2026年8月大语言模型列表：前沿阵容及其筛选方法

2026年8月的LLM模型名单，一口气列出来：Claude Opus 5、Claude Fable 5、GPT-5.6 Sol、Kimi K3、Qwen3.8 Max、Claude Sonnet 5、Grok 4.5、GLM 5.2、Gemini 3.6 Flash、GPT-5.6 Luna和DeepSeek V4 Flash——这些是本月值得关注的名字，而且还有200多个模型可以通过一个API密钥调用。但一份名字清单并不等于答案。只有当每一行都带上价格、上下文窗口和性能指标，而且这份清单足够新，让你看到的价格就是实际支付的价格时，它才是答案。本页就是这样：当前阵容配上真实数字，教你怎么读这些列，以及如何用三个筛选条件从200多个模型中挑出真正合适的那一个。以下每一个数字都是在2026年8月10日从其来源处读取的。

一个可用的列表有四列。

一页只有型号名称——没有价格、没有上下文窗口、没有能力说明——人们就是这样最终为一个每百万 token 收费 50 美元、而实际上 0.09 美元的模型就能搞定的任务买单。一份真正可用的列表，每一行应包含四项内容，且每一项都必不可少。

• 名称和供应商。 精确到具体型号，而非系列。GPT-5.6 Luna 和 GPT-5.6 Sol 是价格相差五十倍的不同产品，将这些型号混为一谈的列表比没有列表更糟糕。

• 每 1M tokens 的价格。输入和输出分开列出——在部分模型上，两者相差可达二十倍，而实际账单由输出驱动，因此一个笼统的混合数字会掩盖真相。

• 上下文窗口。 单次调用能容纳多少源材料。200K 窗口、1M 窗口和 1.3M 窗口不可互换，这一差异决定了你的提示词能否完整保留。

• 能力与模态。通用推理、编码、智能体可靠性，以及模型是否接受图像。纯文本模型无法调试你粘贴到对话中的截图。

现在的前沿阵容

排行榜每周都会变动，因此以下是截至2026年8月10日的快照。价格为OrcaRouter的标价——供应商价格不加价地直接传递——指数是今天读取的Artificial Analysis Intelligence Index。

• Claude Opus 5 — $5 / $25，1M 上下文，AA Index 63。 本月该指数上通用能力得分最高，也是复杂推理和长时智能体工作的默认选择。

• Claude Fable 5 — $10 / $50, 1M, AA Index 62.这是本列表中最昂贵的尖端模型，并且根据该指数已被证实位居第二——只有当工作中最具挑战性的部分让按量计费物有所值时，才值得为它支付这笔溢价。

• GPT-5.6 Sol — $5 / $30, 1M, AA Index 61.OpenAI最强的通用模型，支持多模态，编程实力让Claude双子星也备感压力。

• Kimi K3 — $3 / $15, 1M, AA Index 60.前五名中性价比最高：Moonshot 的旗舰产品，价格约为 Claude Opus 5 的三分之一。

• Qwen3.8 Max — $2 / $6，100万上下文，AA指数58。阿里巴巴的旗舰模型，是前沿最强的开放权重选项，且相对于其指数得分，价格尤为突出。

• Claude Sonnet 5 — $2 / $10, 1M, AA Index 55. Claude 家族中的性价比之选——与其更大版本保持相同的保守风格，价格仅为 Claude Opus 5 的五分之一。

• Grok 4.5 — $2 / $6，500K，AA指数56。xAI的旗舰产品，在其级别中速度很快且价格便宜，但上下文窗口比本组其他产品更小。

• GLM 5.2 — $0.76 / $2.42，1M，AA 指数 53。 Z.ai 的开放权重模型，拥有 1M 上下文窗口，价格仅为闭源旗舰模型的一小部分。

• Gemini 3.6 Flash — $1.50 / $7.50，1M，AA Index 52。速度之选：在该指数中输出速度排名第 2，约 238 tokens/秒，专为延迟受限、高吞吐量的循环调用而设计。

• GPT-5.6 Luna — $0.10 / $0.60, 1M, AA Index 52.同一家族，便宜五十倍：小模型的价格，中档的指数得分。

• DeepSeek V4 Flash — $0.09 / $0.18, 1M, AA Index 52. 此列表中价格最便宜且拥有前沿级上下文窗口的模型：一个2840亿参数、130亿激活参数的开源权重专家混合模型。

What landed after this list was written

The lineup above was read on August 10, 2026. Two models have been added to the catalogue since, and both carry Intelligence Index v5.0.1 scores — a different evaluation set from the v4.3 numbers in that snapshot, so read them as a separate cohort rather than as a re-ranking of it.

• Gemini 4 Carbon — $2.00 / $10.00, 1M context, index 60, #4 of 78. Multimodal input including audio and video, a 65K output ceiling, and cache reads at $0.100 per 1M: the cheapest way on this page to put a million tokens of mixed media in front of a model that scores 60.

