注意：模型迭代非常快，此文具有时效性

9月更新：

gpt 6-astra：人上人。贵，太贵了，用不起。全能模型，各方面感觉不到短板，找bug能力极强，中文表达顺畅。如果打5折可以给到夯。

gpt 5.6-sol：npc。纯伪人，你跟他说『不要A』，他回答：好的，不要A，现在编写一个单测，拦截所有未来可能出现的A，并且在所有注释和文档里写上『一定不要出现A』。

glm5.3：夯。我的主力编码模型，指令遵循能力极强，在300k上下文范围内基本可以良好的完成实现，代码质量也很高。5.3为了完成任务会不择手段，某天晚上我让他帮我调试一个环境，他使用浑身解数，包括但不限于跳过root，偷我浏览器cookie，用工具把图像转成它可读的字符串等，最终完成了任务。但是glm5.3属于是后训练过头的模型，动不动就雷霆大思考，过度防御严重。

glm5.3-flash：人上人。这个flash很慢，不是真flash，干烂活能力很强，可以完整的推进方案，但是思考深度不足，代码质量很差。不过zcode晚上11点之后免费，无敌。

deepseek v4.1 flash：npc。快就完事了，别的你别管！公测当天晚上实测峰值达到300tokens/s，比我们在本地部署的模型都快，给我看傻了。实际做下来，可以干简单活，做日常agent任务，编码还是一般，丢上下文问题严重，可能和非对称架构有关系。但是快就完事了。

grok 4.6：人上人。虽然实测没有跑分那么强，但是在90%的一般问题上，展现了良好的工程能力，代码很干净，思路有点像gpt。缺点仍是思考深度不足，搞不定复杂场景。

hy4-preview：夯(纯粹是个人偏好)。这个模型一看就是后训练没训好，不会雷霆大思考，很多工具调用也不能一遍对，反而在体感上有了opus4.6的感觉：方案不过度，工程实现也比较克制，干不出来也不会硬干，虽需要人工提醒，但是和他交流非常舒服。希望后续正式版保持这种状态。

8月更新：

​ds v4 flash 0731(with opencode): 夯爆了。思考深度，安全对齐和coding能力都有非常大的提升。但是仅限于干活，在方案设计和问题分析的广度与深度上仍弱于glm5.2。价格便宜速度快，完美的牛马干活模型。

​qwen3.8(with qoder): NPC。没有展现出2.4T模型的智力，做的方案都奇奇怪怪的，复杂任务上甚至不如glm5.2。优点是多模态能力不错，文档流畅自然。

glm5.2(with opencode): 夯。打开max思考模式的情况下，使用omo的ulw-plan工作流，反复多次的打磨方案，消耗大量token，从结果上看基本可以做到opus4.8的水平，但是代码质量仍显著逊色于opus。缺点就是慢和冗余，一次思考的reasoning token可达32k以上。

opus 5(with cc)：人上人。一如既往地精准，自然。无论什么困难的问题，不管你想没想清楚，丢给opus老师，他都能给你一个看着非常好的方案。缺点就是又贵又慢，用不起。

​sonnet 5(with cc): 拉完了。评价为不如glm5.2。你这个价格我为什么不用glm？

​minimax m3(with opencode): 拉完了。幻觉太多，思考深度也不行，干活流口水。

​kimi k2.6(with qoder): 人上人。依靠过度思考可以得到不错的结果，多模态好评。

​ds v4 pro(with opencode): 拉完了。幻觉太多，干活各种糊弄，不遵从指令，比glm5.2还要贵，期待正式版吧。