前的分数也不能套用到它们的后继型号。厂商文档明确给出的是定位、价格、上下文窗口和知识截止日期。

Anthropic 将 Claude Opus 5.5 定位为面向长时间运行的智能体编程和知识工作,输入每百万 token $4、输出每百万 token $20,上下文窗口为 1M token。OpenAI 列出 GPT-6 Astra 为 $10/$50、GPT-6.1 Sol 为 $2/$10、GPT-6 Luna 为 $0.10/$0.50,上下文窗口均为 1.05M token。Google 将 Gemini 4 Argon 描述为其下一代前沿智能,且未公布其知识截止日期。如果成本是你的决定性约束,请将 GPT-6.1 Sol 或 GPT-6 Luna 与竞争对手的旗舰比较,而不是 Astra。

使用场景推荐 LLM原因
编程 / 长时间运行的智能体Claude Opus 5.5面向智能体编程;$4/$20 每 MTok
最高要求的任务GPT-6 AstraOpenAI 旗舰;$10/$50 每 MTok
成本与质量均衡GPT-6.1 Sol接近 Astra;$2/$10 每 MTok
大批量、成本敏感GPT-6 Luna高效档;$0.10/$0.50 每 MTok
Google AI Pro / Ultra 用户Gemini 4 ArgonGoogle 新旗舰模型
本地 / 离线通用qwen3.5:9b下载 6.6 GB;Ollama 中的 Qwen3.6 从 18 GB 起
本地 / 离线编程qwen2.5-coder:7b下载 4.7 GB,8 GB 显卡即可运行

不读 50 篇评测该如何选择

从约束出发。预算、隐私、延迟还是能力?先选能解开你最硬约束的那个模型。如果约束是隐私,只有当云端旗舰提供方的数据处理条款满足你的要求时,它才是可选项;否则问题就变成了哪款本地模型装得进你的显卡。

用你真实的任务测试两个模型。公开基准无法预测你的用例,而且今天比一年前更是如此:三家厂商各自报告三种不同的评测,因此不存在可用于排序的同口径数字。云端模型可在厂商应用中或用少量 API 预算比较,本地模型用 Ollama。

每季度复查,而不是每月。厂商往往成批更换旗舰:Claude Opus 5、GPT-5.6 和 Gemini 3.1 Pro 在发布后都被更新的模型取代。在一轮更替之前写成的比较,是整整落后一代,而不是略显陈旧。

定位、价格、上下文窗口和截止日期来自 Anthropic、OpenAI 和 Google 各自的模型文档。厂商发布的基准测试数字基于各自选定的评测,彼此之间无法直接比较。

关于当前最佳 LLM 的快速解答

Claude Opus 5.5 和 GPT-6 Astra 哪个更好?▾
两者定位于不同的任务,且双方都没有公布对方基准测试上的数字。Anthropic 将 Claude Opus 5.5 定位为面向长时间运行的智能体编程和知识工作,价格为每百万 token $4/$20。OpenAI 将 GPT-6 Astra 定位为面向最高要求任务的旗舰,价格为 $10/$50。请用你自己的任务测试两者:代码密集的智能体工作选 Opus 5.5,广泛的高要求工作选 Astra 或更便宜的 GPT-6.1 Sol。
GPT-6 Astra、Sol 和 Luna 有什么区别?▾
Astra 是面向最高要求任务的旗舰(每百万 token 输入 $10 / 输出 $50)。Sol(GPT-6.1 Sol)以更低成本为复杂工作提供接近 Astra 的性能($2/$10)。Luna 是面向专注型大批量任务的高效模型($0.10/$0.50)。三者的上下文窗口均为 1.05M token。如果按 token 付费,控制成本的做法是先用 Sol,只在 Sol 不够用的地方再升级到 Astra。
只有 8 GB 显存时最好的本地 LLM 是哪个?▾
编程选下载 4.7 GB 的 qwen2.5-coder:7b,通用选 2.0 GB 的 llama3.2:3b,都很宽裕。这些是下载体积而非显存需求,因此请在其之上再留出几 GB 给上下文窗口。8 GB 显卡运行两者都很从容。
Gemini 4 Argon 与另外两个相比如何?▾
Gemini 4 Argon 是 Google 的新旗舰,Google 将其描述为下一代前沿智能,面向 Google AI Pro 和 Ultra 订阅用户开放。Google 的模型页面未给出知识截止日期,本页也不按基准测试对其比较。此前的旗舰 Gemini 3.1 Pro 属于上一代。想从任何云端模型获得更好输出,请参阅我们的 CO-STAR 提示框架指南。
MCP