• Claude Fable 5.2 — $8.00 / $40.00, 1M context, index 65, #1 of 78. The strongest score on the current evaluation set and the most expensive entry on this page, with a 128K output ceiling, always-on thinking and cache reads at $0.200 per 1M.

如何筛选列表

没有人想要300个型号；他们想要的是合适的那一个。三个过滤器完成了大部分工作，实时目录正是围绕这些而构建的。

• 首先按能力筛选。 从模型需要完成的任务开始。硬推理和长智能体循环 → Claude Opus 5 或 Claude Fable 5。仓库级编码 → 编码指数领先者，Claude Opus 5 和 GPT-5.6 Sol。延迟受限的自动补全 → Gemini 3.6 Flash。如果提示词可能包含图像，请先排除所有纯文本模型——仅这一项筛选就能立即排除 DeepSeek V4 Flash。

• 其次，按价格筛选。本月的价格跨度从免费（NVIDIA 的 Nemotron 各档位、Google 的 Gemma 4 31B 免费档）到 Claude Fable 5 的 $10 / $50——是最低价的百倍以上。大多数生产负载集中在实用的中间区间：DeepSeek V4 Flash 和 GPT-5.6 Luna 低于 $0.20 / $0.60，Claude Sonnet 5 和 Qwen3.8 Max 在 $2 左右，旗舰模型的输入价格为 $3–$10。一个无法展示这种价格跨度的筛选器，称不上是价格筛选器。

• 第三：按上下文窗口筛选Claude Haiku 4.5 的上限为 200K；大多数前沿模型为 1M；Llama 4 Scout 可扩展至 1.3M，Grok 4.20 可达 2M。但宣传的上下文窗口只是上限，并非保证——越接近上限，质量就越差，所以要留出余量。如果您的输入是 150K tokens，200K 的模型就是陷阱，而非合适之选。

实时列表的所在之处

博客文章中的每个表格——包括本文——都是一份快照，而在当前这个市场中，快照一周内就会过时。列表的实时版本位于 OrcaRouter 的 /models 页面：一个 API 密钥即可访问 200+ 个模型，侧边栏提供提供商、上下文和价格筛选器，顶部有模态选项卡。该页面拥有而所有榜单文章都缺乏的特性是：它是真实的目录，而不是粘贴的副本。前沿模型在供应商宣布后大约一天内就会出现在那里，开放权重模型则在几天内；显示的价格是实时上游费率，以 0% 加价转传——页面上写什么，您的账户就按什么计费。这也是用一个密钥路由 200+ 个模型的意义所在：当列表发生变化——而且它每周都会变——您的代码不需要变。一份契约、一种 API 形态，唯一会变动的只有 model-id。

当列表误导你时

这些列让列表变得可用，但也制造了虚假的信心。在你信任任何一行之前，有四个陷阱值得指出。

• 最新并非最好。上周发布的模型并不自动就是正确的选择。指数会随着变体和投入水平的变化而重新计算，一个经过验证且内置故障转移的模型，在发布当天就胜过全新的模型。

• 价格不等于能力。 GPT-5.6 Luna 以 $0.10 / $0.60 的价格获得了 52 的指数——与价格高出十五倍的 Gemini 3.6 Flash 仅一个点之差——在两者都能胜任的任务上。高端套餐购买的是尾部极端情况，而非平均情况。

• 上下文长度是宣传出来的，而非实际赢得的。 1M 窗口并不意味着模型能很好地利用 1M 个 token。应将这个数字视为上限并留出余量，而非质量承诺。

• 单一指数掩盖了差异。同一指数下的两个模型在推理、编码和智能体套件中得分各异。榜单给出的是首发阵容；按任务排名才决定比赛胜负——这正是最佳编程LLM指南的全部论点，也是同一模型无法在每个任务中都获胜的原因。

• 开源与闭源之分会改变问题的答案。对于自托管、物理隔离数据或严格成本上限的场景，排名会反转：GLM 5.2、Qwen3.8 Max 和 DeepSeek V4 Flash 会变得比它们在索引中的位置所显示的更具吸引力，因为你完全不需要按 token 付费。

简短版

一份LLM模型列表的价值，取决于其各列所承载的信息。当前前沿模型——Claude Opus 5、Claude Fable 5、GPT-5.6 Sol、Kimi K3、Qwen3.8 Max、Claude Sonnet 5、Grok 4.5、GLM 5.2、Gemini 3.6 Flash、GPT-5.6 Luna 和 DeepSeek V4 Flash——价格跨度约为百倍，上下文窗口从200K到2M。先按能力筛选，其次看价格，再次看上下文。当“哪个模型更好”的答案不断变化时，别再死记快照：请使用实时 /models 目录，那里有200多个模型，只需一个密钥即可按列表原价使用。这个页面一周内就会过时，而 /models 页面上的列表不会。