塔斯娱乐资讯网

WorkBuddy20来个大模型,从夯到拉排行榜!

WorkBuddy里那一长串模型到底点哪个?作者翻出三个月账本:22680.8积分里,有9077.9分烧在一个341轮对话上,用的还是最便宜的主力模型。这篇不按跑分排,而是按你要干什么活,把二十来个模型分五档,写清什么时候点、代价多少。

上周有朋友跑来问我:WorkBuddy里那一长串模型,到底该点哪个?我说你先别问点哪个,你告诉我这活儿要干多久。

他愣了一下:「这还有关系?」

关系大了。我把三个月的账本翻出来一笔一笔算:22680.8积分,其中有9077.9分,全烧在一个341轮的对话里。而那个对话用的,恰恰是我最便宜的主力模型。

所以这篇不按跑分排,按「你到底要干什么活」排。从夯到拉五个档,二十来个模型一个个过,每个都写清楚:什么时候点、为什么、代价多少。

急用的直接抄01和03两张表;想看我凭什么这么排的,往下翻。

01从夯到拉:五个档,二十来个模型

先说清标准。

我没按「谁最强」排。按谁最强排,第一名永远是K3——可它也是最贵的,你天天点,一个月工资不够烧。

我按三件事排:能力够不够用、代价划不划算、这活儿缺不缺它。三条凑一块,才有下面这张榜。

▲从夯到拉五个档,模型后面标的是当天倍率

榜里模型后面那个x就是倍率——同样一句话,1.62x比0.03x贵五十多倍。

▲点开模型面板,第一屏就是这些:快速0.21x、均衡0.65x、极致1.20x,Hy4preview挂夜间免费,DeepSeek-V4.1-Flash挂独家优惠

这是我今天点开面板截的,跟你现在看到的不会完全一样。这数每天都在变,等下细说。

夯:闭着眼点,除非你心疼积分

DeepSeek-V4.1-Flash0.03x。我现在干硬活的第一选择。Agent长任务榜90.6分第一,代码榜74.2第一,倍率还压在最低那一档。唯一的毛病是它太能干——你会不知不觉把一个对话聊到三百轮,我后面细说。

GLM-5.3-Flash0.06x。便宜到不像话,还专治看图:多模态榜89.4分第一,把K3都压在后面。截图识字、读图表我先点它。

Hy4preview0.29x,还常挂着夜间免费。我的日常主力:309个任务,扛了我62.6%的token,只花了13.4%的积分。这是我账本里唯一一个「干得多、花得少」的。

顶级:真强,但要挑时候用

GLM-5.30.79x。综合85分排第二,写作榜第一,长任务也稳。差一点点就能进夯档,卡在价格上——比Flash贵二十几倍。

Kimi-K31.62x。全场最强,综合86分第一。也是全场最贵。我的用法很简单:真搞不定才点它,点完立刻换回来!

DeepSeek-V4-Pro0.51x。代码榜62.7第三,Agent榜87.9第四。V4.1-Flash偶尔抽风的时候,换它接一手。

人上人:偏科,但那一科是真强

GLM-5.20.79x,夜间还打折。这货很怪:复杂推理榜99.2分,全场第一,比K3都高;可综合分只有76,排第七……为啥?代码和Agent两栏拖后腿。所以它这辈子只干一件事——算题、硬推理。

▲面板上这两个都挂着标签:Hy3限时免费0.00x、GLM-5.2夜间折扣0.79x

MiniMax-M30.25x。什么都行一点,什么都不顶尖。不想动脑子选模型的时候点它,最不容易翻车!

Kimi-K2.8-Preview0.77x。百万上下文。整本书、整份财报一次丢进去那种活,只能靠它。

▲另外两个也各有标签:Kimi-K2.8-Preview订阅优先0.77x、DeepSeek-V4-Pro夜间折扣0.51x

NPC:能用,但你说不清背后是谁

快速、均衡、极致我放NPC,不是它们差。是你点了也不知道背后是谁——0.21x、0.65x、1.20x只是三个价格档,模型由系统临时分配。同一个「极致」,今天和明天可能不是一个人出的。

auto也一样。我账本里它只跑了6个任务,却花掉1585.4分,摊到每轮31.7分——比我自己手挑任何一个模型都贵!它替你省的是脑子,不是积分。

剩下几个我只在面板上见过,没真跑过:Step-5-Preview、XiaomiMiMo-V2.6-Pro、MiniMax-M3.1-Flash、Space-Buni、GLM-5.1、GLM-5v-Turbo。榜上没它们的位置,我给不出建议,就老实放这儿。

▲这三个我确实没跑过:Step-5-Preview0.33x、XiaomiMiMo-V2.6-Pro0.13x、MiniMax-M3.1-Flash0.08x

这三个倍率都压得很低,最高才0.33x,看着挺香,可我一次没点过——没体感的东西我不敢推……

▲往下滑还有:GLM-5.2夜间折扣0.79x、GLM-5.10.79x、GLM-5v-Turbo0.71x、MiniMax-M30.25x、Kimi-K31.62x

图里右边那行小字,比整个面板都重要:「9月10日-9月23日,独家官方合作享限时折扣。提示:工作日高峰期消耗翻倍。」倍率是个会动的东西——限时活动会改,夜里会打折,工作日高峰还能翻倍。所以别把任何一张倍率表当圣旨,你面板上看到的才是真的!

