2026年8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｜智力稳定性
━━━━━━━━━━━━━━━━
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21款模型
以下按照视频出场顺序排列：
encent Hy3（腾讯 Hy3）｜MiniMAX M3（稀宇 M3）｜Gemini Pro 3.1（双子座 Pro 3.1）｜Gemini Flash 3.7（双子座 Flash 3.7）
Doubao 2.1 Pro（豆包 2.1 Pro）｜Kimi 2.7 Code（月之暗面 Kimi 2.7 Code）｜Composer 2.5（Composer 2.5）
DS V4 Pro 0813（深度求索 V4 Pro 0813）｜DS V4 Pro 0813（涨价后）
DS V4 Flash 0731（深度求索 V4 Flash 0731）｜DS V4 Flash 0731（涨价后）
Claude Sonnet 4.6（克劳德 Sonnet 4.6）｜GLM 5.2（智谱 GLM 5.2）｜Claude Opus 4.6（克劳德 Opus 4.6）
Claude Sonnet 5（克劳德 Sonnet 5）｜GLM 5.3（智谱 GLM 5.3）｜GPT 5.6 Luna Max（月亮 Max）
Grok 4.6（格罗克 4.6）｜Qwen 3.8 MAX（通义千问 3.8 MAX）｜Kimi K3（月之暗面 Kimi K3）
Claude Opus 5（克劳德 Opus 5）｜GPT 5.6 Sol（太阳 Sol）｜Claude Fable 5（克劳德 Fable 5）
━━━━━━━━━━━━━━━━
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。
