这个对比器怎么用

上面的选择区列出了当前收录的模型，点一下名字就加入对比，最多同时并排 4 个，再点一次取消。 默认帮你选好了前三个，方便直接开始。每张对比卡上显示的就四件事：输入价、输出价、上下文窗口，以及是否多模态； 下面的备注栏用来放那些「一句话不说清楚就会算错账」的信息，比如这个价是哪一档上下文的价、缓存命中之后能便宜到什么程度、 同系列还有没有更轻的档位。价格按各厂商官方原文的币种显示——海外是美元、国内是人民币， 并排时别只看数字大小，$2 和 ¥2 差着一个汇率。

用法上有个小建议：不要一上来就把四个都勾上瞎看。先按你的硬约束筛一轮—— 比如「必须吃得下 20 万 token 的长文档」或者「必须能读图」，不满足的直接出局； 剩下的再选 2 到 3 个做细看。约束筛完之后往往只剩两三个候选，这时候的对比才有意义。

该看哪几个维度

第一是输入价和输出价要分开看。几乎所有厂商的输出价都明显高于输入价，两者的比例还各不相同。 这意味着「哪个便宜」这个问题没有统一答案，它取决于你的任务形状：做长文档摘要、检索增强问答这类重输入轻输出的活， 输入价才是大头；做内容生成、代码补全、长回复对话这类输出占比高的活，输出价的权重会被放大好几倍。 拿两个模型比价之前，先估一下自己单次请求的输入输出 token 大致比例，再决定该盯哪一栏。

第二是上下文窗口要按真实需求看，不是越大越好。窗口是能力上限，不是免费的。 很多国产模型按上下文长度分档计费，基础档和长文档的单价能差出一截，卡片上标的多是基础档价格， 真跑长上下文的时候账要重算。如果你的业务用不到那么长，选一个窗口刚好够用的模型往往更划算； 反过来，如果你必须整篇塞进去，那窗口不够的模型再便宜也是零分。

第三是多模态标记只回答「有没有」，不回答「好不好」。 它告诉你这个模型是否支持文本以外的输入形态，用来做第一轮硬性筛选。至于图片理解到底达不达得到你的要求， 这件事本页不做判断，也不该由任何横向表格来判断，只能你拿自己的样本去试。

第四是备注里的计费细节，往往比标价更能决定月账单。 缓存命中的折扣、轻量档的存在、分档的门槛，这些都不是花边信息。 如果你的请求里有大段固定不变的系统提示词或知识片段，缓存命中的优惠可能直接把输入侧的成本压掉一大截； 如果你的任务其实简单，同系列的轻量档就够用，那盯着旗舰型号比价本身就是选错了赛道。

核心观点：别看排行榜，看你自己那条验收线下的单位任务成本

这一页刻意不放任何跑分和排名，原因很直接：榜单衡量的是通用能力的平均表现，而你要付钱的是你那一个具体任务的成功率。 这两件事经常不一致。一个在综合榜上更靠前的模型，放到你那批带着行业黑话、格式古怪的真实数据上，未必比一个更便宜的模型做得好； 反过来也一样。看榜单选型，本质上是拿别人的评测集替自己做决定。

更靠谱的做法是先把验收线写下来：什么样的输出算合格？字段抽全了算合格，还是必须字段全对且格式可解析才算？ 验收线定死之后，拿 2 到 3 个候选模型跑同一批你自己的真实样本，记三个数——通过率、平均输入 token、平均输出 token。 三个数一到手，就能算出真正该比的那个指标：单位合格任务成本，也就是「一次调用的花费 ÷ 通过率」。 通过率八成的模型，实际每拿到一个合格结果要付出的钱是标价的 1.25 倍；通过率五成的模型，是标价的两倍。 便宜模型的单价优势，很容易被返工和重试吃干净——这笔账怎么算，可以看 降级模型省钱前先算清楚的那笔账。

按这个口径算完，结论常常是分层而不是二选一：简单、量大、容错高的请求交给便宜模型， 难的、关键的、错了代价大的请求才走贵的那档，中间用规则或轻量判据分流。 整体选型思路可以延伸阅读 按成本而不是榜单来选模型。 最后再重申一次：本页只是帮你把可核对的事实并排放好，方便做第一轮筛选； 真正的决定要靠你自己那批样本跑出来的数据，而具体规格与价格，请以各厂商官方页面当次显示的为准。