拉完了:我不用了,你自己决定

Hy3:我开了27次,一共只聊了13轮就关了!不是它崩,是我每次聊两句就觉得不对劲,没那个耐心。它现在还挂着限时免费,0.00x,可我还是没回去用过……免费不等于有用,这道理我花了27次才认。

Hy3-X、GLM-4.6V、Kimi-K2.7-Complete这一批,都是上一代或者轻量版……有GLM-5.3-Flash在,看图没理由点4.6V;有K3和K2.8在,K2.7也没位置。

还有个特殊的:本地跑的spark-x2.6。便宜到离谱——每1积分换96,574个token,是V4.1-Flash的635倍。但能力就那样,只能干轻活,还得自己搭环境。省钱可以,当主力不行。

模型没有好坏,只有配不配你这件活。

02这张榜凭什么这么排

三个依据,一个个交底。

第一个是公开评测。我用的是第三方汇总的一份加权榜,权重是代码30%、Agent30%、推理25%、多模态15%,分数按这四项加权。

▲综合能力榜前十:Kimi-K386、GLM-5.385、DeepSeek-V4.1-Flash84、Hy480、GLM-5.3-Flash79

但加权榜是个平均数,会把偏科的人活埋。所以第二个依据是场景榜——同一个模型换个场景,名次就能翻个个儿。

▲Agent长任务榜:DeepSeek-V4.1-Flash90.6第一,Kimi-K388.3第二,GLM-5.388.2第三

▲代码工程榜:DeepSeek-V4.1-Flash74.2第一,Hy465.7第二,DeepSeek-V4-Pro62.7第三

第三个依据是我自己的账本。榜单说「谁强」,账本说「我付了多少」,这两件事经常不是一回事——第05章细讲。

关于这些分数:

分数是推导排序值,不是官方跑分,权重怎么定本身就带主观。模型一个月一换,名次一个月一重排,你看的时候可能已经落后了。真正该记的是「什么活配什么模型」这个逻辑。

顺带说个常被搞混的事:快速、均衡、极致不是三个模型,是三个价格档。

▲快速、均衡、极致三档,倍率不一样,但都不指定具体模型

想要可复现就别点这三档——点具体模型,下次还点它,结果才对得上。

03什么活用什么:场景对照表

我贴在便签上的,直接抄,每行都写了为什么。

我要干的事先点谁为什么
写代码、改bugV4.1-Flash代码、Agent双榜第一,还最便宜;抽风换V4-Pro
多步任务、跑很久V4.1-FlashAgent榜第一,长链路稳;备选GLM-5.3
截图识字、看图表GLM-5.3-Flash多模态榜第一,0.06x;备选K3
Hy4preview中文原生+长程优化;备选GLM-5.3
整本书一次读完K2.8-Preview百万上下文,别硬拆;备选K3
数学、硬推理、算账GLM-5.2推理榜99.2第一;备选MiniMax-M3
一句话问答、查词MiniMax-M30.25x,就一轮,贵不起来
真搞不定,要它稳住Kimi-K31.62x买的是极限不掉链子

倍率随活动变动,具体以你面板上显示的为准

这张表里最值钱的是第一行和最后一行。

第一行那个模型,能力、长任务、价格三样同时占住,这种组合不多见。最后一行那句1.62x,买的不是日常效率,是极限任务上它不掉链子——这钱该花的时候别省,不该花的时候一分都别多给!

「写长文」这一行,我得单独认个怂。

▲中文长文写作榜:GLM-5.3第一、Kimi-K3第二、Hy4第三,但全榜都标着C级——场景没有可靠基准

这张榜自己就说了:「该场景没有可靠的公开基准,以下全部为C级推导。」所以写东西这事,我信的不是榜,是「哪句话出来不像AI」——只能自己试,试到手感对了为止……

另外两个场景也一并放这儿:

▲多模态看图榜:GLM-5.3-Flash89.4第一,Kimi-K3第二,DeepSeek-V4.1-Flash78.9第三

▲复杂推理榜:GLM-5.299.2第一,DeepSeek-V4.1-Flash90.9第二,MiniMax-M390.9第三

看出规律没有?没有任何一个模型能同时拿下五个榜第一。所以「最强模型」这问题本身就不成立,只有「这件事最强」。

04最反直觉的四处

有四处我反复看了好几遍。

第一处:最强和最贵是两回事。K3综合第一,1.62x;GLM-5.3第二,0.79x。差一分,差一倍价。

▲前三名贴在一起看:Kimi-K386分1.62x、GLM-5.385分0.79x、DeepSeek-V4.1-Flash84分0.03x

你要是只看「谁第一」,等于闭着眼挑了最贵的那个!

