基于词元社区用户真实场景评测，数据来源于 100+ 条社区评测帖
以下评分基于词元社区用户投票和评测数据，满分 10 分。评测维度包括编程能力、写作质量、逻辑推理、多模态理解和响应速度。
| 模型 | 编程 | 写作 | 推理 | 多模态 | 速度 | 综合 | 价格 |
|---|---|---|---|---|---|---|---|
| Claude Opus 4.6 | 9.5 | 9.2 | 9.3 | 8.0 | 7.5 | 9.1 | $15/M tokens |
| Claude Sonnet 4.6 | 9.0 | 8.8 | 8.7 | 7.8 | 8.5 | 8.6 | $3/M tokens |
| GPT-4o | 8.5 | 8.8 | 8.5 | 9.2 | 8.8 | 8.7 | $5/M tokens |
| Gemini Ultra | 8.0 | 8.2 | 8.5 | 9.5 | 8.5 | 8.5 | $7/M tokens |
| DeepSeek R1 | 8.8 | 7.8 | 9.5 | 7.0 | 7.0 | 8.4 | $2/M tokens |
| Kimi K2.5 | 8.3 | 8.5 | 8.0 | 7.5 | 8.8 | 8.2 | ¥1/M tokens |
| 通义千问 Qwen3.5 | 8.0 | 8.8 | 8.0 | 7.5 | 9.0 | 8.2 | ¥0.5/M tokens |
基于社区用户在 Claude Code、Cursor、GitHub Copilot 等工具中的实际使用体验。
在 Claude Code 中表现最强，擅长大型项目重构、复杂 bug 定位和架构设计。92% 的社区用户认为 Claude Opus 在处理超过 1000 行代码的任务时优于其他模型。缺点是响应较慢且价格最高。
在多语言编程和快速原型开发方面表现出色。多模态能力强，可以直接从截图生成代码。78% 的用户认为 GPT-4o 在前端开发（HTML/CSS/React）方面略优于 Claude。
在算法和数学推理相关编程任务中表现惊人，尤其是竞赛编程题。价格仅为 Claude Opus 的 1/7，但在复杂项目工程中不如 Claude 稳定。
| 场景 | 推荐模型 | 原因 |
|---|---|---|
| Claude Code 日常开发 | Claude Sonnet 4.6 | 速度与质量平衡最佳，性价比高 |
| 复杂架构设计 | Claude Opus 4.6 | 长上下文理解和系统设计能力最强 |
| 前端开发/UI设计 | GPT-4o | 多模态理解好，能从设计稿直接生成代码 |
| 算法/数学推理 | DeepSeek R1 | 链式推理能力突出，价格便宜 |
| 中文写作/翻译 | 通义千问 Qwen3.5 | 中文理解最自然，价格最低 |
| 长文档分析 | Gemini Ultra | 超长上下文窗口，多模态文档理解强 |
| 快速问答/对话 | Kimi K2.5 | 响应快，联网搜索能力强 |