本周 AI 圈的头条只有一个：谷歌 Gemini 4 Carbon 以 59 分登顶 Artificial Analysis 智能指数 v5.0（10 月 28 日）。但刷屏归刷屏，多数人今天买不到它——没有 API、没有 Gemini 应用入口，目前仅向少量经审核的网安防御者开放（Fairwind 计划），介绍价 $2/$10 没有截止日，主要因为你根本无处下单。Carbon 的发布事件与安全故事，本站热点篇已专文记录，这里不重复跑分细节；本文管的是另一道更实际的问题：现在能下单、能充值、能调 API 的旗舰大模型，到底怎么选。眼下做这轮横评正逢其时：v5.0 新榜 10 月 27 日才重榜，市面上旧对比文里的分数几乎全部过期，正好用同一把新尺子把能买到的旗舰重新量一遍。
先立尺子：只在 AA v5.0 单榜内比，旧分数全部作废
选型第一件事是统一尺子。Artificial Analysis 于 10 月 27 日发布智能指数 v5.0：知识工作、编程、科学、通用推理四个领域各占 25%，私有数据或隐藏答案的评测权重提到 60%。规则一改，旧榜数字全部作废——10 月上旬钛媒体等报道里「Argon 得 53 分、与 Astra 持平」是 v4.3 旧榜口径，v5.0 下 Argon 是 50、Astra 是 57；同样作废的还有 Kimi K3.1 Pro 旧榜「总榜第 4」的说法，v5.0 下它是 46 分。
本文所有分数只在 AA v5.0 这一张榜内比较，不与 Arena 等其他榜单混表；仅出现一次的谷歌自报 Vals Index，会明确标注是「谷歌自报的另一套榜单」。顺带定位 Carbon：59 分更高，但买不到，可买阵营的最高分是 58。
总表：五个可买旗舰一次看清
价格为各厂商官方页口径、截至 2026-10-30 抓取；其中 Astra 与 Sol 的价格经第三方转引 OpenAI 模型页核验，OpenAI 官方定价页本次未能直接抓到。
| 模型 | AA v5.0 总分 | 输入/输出（$/百万 token） | 缓存 | 上下文 | 可得性（2026-10-30） |
|---|---|---|---|---|---|
| Claude Opus 5.5（Anthropic） | 58（max 档） | $4/$20 | 缓存读 $0.20，写入 1.25 倍输入价 | 1M（单次输出 128K） | Claude API、Bedrock、Google Cloud、Azure Foundry、Claude 应用、Claude Code，均已 GA |
| GPT-6 Astra（OpenAI） | 57（max 档） | $10/$50 | 缓存读 $1.00、写 $12.50 | 1,050,000（单请求输入上限 922K） | OpenAI API（工具调用走 Responses API）、ChatGPT Pro 各档，均已 GA |
| GPT-6.1 Sol（OpenAI） | 55（max 档） | $2/$10 | 缓存读 $0.10、写 $2.50 | 1,050,000（同 Astra） | 同 Astra，均已 GA |
| Gemini 4 Argon（谷歌） | 50（high 档） | 介绍期 $2/$10，12-01 起 $4/$20 | 缓存输入 $0.10（12-01 起 $0.20），95% 折扣，仅隐式缓存 | 1M（长解码单次输出最高 1M） | Gemini API（付费层）、Vertex、AI Studio、Gemini 应用、Antigravity，10-13 起全球 GA |
| Kimi K3.1 Pro（月之暗面） | 46（开源权重阵营第一） | ¥13/¥68（高速版 ¥26/¥136），按刊例折算约 $2/$10 | 缓存命中 ¥1.30 | 1M | Kimi 开放平台 API、kimi.com/Kimi App/Kimi Work/Kimi Code；权重 11-04 前发布 |
Claude Opus 5.5：可买阵营的分王，也是账单天花板
