您打开排行榜，第一名往往不是您今天能用的那个。说白了，大模型怎么选，先看三件事：服务覆不覆盖您所在的地方，这件事您是不是经常做，以及同一件事上贵多少。总分放最后。
小编没有逐个重跑这些测试。下面的分数和成本，来自一份 2026 年 11 月 6 日的公开横评，原文写给跨境卖家看，用的是 Artificial Analysis 的智能指数。厂商自己报的分数，那份材料建议打折看。小编也这么处理。产品改版很快，以官网当天的说明为准。
先问三件事，再看 2026 大模型排行
- 能不能用。官方账号能不能注册、付费、稳定打开。绕路、拼车、代充，不算“能用”。
- 拿来干什么。聊天、读长文、改稿、写代码，不是同一道题。
- 花多少钱。旗舰和便宜模型，能力差一截，账单有时差好几倍。
榜单回答的是：在某一套题上，谁更高。它不回答：您下午要交的那份材料，该交给谁。简单讲，大语言模型是一类产品，不是一个冠军。
榜上靠前的，普通用户多半用不上
下表是那份横评转述的智能指数。分数越高，表示在这一套题上越强。换一套题，名次会动。
| 模型 | 智能指数 | 现在怎么看能不能用 |
|---|---|---|
| Gemini 4 Carbon | 60 | 普通用户用不上，只给少数安全合作方 |
| Claude Opus 5.5 | 59 | 官方服务不覆盖中国大陆和香港 |
| GPT-6 Astra | 57 | 同上 |
| GPT-6.1 Sol | 55 | 同上 |
| Claude Sonnet 5.5 | 55 | 同上 |
| Gemini 4 Argon | 50 | 同上 |
| Claude Fable 5.1 | 49 | 同上 |
| Kimi K3.1 Pro | 46 | 国产，可以直接用 |
| Grok 4.7 | 35 | 这张表没把它算进国产，也没单独写覆盖地区 |
| DeepSeek V4.1 Flash | 33 | 国产，可以直接用 |
| GLM-5.3 | 32 | 国产厂商（智谱） |
Gemini 4 Carbon 是这张表上的第一，60 分。横评写明，它在 2026 年 10 月 28 日发布之后，只开放给少数安全领域的合作方。普通用户和开发者用不上。选模型时，先把它划掉。
能公开使用、又在这张表上最高的，是 Claude Opus 5.5，59 分。GPT-6 Astra 是 57 分，GPT-6.1 Sol 和 Claude Sonnet 5.5 都是 55 分。分差不大。真正拉开的是价格。横评写，同一档能力，价格能差到大约 8 倍。
还有一句要单独记。按该文的说法，OpenAI、Anthropic、Google 的官方服务，都不支持中国大陆和香港。拼车和代充违反服务条款。想合规，国产模型是不用绕路的选择。官方不提供服务，和您这边的网络能不能打开网页，是两件事。节点怎么选，不是本文的范围，站点里另有一篇：2026国内机场节点怎么选。
国内大模型哪个好用：按事分
“国内大模型哪个好用”，没有一个总冠军。小编按您常做的事来配，不按一个总分。
| 您要做的事 | 先试这个 | 为什么 |
|---|---|---|
| 随手问、语音聊天 | 豆包 | 门槛低，手机上顺。这是上手建议，不是实验室名次 |
| 读长 PDF、合同、研报 | Kimi | 长材料是它被反复提到的强项。K3.1 Pro 在上述指数里是表上国产最高 |
| 把难题拆开、算清楚 | DeepSeek | 同一套评测题上，成本在表里最低的一档 |
| 中文写作、改稿 | 通义千问 | 多份整理把它放在写作场景。拿您自己的旧稿试一次，比看名次准 |
