首页
主流 AI 工具的真实场景对比测试，含独家数据与对比表格。
本篇不比能力、只算账，主题是 Agent 长上下文与多轮轨迹的上下文成本（与站内 8-26 图像模型能力横评、批次 22 的图像成本账明确分工）。开篇给出可复算的单轮成本公式，并点明常驻前缀是每轮都要重付的那一笔。随后横向对比五根杠杆——前缀缓存、KV Cache 压缩与稀疏注意力、上下文压缩折叠、工具输出裁剪、轨迹重放改增量提交——各自的收益量级、实现成本、风险与适用场景，配五杠杆对照表与三类场景（单任务 10 轮工具调用、长轨迹编程 Agent、批量离线任务）成本结构表，并按个人、小团队、批量三种量级给出杠杆优先级。所有单价一律符号化（P_in / P_out / P_cache）或标注「以官方定价页为准」，量级判断均标注工程估算口径，不伪装成实测。冷思考：厂商的「降本 X%」通常是特定 workload 下的最优值，真正决定账单的是缓存命中率、上下文分布与工具输出长度，建议自建度量而不是采信发布数字。
ChatGPT Images 2.5 与蚂蚁开源 LLaDA-Image 同周撞车，文生图进入闭源 API 与开源自部署的分野期。本篇不算画质、只算成本与可控性账：闭源 API、开源权重自部署、第三方按秒计费平台、本地消费级硬件、国产云 API 五条路线，按 100 张/天与 10000 张/天两档量级推算单张成本，配对比表与分场景选型（个人玩票/电商批量/数据敏感/需微调品牌风格/追求最强画质），并点名许可证未标注、按秒计费冷启动、中文渲染、数据出境四类坑。与站内 8-26 推理式图像模型能力横评明确分工，代表性对比非亲自压测，价格以官网为准。
英伟达收购 Hugging Face 后，"开源模型放哪儿、跑哪儿"成为必答题。本篇横评五个模型托管与分发平台：Hugging Face（Hub+Spaces+Inference Providers）、ModelScope 魔搭（国内合规与下载优势）、Replicate（按秒计费一键 API 化）、fal.ai（生成式推理见长）、OpenRouter（多模型聚合路由）。含官网 2026-09 快照价格（HF PRO \$9/月、Replicate T4 \$0.000225/秒、fal Serverless H100 低至 \$1.89/时等）、大对比表与分场景选型；并声明与站内 API 网关横评的上下游分工。代表性对比，非亲自压测。
CodeArena 是 LMArena 运营的前端编程榜（端到端生成 Web 应用，人类偏好 Elo）。截至 2026-09-03 真实格局：Claude Fable 5.1 以 1765 领榜（\$40/M），Qwen3.8-Max-0902 首日 1691、现约 1688（\$5/M，仅 1/8 价逼近前排），Gemini 3.8 Flash 1567（廉价版 #18），Kimi K3 约 1674；GPT-6 Astra 刚 9/3 发布、编程分待更新。核心启示：Elo 是偏好非正确率，选模型要看性价比与自身需求。
GPT-6 Astra 发布后，把四大同档旗舰放一张表硬核横评：Astra、Claude Fable 5.1、Gemini 3.8 Flash、GPT-5.6 Sol。结论分维度：推理数学 Astra 近乎满分（FrontierMath T4 97.6%、ARC-AGI-3 99.9%），Sol 的 ARC-AGI-3 仅 7.8%；编码 Agent 必须分版本看 Terminal-Bench——Astra 4.0 版 57.9% 居首，Gemini 在 2.1 版 89.4% 但 4.0 版仅 19.1%；SWE-bench Pro 上 Fable 5.1 的 81.2% 最高；计算机使用 OSWorld 2.0 Astra 72.6% 领先；网络安全 ExploitBench Astra 100%；对齐越权率 Astra 0% 对 Sol 48% 是最大鸿沟。性价比：优惠期 Gemini \$0.75/\$3.75 最低，Astra 与 Fable 同为 \$10/\$50。
2026 年 8 月底至 9 月初，Gemini 3.8 Flash、Qwen3.8-Max-0902、Muse Spark 1.3、Claude Fable 5.1 与 GPT-5.6 Sol 扎堆发布，构成一轮"coding agent"军备竞赛。横评按价格哲学分两档：便宜工作马（Gemini $0.75、Muse $1.25）拼单任务成本；高端前沿（Fable $10/$50、GPT-5.6 Sol $4/$20）。最大陷阱是基准版本碎片化——Qwen 用 TerminalBench 3.0、Fable 用 4.0、其余用 2.1，绝不可摆在一列硬比；本文所有表严格按版本拆分。价值标杆：Muse（智能指数 61、单任务约 $0.40）与 Gemini（近 Opus 5 编码、单价 1/7）最划算；Fable 5.1 拿下 agentic 科学（Terminal-Bench-Science 52.6%）与 SWE-bench Pro（81.2%）。分数均厂商/第三方口径，未确认项已标注。
