后台隔三差五有人问，现在大模型这么多，到底该用哪个。这个问题没有标准答案，但可以有一个按场景的推荐顺序。下面这份榜单基于 9 月中旬的 LMArena 文本榜和各家公开价格，按使用场景拆开讲。
先看一眼分数盘
9月15日那期榜单，前四名被 Anthropic 包揽，Claude Mythos 5 拿 1531，Fable 5 是 1525，Opus 5 拿 1522。OpenAI 最强的是 GPT-5.6 Sol，1514。开源阵营里 Kimi K3 摸到 1500，Qwen3.8 Max 1491，GLM-5.2 1483。这条线往下还有 DeepSeek V4 Pro 的 1462。
写代码，Claude 优先，开源选 Kimi
预算充足就上 Claude Opus 5 或 Fable 5，SWE-bench Verified 95% 的成绩断崖领先，40 文件级别的大改动里对上下文和依赖链的把握，目前没有对手。预算敏感的话，Kimi K3 是这半年最大的惊喜，1500 的文本分，coding 分榜 1679 直接登顶，价格只有 Claude 的三成左右。
自托管场景看 GLM-5.2，MIT 协议，SWE Pro 的成绩压过 GPT-5.5，168 tokens 每秒的出字速度在可自部署的模型里最快。
省钱跑量，DeepSeek 依然是价格地板
DeepSeek V4 Pro 每百万 tokens 输入 0.435 美元、输出 0.87 美元，MIT 协议，这个价格在前 20 名里没有对手。更激进的 V4 Flash 把价格打到 0.14 和 0.28 美元，轻任务批量跑完全够用。阿里这边 Qwen3.8 Max 性价比分 24.0，每百万输入 2 美元，多模态和亚太访问是加分项。
中文日常，可及性优先
国内直连稳定的前提下，DeepSeek 和 Qwen 的官方入口、豆包这类 C 端产品都在第一梯队。中文语料的语感、时效数据的接入、价格补贴，国产模型在这几项上的综合体验依然好于绕出去用海外模型。写作场景单独提醒一句，Claude 的中文长文能力虽强，但最近有用户反馈文风出现「Claudeish」的痕迹，重要稿件建议自己把最后一道关。
长文档与科学，Gemini 的主场
丢几十页 PDF、合同、书籍进去梳理，Gemini 3.1 Pro 和 Claude 都称手，前者赢在 131 tokens 每秒的速度和百万级上下文，后者赢在结构化梳理的稳。科研文献问答，GPQA Diamond 94.1% 的成绩让 Gemini 3.1 Pro 单独一档。
我的实际选法
主力写代码用 Claude，批量数据处理丢给 DeepSeek，中文快问快答用豆包，跨模态资料整理交给 Gemini。这套组合每月的 API 开销控制得很低，任务覆盖也够。模型迭代太快，这份榜单的保质期大概一个季度，到时候分数盘洗一遍，选法可能就得跟着调。
延伸阅读，DeepSeek V4 全量上线识图模式，Qwen 音频系列五款模型降价，以及关于 Claude 文风退化的讨论。
相关阅读
延伸阅读
- Claude Opus 5.5 内测曝光：跳过 5.2 连升两级，输入 4 美元输出 20 美元，缓存读取降至 0.2 美元2 周前
- 360 纳米 Work 发布：多智能体协作 + 5 万技能接入，首批用户赠 1 亿 Token2 周前
- Runway 发布 Solaris：把软件界面当视频实时生成，不用一行代码1 月前
- 书生-S2 开源：Memory Decoder 可插拔记忆，科学长程任务比肩顶尖闭源模型2 周前