按 Anthropic 官方页口径，Opus 5.5 于 9 月 22 日发布，定价 $4/$20——较 Opus 5 的 $5/$25 降了 20%，缓存读取 $0.20 更是降了 60%；1M 上下文，单次输出上限 128K。能力上它是可买阵营的榜首：v5.0 总分 58（max 档），AA Coding Agent Index 上 Claude Code 搭 Opus 5.5 拿 62 分居首；v5.0 的单项里它还领先 FrontierCode 2.0（46%）与 HLE-Diamond（68%）。渠道也最广：四大云厂商、Claude 应用、Claude Code 都能调。如果不迫切需要顶格智力分，Anthropic 自己给了下行阶梯：同家族的 Sonnet 5.5 于 9 月 29 日发布，价格是 Opus 5.5 的一半，Haiku 5.5 则在 10 月 7 日跟进——很多任务的性价比解法在自家低档位，不必句句都请 Opus。
但有两条必须写清楚。第一，Opus 5.5 默认 medium effort——AA 口径下，低推理档只有 35 分、单任务成本 $0.98，开到 max 档才是 58 分、$10.04。分数与思考预算挂钩，同一个模型不同参数档，价差十倍。这是本文最重要的选型洞见：先问你的任务在哪个推理档就够用，再谈旗舰选型。第二，可靠性上有个扎眼的数字：AA 独立测量的「硬答率」（答错时硬给错误答案而非承认不知道）为 50%，与 Astra 并列最差；官方自报的行为审计、抗提示注入等是另一套口径，两者不能互相抵消。
GPT-6 Astra 与 6.1 Sol：两分之差，五倍价钱
Astra 是 GPT-6 系列最贵最强档，9 月 3 日发布，v5.0 下 57 分（max 档），只比 Opus 5.5 低一分。单项亮点在科学：Terminal-Bench-Science（63%）与 CritPt v2（72%）均为 v5.0 内领先。价格按 OpenAI 模型页口径（经第三方转引核验）为 $10/$50，缓存读 $1.00、写 $12.50；上下文 1,050,000，但单请求输入上限 922K，且单请求输入超过 272K 后整个请求按输入/缓存 2 倍、输出 1.5 倍计费——百万上下文能用，但不按基础价。另一个企业级提醒：OpenAI 官方口径下，Astra 是其 Preparedness Framework 中首个达「Critical」网安能力档的模型，权限与审计设计要前置。
真正的性价比选手是旁边那位。GPT-6.1 Sol 于 9 月 29 日 DevDay 发布，$2/$10、缓存读 $0.10，总分 55，与 Astra 只差两分；官方定位是「接近 Astra 的编码、计算机操作与专业工作表现，价格约五分之一」。迁移面上也没有悬念：GPT-6 Sol 的官方文档页已把用户指向 6.1 Sol，新项目没有理由再从上一代起步。速度有代价：Astra 的 Fast 模式按 2 倍计费，Ultrafast 模式更是 6 倍标准价且仅向 Pro 500 与 Enterprise 客户开放；反过来 Batch 与 Flex 路线半价，不赶时间的批处理账单直接砍半。有第三方测算过典型 agent 请求（2 万输入含一半缓存、2K 输出）：每千次 Astra 花 $210，Sol 只花 $41。同一场景下缓存读价差十倍——agent 反复挂系统提示和工具表时，缓存价往往比标价更决定账单。
Gemini 4 Argon：11 月 30 日前的便宜百万上下文
Argon 的时间线值得记一笔：9 月 30 日发布时先给 Fairwind 计划的网安防御者与谷歌内部（彼时确实买不到），10 月 13 日才全球 GA。眼下是它价格最好的窗口：介绍期 $2/$10 到 11 月 30 日截止，12 月 1 日起翻倍至 $4/$20；缓存输入 $0.10（12 月 1 日起 $0.20），95% 折扣但仅支持隐式缓存。1M 上下文，长解码模式单次输出最高 100 万 token，五家里输出弹性最大；输入接受文本、图像、视频、音频与 PDF，输出仅限文本，知识截止 2026 年 3 月。不走 API 的订阅用户也有入口：Google AI Pro 每月 19.99 美元起，Ultra 档 99.99 或 199.99 美元，Argon 在 Gemini 应用内限部分国家。
