西奥的AI模型等级排名

T3 Code的创始人西奥发布了一份等级排名,根据四个评估维度将当前15个AI模型从S级到F级进行排序。- S级:Claude Fable 5(Anthropic),被描述为有史以来最好的模型。- A级:GPT-5.6 Sol(OpenAI,A级顶端,接近S级)、GPT-5.6 Luna、DeepSeek V4 Flash;Sol是他的日常默认模型,后两者是高价值的工作主力。- B级:Kimi K3(Moonshot AI),首个能端到端完成复杂任务的开源权重模型。- C级:GPT-5.6 Terra,定价尴尬,无明显用途。- D级:GLM 5.3、Composer 2.5、Grok 4.6、Muse Spark、Opus 5、Sonnet 5;各有亮点,但缺乏实际选择理由。- F级:Gemini 3.7 Flash、Gemini 3.1 Pro、DeepSeek V4 Pro;定价/效率不平衡,或旗舰模型缺乏视觉能力。- 评估维度:代币效率(每任务的成本,而非每代币成本)、实际任务成本(以Cursor Bench和Artificial Analysis数据为基准)、视觉能力(2026年必须支持图像输入)、工作流程适配性(无需人工监管即可独立交付的能力——S级区分因素)。
Key insights
代币效率优先于每代币定价
西奥认为,每百万代币的定价毫无意义;真正的指标是完成一项任务所消耗的总代币数。一个每代币价格低但代币消耗高的模型,总体成本可能更高。这使成本评估从单位经济学转向任务级效率。
视觉能力是2026年的硬性要求
西奥严厉惩罚不支持图像输入的模型,因为他经常在工作流程中粘贴截图。在他的框架中,任何在2026年缺乏视觉能力的模型都会受到严重降级,这反映出多模态交互在现实使用中日益增长的重要性。
工作流程适配性区分S级等级与其他等级
S级模型的决定性特征是能够在无需人工监管的情况下独立交付工作。Claude Fable 5是唯一达到这一标准的模型,因此成为唯一的S级。这一标准强调自主完成任务,而非原始基准分数。
Gemini模型因定价和能力差距被列入F级
Gemini 3.7 Flash、Gemini 3.1 Pro和DeepSeek V4 Pro均被列入F级。原因包括定价/效率不平衡,以及旗舰模型缺乏视觉能力。这一排序凸显了西奥在成本效益和多模态支持方面的严格标准。