2026年9月，FDE头子个人记录号，公司做企业AI自动化落地，主要涉及电商、法律、咨询。覆盖创意、财务、决策、供应链、分析、代码、法律；随手测真实业务表现
区别于常见跑个游戏、刷个题测试，我们是用真金白银token跑真实任务测出来的结论。
遇到同一个任务时，我会同时交给多个模型处理，再对比它们理解任务的能力、完成过程和最终结果。
一方面是为了给公司找到真正好用的模型；另一方面，长期研究、比较不同模型，本身也是我的个人兴趣。
━━━━━━━━━━━━━━━━
八个评分维度
上下文衰减｜文字推理｜编码｜沟通舒适度｜多模态｜速度｜经济性｜稳定性
特别说明：
经济性：是按国内可以订阅渠道成本来计算，并非API价格。
稳定性：是包含降智率、响应失败率两重考量的综合使用体验。
━━━━━━━━━━━━━━━━
评分说明
这份榜单采用动态评分。
S、A、B代表一款模型在当前所有参评模型中的位置，并不代表一个永远不变的固定分数。
当更强的新模型出现后，评分标准也会一起提高，老模型的等级就会相对下降。
例如，GPT 5.5原本可以达到S档。GPT 5.6出现后，把S档的标准提高了，GPT 5.5就会调整到A档。
GPT 5.5本身没有变弱，只是新的对手更强了。
模型版本更新、算力状态和测试任务变化，也会影响最终评分。
━━━━━━━━━━━━━━━━
本期25款模型
以下按照视频出场顺序排列：
MiniMAX M3｜Tencent HY3｜Gemini Pro 3.1
Doubao 2.1 Pro｜Kimi 2.7 Code｜Composer 2.5
Deepseek V4 Pro 0813｜GLM 5.3 Flash｜Claude Opus 4.6
Tencent HY4｜Deepseek V4.1 Flash｜Qwen 3.8 Flash
GPT 5.6 Luna Max｜Claude Sonnet 5｜Gemini Flash 3.8
Grok 4.6｜GLM 5.3｜Qwen 3.8 MAX
Kimi K3｜Devin SWE-2｜Claude Opus 5
GPT 5.6 Sol｜Claude Fable 5｜Claude Fable 5.1
GPT 6 Astra｜
━━━━━━━━━━━━━━━━
数据来源
团队内部近30天的实际使用记录，以及日常工作中长期积累的测试和复盘结果，详见评论区。