能力画像则是「便宜但偏科」。v5.0 总分 50（high 档），知识工作维度 AA-Briefcase 的 Elo 为 1483，本文五家里垫底；但它的硬答率只有 4%，全场最低——答错时更倾向承认不知道，而不是像 Opus 5.5 与 Astra 那样五五开地硬猜。谷歌自报的 Vals Index（金融/编码/法律/税务）68.9% 第一，注意那是谷歌自报的另一套榜单，不与 AA 分数同表。单任务成本 $7.68 是按介绍期价算的账；12 月 1 日涨价后按 AA 推算约至 $15 以上，届时这份「便宜」要重新核算。
Kimi K3.1 Pro：知识工作榜首，附一条给开源读者的提醒
K3.1 Pro 于 10 月 24 日发布，是 K3 的后训练版本，总参数官方口径「3 万亿级」，媒体与 AA 的精确口径为 2.8T 总参、104B 激活。v5.0 下 46 分，是开源权重阵营第一，但注意：权重 11 月 4 日前才发布，此刻这 46 分不可下载复现，许可证也要等权重落地才公布——想本地跑的开源读者请先按住手。价格以人民币刊例为主：输入 ¥13、输出 ¥68，缓存命中 ¥1.30，高速版翻倍；按刊例折算约 $2/$10。单任务成本 $3.68，是 AA 口径下的全场最低。
它的王牌在知识工作：AA-Briefcase Elo 1678 居首（本文只采 AA 官方文章口径，不并列表述不同的媒体说法）。编程端，AA 测其 Terminal-Bench 4.0 拿 67.2%，为该口径下最高——这项基准存在多个测量口径，边界一节细说。可靠性方面，AA 独立测量的幻觉率为 44%，较 K3 的 53% 有改善，但与 Argon 的 4% 差距仍明显；官方自报的 Hallu Bench Hard 事实错误率从 23.4% 降到 8.3%，官方同时注明这不代表日常使用的整体错误率。另外官方明确不发布推进网攻能力绝对前沿的开放权重，攻击性安全能力低于训练本可达到的水平——这段故事本站热点篇已写，不重复。商业节奏上也值得留意：发布时月之暗面正处于约 500 亿美元估值、推进赴港 IPO 的前夜，降价与冲榜同周发生，打法不难读。
成本账：单任务成本比单价诚实
把单价排一排会得出错误结论，把 AA 口径的单任务成本排一排才接近真相：K3.1 Pro $3.68、Astra $6.24、Argon $7.68（介绍期价）、Opus 5.5 max 档 $10.04。买不到的 Carbon 是 $7.76，而且有媒体（The Decoder 转述口径）指出它在金融税务类 agent 任务上耗时是上一代的两倍以上——单价相同不等于单任务成本相同，这个指标本身就内含了行为差异。
三个反直觉的点值得记住。第一，Opus 5.5 标价 $4/$20 不是最贵，但 max 档单任务 $10.04 全场最贵——它想得多，想得多就烧得多；反过来，低推理档 $0.98 能办完的活，没必要开 max。第二，Astra 标价全场最高（$10/$50），单任务 $6.24 反而低于 Opus 5.5——单价高不等于账单高，token 消耗结构才是变量。第三，缓存价是 agent 场景的隐藏账本：Sol 缓存读 $0.10、Opus 5.5 读 $0.20、Astra 读 $1.00，同一个反复挂系统提示的 agent，Astra 的缓存开销是 Sol 的十倍。
选型结论：按人群给答案
- 重编码 agent：Opus 5.5 搭 Claude Code，Coding Agent Index 62 居首，预算给足就选它；成本敏感的编码场景，K3.1 Pro（AA 口径 Terminal-Bench 4.0 67.2%）值得先测一轮再定。
- 重知识工作与中文长文档：K3.1 Pro，知识工作维度 1678 居首、单任务 $3.68 最低，API 现在就能用。
- 重性价比：GPT-6.1 Sol，55 分只比 Astra 低两分，$2/$10 加 $0.10 缓存读，几乎没有争议的甜点位。