2026-09-01 Fable 5.1 把 cache read 单价从 $1 降至 $0.25/M（降幅 75%），社群欢呼"agent 更便宜"，但账单是单价乘以 token 结构：cache read 占比越低，降幅落到总成本越有限。本文拆 token 为四类（fresh input / cache write / cache read / output），给成本公式，按四种负载档位做敏感性分析——占比 10% 仅省约 7.5%、33% 约 25%、60% 约 45%（基于官方降幅的推演，非实测）。结论：单价只是第四位因素，命中率、布局稳定、轮次与输出长度更关键；六个工程前提把命中率做上去（前缀不变、布局稳定、turn-scoped 指令、服务端裁剪历史、按频率选 TTL、命中率可观测）。跨厂商横向套用须按官网 2026-09-02 快照填六维向量。
凭据从配置项变成了攻击面，但绝大多数团队防线还停在"给 agent 套个沙箱"。本文与站内沙箱隔离横评明确分工：沙箱管"代码在哪跑"，凭据治理管"密钥怎么用、动作谁批、凭据能不能外带"。对比 OpenClaw 2.0、OpenWorker、OpenHuman 与传统密钥托管四套方案，按凭据生命周期六环节（存/用/批/外带/审计/多 agent）拆：OpenClaw 掩码请求 + opt-in proxy 目标白名单；OpenWorker hard floors + 自主权阶梯 + reviewer model + 熔断器，且无人值守绝不自批；OpenHuman Privacy Mode 在 Rust core 强制 + agent 间 E2E 加密。二手数据（SaaS Sentinel 转述，未找到一手报告）显示 1 个 agent 妥协概率 0.24、7 个升到 0.86，风险随数量超线性增长——前提是"任一 agent 提议即执行"。
模型标价至少套着三层衣服，只看标价等于只看最外面那层：时段（DeepSeek 8 月 17 日起峰谷计价，工作日 9:00–12:00 与 14:00–18:00 为高峰、闲时减半、周末全天闲时，同一模型单价差一倍）、缓存（命中前缀缓存的输入 token 单价远低于标准输入，变量不在厂商手里而在你的提示词结构里）、分词（Sonnet 5 换分词器后相同输入映射 1.0 到 1.35 倍 token 数，且倍数随内容类型浮动）。本文统一口径为「综合单价 =（输入单价 + 输出单价）÷ 2」，即假设输入输出 token 数量相等，作为中立起点，再给三种典型负载比重的重算结果，并覆盖 11 个模型的标价、缓存命中价、峰谷价与分词放大后的实际位置。结论不是「哪个模型最便宜」，而是「不存在最便宜的模型，只存在对你这个负载最便宜的模型」——脱离输入输出比重、缓存命中率与内容类型给出的比价，只是在比标价而非比成本。国内模型价格来自 2026-08-24 逐页复核、8-28 再复核的官方定价页速查表，海外价格来自 2026-08-31 汇总，存在口径冲突的项目文中逐条标注。未做实际调用压测。
长上下文的注意力成本，各家是用不同办法打下来的——本篇按「架构路线」而非参数或价格给开放权重旗舰分个类。主角 Qwen3.8-Flash-Next 走 GDN 压缩历史 + QSA 微块粒度挑重点的混合路线（125B 主模型 + 51B N-gram embedding，每 token 激活 6B，原生 262,144 可 YaRN 外推到 1M）；对照 Hy4 preview 的 Gated DSA 加 IndexCache 跨层索引复用、GLM-5.3-Flash 的稀疏与线性注意力混合、以及 DeepSeek 的 DSA 路线。路线分野归纳为三类：稀疏挑 token、线性/递归压缩、以及两者混合；再用参数、激活比、上下文、许可证与 API 价格快照做辅助列。与站内两篇旧横评分工：那两篇分别算 320B 级 API 价格账与 700B-2.8T 级部署门槛账，本篇只算架构路线账。选型结论给出五条场景路线，并提醒一句：激活比省的是算力，注意力机制决定的是长上下文能不能用得起；协议未确认的模型，商用前先查模型页。