每日更新的「各预算最佳 LLM」榜单

「哪个模型最好」是个没法回答的问题，好问题应该是「我的预算内哪个最好」。一个开发者把这件事做成了每日更新的网站，答案直接给你查表。

一、发生了什么

这是一个名叫 Best value LLM 的个人项目（个人项目，作者为匿名开发者 terryds），数据截至 10 月 20 日，覆盖 428 个模型。它的做法是把每家模型的智能分数和价格放在同一张图上，找出「价值前沿」：没有更便宜的模型能同时达到或超过它分数的那些。

数据全部来自 Artificial Analysis 的公开数据接口，用定时任务每天自动抓取一次，页面还留了相邻日期的差异日志。10 月 19 日新增了 DeepSeek V4.1 Flash 1017 和 MiniMax M3.1 Flash 两个模型，10 月 17 日一次性清掉了十个旧模型。代码和数据处理逻辑开源在作者的个人仓库里。

按预算查表的结果大致是：单百万 token 混合价格 8 美元以上的首选是 Claude Opus 5.5（57.6 分）；4 到 8 美元档选 Claude Sonnet 5.5（56.0 分）；2 到 4 美元档是 Muse Spark 1.3（48.1 分）；不到 1 美元的档位里，国产模型密集出现，MiMo V2.6 Pro 以 0.54 美元拿到 46.3 分，DeepSeek V4.1 Flash 1017 以 0.53 美元拿到 45.1 分，0.2 美元档是 Claude Haiku 5.5，最低一档 0.15 美元也有 35.2 分可选。

二、跟你有什么关系

给应用选模型的开发者：这张表比厂商发布会诚实得多，你的成本约束直接映射到候选名单。

预算有限的个人用户：低价档的国产模型性价比突出，几十倍的价格差不一定换来对等的体验差。

做技术选型汇报的人：榜单逻辑透明、数据可追溯，引用时比「听说 XX 更强」站得住脚。

三、怎么用

1. 先定预算上限，再去查对应档位的首选和备选，别从能力榜倒推。
2. 看每任务成本那一列。混合价格只反映单价，同价位的模型跑同一个任务的实际开销可能差好几倍。
3. 注意推理档位是分开计价的，同一个模型开高档位分数更高，但任务成本可能贵出数倍。

四、三个别信的说法

「榜单排名第一就是我要选的。」 错。能力榜前十全是高价模型，而你的预算可能只够低价档，性价比前沿才是真正该看的线。

「分数差零点几就是明显更好。」 错。基准分数有小幅波动，同档位模型更该用你自己的真实任务跑一遍再定。

「每天更新就是永远准确。」 不对。数据方会不定期重新校准指数，不同日期的快照不能直接横向比，榜单自己也承认这一点。

五、一句话结论

选模型先问预算，再问任务，最后才轮到跑分。

信息来源

• Best value LLM（个人项目）（数据截至 2026 年 10 月 20 日）

功能与价格以官方公告为准。本文写于 2026 年 10 月 20 日。