- 要「现在就能买到的最强」：Opus 5.5 的 58 分；Argon 适合「要 1M 长上下文且 11 月 30 日前用得上」的场景，12 月 1 日涨价后需要重新评估。
- 中小团队拿不准时：先用 Sonnet 5.5（Opus 5.5 一半价）或 Sol 打底，省下的预算换成顶配档的按需调用——旗舰的正确用法，常常是只给最难的 10% 任务开满推理档。
- 等 Carbon？没有普通开发者开放时间表，选型先按可买模型做，它开放后再重估不迟。
边界与可信度
三件事必须交代。第一，v5.0 把私有或隐藏题的权重提到 60%，动机是防止模型过拟合公开题库，但私有题无法被第三方独立复核，这套方法论在评测圈本身存在争议——分数是参考，不是物理常数。第二，分数随时长变化：10 月 27 日 v5.0 发布当天 Opus 5.5 以 58 居首，10 月 28 日 Carbon 就以 59 登顶，本文数字截至 2026-10-30，之后以官方页为准。第三，官方自报与独立测量必须分开看：Terminal-Bench 4.0 就有四个口径在流传——谷歌自报 Carbon 65.2%、AA 复测 64%、Anthropic 发布表列 Opus 5.5 66.4%、AA 测 K3.1 Pro 67.2%，测量方与 harness 不同，数字不可直接比大小。价格以各厂商官方页为准（抓取日 2026-10-30），其中 OpenAI 官方定价页未能直接核到的部分，本文按第三方转引口径处理。
还有一条时间线提醒：Argon 的介绍价 11 月 30 日截止、12 月 1 日翻倍，K3.1 Pro 的权重 11 月 4 日前落地，Carbon 是否扩大开放没有任何承诺——未来四周内，这张总表的每一列都可能要更新一遍。选型可以今天做，账单记得按当月官方页重算。
常见问题
**Q1：**AA v5.0 是什么？为什么分数和以前看到的不一样？
A1：Artificial Analysis 智能指数第 5 版，10 月 27 日发布，私有/隐藏题评测权重提到 60%，四个领域各占 25%。它与 v4.3 旧榜不可互比：Argon 在旧报道里是 53 分，v5.0 下是 50 分；Astra 对应 57 分。看到对不上的数字，先确认榜单版本。
**Q2：**现在综合最强的可买旗舰是哪个？
A2：按 AA v5.0，Claude Opus 5.5 的 58 分是可买阵营最高（Carbon 的 59 更高但没有 API）。注意档位：Opus 5.5 默认 medium effort，低推理档只有 35 分、单任务 $0.98，冲分要看 max 档（58 分、$10.04）。
**Q3：**预算有限选哪个？
A3：看场景。英文通用任务选 GPT-6.1 Sol（$2/$10、缓存读 $0.10、55 分）；中文与知识工作场景选 K3.1 Pro，单任务成本 $3.68 全场最低，知识工作维度还是第一，且 API 现在可用。
**Q4：**做编码 agent 选哪个？
A4：AA Coding Agent Index 上 Claude Code 搭 Opus 5.5 的 62 分居首；预算敏感时 K3.1 Pro 在 AA 口径的 Terminal-Bench 4.0 拿 67.2%，价格约为前者一半。建议用自己仓库里的真实任务把两条路线各跑一遍再定。
**Q5：**要不要等 Carbon 开放再买？
A5：谷歌没有公布普通开发者与消费者的开放时间表，目前仅向少量经审核的网安防御者开放。务实做法是基于可买模型先上线，Carbon 开放后再重估；它的介绍价 $2/$10 虽无截止日，但前提是你得有地方下单。
延伸阅读
- 先砍攻击力，再开源 3 万亿参数：Kimi 图什么——K3.1 Pro 的安全削减与发布全记录，本文只取其价格与知识工作维度。
- GPT-6 Astra 发布：OpenAI 称迈入 AGI 时代——对比表中 Astra 的发布背景与定位。
- 营收 163 亿净亏 807 亿：Anthropic 招股书真账本——Opus 5.5 降价背后的 Anthropic 财务底色。