2026-09 修订说明：本文最早写于 2026-04-29，里面很多”最新”已经过时。本次重写补到 2026 年中状态。下次大版本发布再做更新。
前言
人工智能领域在近两年迎来爆发式增长，大语言模型（LLM）技术日新月异。本文盘点截至 2026 年中的主流模型与趋势，重点是事实（厂商官方发布、版本号、定价）——不堆 benchmark 数字（那些每月都在变）。
闭源旗舰：三家格局稳定
OpenAI GPT 系列
截至 2026 年中，OpenAI 的旗舰已经迭代到 GPT-5.5（官方页面 openai.com/index/introducing-gpt-5-5/）。GPT-5.5 Pro 同步发布，主打更强的工具调用与长程推理。
历史节点：
- GPT-4 / GPT-4V（2023）
- GPT-4o / o1 / o3（2024-2025）
- GPT-5（2025-08）
- GPT-5.1 / 5.2 / 5.4 / 5.5（2026 年逐版本迭代）
Anthropic Claude 系列
2026 年 6 月 9 日，Anthropic 发布了 Claude Fable 5——这是 Claude 第一个定位”高于 Opus”的 Mythos 系列顶级模型，1M 上下文 + 128K 输出 + $10/$50 每百万 token 定价。
同期可用的：
- Claude Opus 4.8（2026-04 起，Opus 系列旗舰）
- Claude Sonnet 4.6（2026-02，主力推荐模型）
- Claude Haiku 4.5（2025-10，速度/成本档）
2026 年 6 月 15 日：Claude 4.0 系列正式退役。
Google Gemini 系列
- Gemini 3.1 Pro：当前旗舰，主打 ARC-AGI-2 类推理任务（预览版）
- Gemini 2.5 Pro：含 Google Search 实时接入
- Gemini 2.5 Flash：速度/成本最优（232 tok/s，
$0.30 / $2.50每百万 token）
开源生态：性能逼近闭源
2026 年的开源模型已经能在多个 benchmark 上逼近甚至超过部分闭源旗舰。代表项目：
DeepSeek 系列
- DeepSeek V3：MIT 协议可自部署，API
$0.27 / M——成本几乎地板价 - DeepSeek R1：推理专版
- DeepSeek Harness（dsh）：2026-08-13 开源的 AI Agent 框架，”一切皆插件”设计
阿里 Qwen 系列
- Qwen3 Next 80B：开源，参数 80B，GPQA Diamond 74.6%
- 中文场景首选
月之暗面 Kimi K2 Thinking
2026 年最有意思的开源之一：Kimi K2 Thinking——AIME 99.1% + GPQA Diamond 84.5%，定价 $0.60 / M（每百万 token）——推理质量接近闭源旗舰、价格只有 1/5。
Meta Llama
Llama 系列持续迭代，但 2026 年开源阵营注意力更多转向 DeepSeek / Kimi / Qwen，Llama 4 之后没有特别爆炸性的更新。
三大趋势：多模态 / Agent / 推理
1. 多模态成为标配
所有旗舰模型都支持文本+图像+音频+视频：
- 视频生成：Sora（2024-02）→ Veo 3 → 可灵 等持续迭代
- 音频：实时语音对话已成为旗舰模型默认能力
- 视觉理解：OCR、图像推理、视频内容分析已成熟
2. Agent 与工具调用
大模型从”对话工具”演变为”自主完成任务的智能体”：
- Function Calling / Tool Use：所有旗舰都原生支持，2026 年格式趋于统一（OpenAI tools / Anthropic MCP / Google function calling）
- RAG（检索增强生成）：从”加分项”变成”基础项”，向量数据库与模型解耦
- 多 Agent 协作：Anthropic Claude Code / OpenAI Codex / DeepSeek Harness 等代表项目
MCP（Model Context Protocol） 是 Anthropic 2024-11 发布的开放标准，2025-2026 年被广泛采纳为 Agent 工具调用的事实标准。
3. 长程推理与”思考”模式
2026 年主流旗舰几乎都支持 “思考模式”（extended thinking / reasoning）：
- OpenAI o1 / o3 系列（2024-09 起）
- Claude Sonnet 4.6+ 的 adaptive thinking
- Gemini 3.1 Pro 的 reasoning 模式
推理时间从几秒拉到几小时，换取复杂任务（数学、规划、代码调试）的准确率飞跃。
成本下行：2026 年的价格断崖
这是 2025-2026 年最被低估的趋势——模型价格在暴跌：
| 模型 | 输入 / 输出（每百万 token） | |
|---|---|---|
| DeepSeek V3 | $0.27 / $0.27（自部署免费）） | |
| Gemini 2.5 Flash | $0.30 / $2.50 | |
| Kimi K2 Thinking | $0.60 / $2.50 | |
| Claude Haiku 4.5 | $1 / $5 | |
| Claude Sonnet 4.6 | $3 / $15 | |
| Claude Opus 4.8 | $5 / $25 | |
| Claude Fable 5 | $10 / $50 |
两年前 GPT-4 的定价是 $30 / $60每百万 token——现在性能更强、上下文更长、推理更深的 Claude Fable 5 只收 $10 / $50。3-5 倍降价。
个人建议：2026 年怎么用
不是所有任务都需要旗舰模型。多模型路由是 2026 年最务实的策略：
- 轻量批处理（分类 / 摘要 / 翻译）：DeepSeek V3 / Gemini 2.5 Flash / Haiku 4.5
- 代码生成（普通项目）：Sonnet 4.6 / DeepSeek V3
- 代码生成（复杂架构 / 长程调试）：Opus 4.8 / GPT-5.5 Pro
- 深度研究 / 推理：Kimi K2 Thinking / Claude Fable 5 / o3
- 多模态：Gemini 3.1 Pro（视频 + 实时搜索）/ GPT-5.5
未来展望
- 推理成本继续下行：训练效率提升 + 推理硬件进步 + MoE 架构普及
- Agent 工作流标准化：MCP / A2A 等协议收敛
- 端侧 LLM：手机 / 笔记本本地跑 10B-30B 模型开始实用（Apple Intelligence / Qualcomm Snapdragon X）
- AI 安全 / 对齐：从研究话题变成产品话题（监管 + 评测基准）
保持学习，拥抱变化。但别追新版本——选稳定的、能跑通的，比”最新”更重要。