第二处:偏科生的价值,加权榜看不见。GLM-5.2综合第七,可推理榜99.2分第一,把K3都甩在后面。只看综合榜,你这辈子都不会点它。

第三处:免费的没人用。Hy3挂0.00x限时免费,我开了27次聊了13轮。免费的东西,你反而会怀疑它行不行,一怀疑就聊不长。

第四处最扎心:Agent榜最强、价格又全场最低的那个,烧掉了我四成的积分。

▲把能力和倍率画在同一张图上:横轴越往左越便宜,纵轴越高越强,左上角那块才是又强又便宜

V4.1-Flash是0.03x,全场最便宜。可我那笔9077.9分,就是它烧的。

所以别再问「哪个模型便宜」了。真正该问的是:我这件活,值不值得开一个长对话。

05省积分:2.2万积分账单告诉我的事

我这人有个毛病,用什么东西都想知道它到底花了我多少钱。

所以前几天我把WorkBuddy的用量记录整个翻了出来。从8月7号第一次用它,到今天……一共436个有记录的任务、1288轮对话,累计22680.8积分,token走了2549万。

这些数不是估的,是它自己记在本地数据库里,赖不掉。

先看按模型的分布:

模型任务轮次积分每轮积分
deepseek-v4.1-flash143589139.825.5
fast-model(快速档)694247175.816.9
hy4-preview3092653044.511.5
auto6501585.431.7
glm-5.3-flash5951278.613.5
glm-5.2176277.13.6
hy32713152.411.7
本地spark-x2.6423.61.8

这张表一摊开,三件事挺打我脸。

用得最多的不是最贵的。hy4-preview我开了309个任务,扛掉62.6%的token,只花了13.4%的积分。

最烧钱的是V4.1-Flash:只占14个任务、5.5%的token,却吃掉40.3%的积分。

单轮最贵的反倒是auto,31.7分一轮,比谁都贵!

翻到最后,我在电脑前卧槽了一声!

什么概念?我三个月全部用量的四成,都在那一个对话里。

▲客户端底部那行小字会实时报账:这一单共消耗1023.17积分,用的是Kimi-K3

单次任务能烧多少?界面底下那行小字会精确到小数点后两位。1023.17分,用的还是1.62x的K3——签到一天才100分,攒十天才够跑这一单。

更离谱的是,那个对话最后残留的上下文只有4万token,按现在的价格本来不该值九千积分。

那钱到底去哪了……

我自己琢磨了两天才算明白:你每发一句话,模型看到的不是这一句,是这个对话里你从头说过的所有话。

第一轮读一千字,第二轮两千字。到第三百轮,它得把前面几万字重读一遍才回你一句「好的」。所以那个341轮的对话,累计喂进去的不是4万token,是一百多万。

这就是为什么我老觉得「我明明没问几句,积分怎么没了」。

钱不是花在你问了多少上,是花在你聊了多久上。

怎么算实付价?拿每个模型跑掉的token除以它吃掉的积分,就是「1积分换回多少字」。

模型每1积分换多少token
本地spark-x2.696,574
hy4-preview5,243
fast-model593
glm-5.3-flash466
deepseek-v4.1-flash152

token取客户端累计用量,积分取逐轮记录累计值,均为本机数据(2026-08-07至2026-11-16)

排第一的是本地跑的,96,574——1积分换九万多个token;排最后的V4.1-Flash,152。

两头差了635倍!

我知道这么比不公平……本地模型不吃云端算力,fast-model是打包档位,能力和价格根本不是一个量级。这数不代表谁更强,只代表「同一件事,我付了多少钱」。

说三个我现在真在用的土办法:

一个对话别超过50轮,超了就让它先总结成一段话,复制出来新开一个

换任务就换对话,别在同一个窗口里从写文章切到查数据!

长对话里别让模型反复读大文件——读一次,后面每轮都在重发

一件事今天做不完,明天也别翻昨天那个对话——新开一个,把结论贴进去,比继续聊便宜得多。

效果是有数的:我8月一个月烧掉16931分,9月掉到1182分,10月2772分。

这也跟我8月刚上手、什么都想试有关系,不能全算方法头上。

省积分的第一步,是换对话,不是换模型。

06最后说几句

这份排名是我自己的,不是官方数据,也不是权威评测,只能说明我怎么用,说明不了谁家模型更强。我也知道这些数下个月可能又变……倍率会调,新模型会上,榜会重排。但有件事不会变:上下文是要花钱的,你聊的每一轮,都在为前面所有轮付一次费。

想明白这点之后,我看工具的心态都变了——不再纠结选哪个,而是琢磨怎么把一件事拆成几次干净的对话。以前总想找「最好的」,现在只找「最配的」,活儿干完就关窗口,比什么都省!

毕竟工具是拿来用的,不是拿来供着的!

真正贵的从来不是模型,是你舍不得关掉的那个对话框。