开放模型 vs 闭源模型：每一分基准成绩要花多少钱（GLM-5.3、Kimi K3、Opus 5.5）

在 Artificial Analysis Intelligence Index 上，最好的开放权重模型得 46 分，最好的闭源模型得 58 分。12 分的差距是真实存在的，也能感受到。但决定你日常用哪个模型的，是另一个问题：每一分要花多少钱，以及每多一分要花多少钱。

我们用 Artificial Analysis 在 2026 年 9 月 29 日的公开数据，对六个模型做了计算：三个开放权重模型（MiMo-V2.6-Pro、GLM-5.3 和 Kimi K3），以及 Anthropic 的三个闭源模型（Claude Opus 5.5、Sonnet 5.5 和 Fable 5.1）。结论：开放模型每一分的成本低 2.3 到 51 倍，而闭源模型每多一分的成本，接近开放模型平均每分成本的 7 倍。

开放模型和闭源模型，每一分基准成绩要花多少钱？

GLM-5.3 每分 0.045 美元，Claude Opus 5.5 每分 0.103 美元。最划算的闭源模型，每分成本仍是同代开放模型的 2.3 倍。

算法很简单：该指数每个任务的平均成本除以得分。每个任务的成本已经包含输入、缓存和输出，按实验室官方 API 价格计算，所有模型都在最高推理强度下运行。

模型	权重	指数得分	每个任务成本	每分成本	跑完指数的输出 token
MiMo-V2.6-Pro（小米）	开放，MIT	46	0.13 美元	0.003 美元	140M
GLM-5.3 max（Z.ai）	开放	45	2.01 美元	0.045 美元	210M
Kimi K3 max（Moonshot）	开放	44	2.00 美元	0.045 美元	160M
Claude Opus 5.5 max	闭源	58	5.98 美元	0.103 美元	260M
Claude Sonnet 5.5 max	闭源	56	7.60 美元	0.136 美元	410M
Claude Fable 5.1 max	闭源	53	7.63 美元	0.144 美元	190M

来源：Artificial Analysis Intelligence Index v4.3.2，artificialanalysis.ai 上各模型页面，2026 年 9 月 29 日查阅。每分成本由我们计算：每个任务成本 ÷ 得分。

为什么 Sonnet 5.5 每个任务比 Opus 5.5 更贵？

因为它消耗的 token 多得多。Sonnet 5.5 的单价是 Opus 5.5 的一半（每百万 token 输入 2 美元、输出 10 美元，Opus 是 4 美元和 20 美元），但跑完指数生成了 4.1 亿个输出 token，而 Opus 只有 2.6 亿。

结果是 Sonnet 每个任务 7.60 美元，Opus 5.98 美元，而且 Opus 得分更高。Fable 5.1 也一样：每个任务更贵，得分比 Opus 5.5 低 5 分。在最高推理强度下，这两个模型都被"支配"了，也就是存在另一个模型既更好又更便宜。

这个结论适用于任何比较：每 token 价格不等于每任务价格。啰嗦的模型会抵消掉标价上的折扣。

闭源模型每多一分要花多少钱？

从 GLM-5.3 升级到 Claude Opus 5.5，多得 13 分，每个任务多花 3.97 美元。每多一分的成本是 0.31 美元，接近 GLM-5.3 平均每分成本的 7 倍。

切换	多得分数	每个任务多花	每多一分的成本
GLM-5.3 → Claude Opus 5.5	+13	3.97 美元	0.31 美元
MiMo-V2.6-Pro → Claude Opus 5.5	+12	5.85 美元	0.49 美元
Kimi K3 → Claude Fable 5.1	+9	5.63 美元	0.63 美元

这是任何前沿的常态：最后几分最贵。这不代表它们不值，而是说只有在这几分真正起作用的任务上才值。

每分成本看不到什么？

速度、任务类型和推理强度。上面的计算是一张快照，不是结论。

盲点	为什么重要
速度	MiMo-V2.6-Pro 每秒生成 41 个 token，GLM-5.3 是 87 个，Opus 5.5 是 93 个（Artificial Analysis）。便宜但慢，在长时间的智能体会话里会累积成本。
综合指数，不只是代码	Intelligence Index 汇总了 10 项评测。一个模型在代码上的表现可能比综合分更好，也可能更差。
最高推理强度	所有模型都在最高强度下测量。强度降低时，token 消耗减少，计算结果也会变化。
实验室定价	成本使用官方 API 价格。同一个开放模型的其他提供商可能收费不同。

如何用你自己的数字来算？

把数值换成你在实际使用中测到的：对你的工作最重要的基准得分，以及每个任务的真实成本。下面的脚本在 Python 3 下运行，无需任何依赖。

# 每分成本：每一分要多少钱，以及多一分要多少钱
# 数据：Artificial Analysis Intelligence Index，最高推理强度，2026-09-29
models = {
    # 名称：（指数得分，每个任务平均成本，单位美元）
    "MiMo-V2.6-Pro": (46, 0.13),
    "GLM-5.3": (45, 2.01),
    "Kimi K3": (44, 2.00),
    "Claude Opus 5.5": (58, 5.98),
    "Claude Sonnet 5.5": (56, 7.60),
    "Claude Fable 5.1": (53, 7.63),
}

for name, (score, cost) in models.items():
    print(f"{name}: US$ {cost / score:.4f} per point")

# 边际分：升级模型时，每多得一分要付多少钱
base, target = "GLM-5.3", "Claude Opus 5.5"
(sb, cb), (st, ct) = models[base], models[target]
print(f"{base} -> {target}: US$ {(ct - cb) / (st - sb):.2f} per extra point")

要算出你自己使用中每个任务的成本，把一个典型任务的输入和输出加起来：

def cost_per_task(input_tokens, output_tokens, input_price, output_price):
    # 价格单位：美元 / 百万 token
    return (input_tokens * input_price + output_tokens * output_price) / 1_000_000

那么，该选开放模型还是闭源模型？

两个都用，在不同的时刻。开放模型处理大量日常工作，闭源模型留给那几分真正能解决问题的任务。

场景	选择	原因
常见 bug、小功能、测试、局部重构	开放（GLM-5.3、Kimi K3）	每分成本低 2.3 倍，得分足够完成任务
大批量、不赶时间	最便宜的开放模型（MiMo-V2.6-Pro）	每个任务 0.13 美元，慢一点也无妨
已经失败两次的 bug、依赖很多的架构设计	闭源（Claude Opus 5.5）	这正是 12 到 13 分差距出现的地方，每多一分 0.31 美元物有所值
在最高强度下固定使用 Sonnet 5.5 或 Fable 5.1	重新评估	在该指数上，Opus 5.5 得分更高，每个任务花费更少

实际操作就是在会话中途切换模型。在 Verboo Code 的终端里：

/model          # 打开你的套餐可用的模型列表
/model <id>     # 直接切换，会话历史保留
/effort max     # 只为难题提高推理强度
/effort auto    # 恢复模型默认设置

延伸阅读

• Opus 5.5 vs Fable 5.1
• Kimi K3 vs Claude Fable 5
• GLM-5.2 vs Opus 4.8：基准测试与每 token 价格