主流模型厂商的差异

这一节不会给你一份「厂商排行榜」。榜单三个月就翻一遍，背下来没有意义。真正能重复使用的，是一套量的方法。

你会遇到的现象

为什么不给排名

三个原因。

一、榜单和你的任务不是一回事。公开评测测的是竞赛题、通用问答这些标准化任务，而你要它干的是「把这类工单按我们内部的五个类别打标」。跑分高不代表你的场景好用——这两件事经常反着来。

二、差距在收窄，而且变动很快。头部模型之间的公开基准差距一直在缩小，同时每隔几个月就有新版本、新定价。任何写死的排名，写下来的那天就开始过期。

三、选型从来不只是选能力。价格、稳定性、合规、迁移成本，任何一条不过关都能一票否决——哪怕它能力最强。

把候选模型放进这张表，一个个打分。这份表下个季度还能接着用。

资料基准：2026 年 8 月。前两条决定「能不能用」，中间两条决定「用不用得起」，后两条决定「敢不敢用」。任何一条不过关都是一票否决。

第 ① 条最花时间，也最值。准备一组真实样例、跑一遍、人工判对错——这件事做过一次，后面每次换模型都能复用，是整个选型里回报最高的投入。

虽然不给排名，但阵营之间确实有稳定的性格差异，这些短期内不会变。

海外头部闭源厂商（OpenAI、Anthropic、Google 这一类）：能力上限通常最高，工具调用和长任务的工程成熟度好，文档与生态完整。代价是价格偏高，且国内使用涉及网络与合规问题。

国内大厂平台（阿里、字节、腾讯、百度这一类）：优势在中文场景、合规资质、企业合同与发票，以及和自家云的整合。它们通常既提供自研模型，也在平台上托管第三方模型。

国产高性价比阵营（DeepSeek、月之暗面、智谱、MiniMax 这一类）：定价激进，部分开放权重，性价比是主要卖点。近年国产模型的价格底线一直被这一阵营拉低。

开放权重模型：可以自己部署，数据不出门、不怕下线涨价。代价是显卡、运维和并发都得自己扛——中小规模下通常比直接调 API 更贵，买到的是可控而不是便宜。

一个参考量级：2026 年 8 月，海外旗舰模型的输入价大致在每百万 token 几美元的水平，国产主力模型则在几元人民币甚至更低，头部产品还常配免费额度。但这些数字变动极快，务必以厂商当期报价页为准。

四步，一两天能走完。

第一步，先划掉不合规的。把数据出境、留存策略、能不能签协议这几条摆出来，过不了的直接出局。这一步放最前面，能省掉后面全部白工。

第二步，准备一组真实样例。20 到 50 条，覆盖常见情况和几个刁钻的边界情况。这组样例是你之后所有决策的尺子。

第三步，同一套样例跑所有候选。同样的提示词、同样的参数，人工判对错。注意一个坑：不同厂商对同一段提示词的反应差别很大，所以一轮结果不理想时，先给它一次针对性调整提示词的机会，再下结论。

第四步，选两个，不是一个。一个主力，一个备用，而且备用的接入要真的跑通过。模型限流、故障、下线都是常态，不能把产品可用性押在单一供应商身上。

第一步之所以排在最前面，是因为它是一票否决：能力再强，合规过不了就是零。而第二步那组样例做过一次，后面每次换模型、换渠道都能复用。

资料基准：2026 年 8 月。本文刻意不写具体排名与单价明细，因为这两项过期最快；文中提到的阵营性格是结构性归纳。任何采购决策前，请以厂商官方文档与当期报价页为准。