Kimi K3.1 Pro 在上面那份指数里是 46 分。横评称它是表上最强的国产模型，长文档和商务任务接近海外第一梯队，但不是同一分。DeepSeek V4.1 Flash 是 33 分，GLM-5.3 是 32 分。分数低，不代表日常中文不能用。很多日常问题，用不到旗舰那一档。
豆包没有出现在这张指数表的前列。小编仍把它放在“随手问”的位置，是因为门槛低、手机上顺，适合当第一个 AI。您要是主要写代码、读合同，就别停在它上面。
DeepSeek 和 Kimi 哪个好，看材料有多长、题有多硬。材料长、要来回查原文，先给 Kimi。要把一道题拆开算清楚，或者您在意调用成本，先给 DeepSeek。两个都拿您自己的一段材料试一次，比看别人的结论快。
评测题上的成本，不是一条聊天的价格
横评还算了一笔“答一道评测题要多少钱”。这不是您发出去一句话的标价，是同一套题上的相对成本。拿来比贵贱可以，拿来当套餐价格不行。
| 模型 | 答一道评测题的测算（美元） |
|---|---|
| DeepSeek V4.1 Flash | 0.60 |
| GPT-6.1 Sol | 1.27 |
| Kimi K3.1 Pro | 3.68 |
| GPT-6 Astra | 6.24 |
| Gemini 4 Carbon（未公开） | 7.76 |
| Claude Sonnet 5.5 | 10.02 |
| Claude Opus 5.5 | 10.04 |
| Claude Fable 5.1 | 12.99 |
贵的模型留给难的那一步就行，不必全程开着旗舰。价格会改，以您付款那天官网写的为准。
为什么一个总分帮不上忙
第一，指数换过题。这份材料用的是智能指数 v5。它写明，v5 和旧的 v4 不能直接比。举个例子：Kimi K3.1 Pro 在 v4 上是 55 分、第 4 名，到 v5 变成 46 分。您要是看见两篇文章名次对不上，先看是不是同一套题。
第二，网友盲测的分差，很多落在误差里。横评提到，置信区间常常是正负 4 到 7 分。第一名和第二名差 2 分，经常说明不了什么。
第三，榜单测的是题，不是“智能”这个词。这个词本身就不好用。五位研究者为什么各说各的，小编另写过：AI 里的那个“I”，五位研究者各自怎么理解。
还有一件和分数无关的事。全组只用同一个聊天框出主意，回答会更长，点子却更挤。人和人一起想，散得开一些。细节在这里：AI 出主意很快，人组队为什么还是更有创意。
开源权重也别和免费聊天网站混成一件事。说白了，开源权重是参数公开，您可以自己部署，不等于训练代码和数据也公开。10 月底有公司称自己的开源权重量级已经很能打，报道和保留意见写在这篇周报里：科技周报：开源模型、太空算力和无人卡车。
健康问题，别交给聊天框做决定
模型会答医学问题，不代表该听。实验室里把一个模型拆成几个人互相抬杠、顺便算检查费用，复杂病例的准确率可以很高，那仍然不是诊室。实验怎么设计、为什么现在还不能单独上岗，小编分开写过：微软 MAI-DxO：诊断准确率为什么能到医生的两倍。
您要查资料，让它列出依据，您自己核对。要做决定，去问医生。
小编会怎么配
- 日常问答：豆包，或您已经用顺的那个国产应用，一个就够。
- 长文和合同：Kimi。
- 难题，以及想省钱的批量调用：DeepSeek。
- 中文改稿：千问。拿旧稿比一次。
- 旗舰：只在官方服务覆盖、而且这一步确实难的时候再用。Carbon 先不考虑。
- 创意：先和人说一轮，再让模型整理。不要倒过来。
2026 大模型排行可以看，不能当购买键。先划掉用不上的，再按事挑，再用您自己的材料试一次。
出处
分数、覆盖地区和评测题成本，来自 2026 年 11 月 6 日的公开横评《主流 AI 大模型横评 2026》（chdh.me）。豆包适合当第一个 AI，是上手建议，不是这张指数给出的名次。