萃靈 Essevin
7 月 9 日一天之内：OpenAI 发布 GPT-5.6 全家族，Grok 4.5 向公众开放，Meta 交出史上第一个收费模型 Muse Spark 1.1。一星期后，Kimi K3 开源登场，数小时内冲上前端榜第一。再过四日，也就是今日，Claude Fable 5 的订阅新政正式生效。
同一个月，Google 的 Gemini 3.5 Pro 第三次错过自己定下的发布日。
一个月，塞进了一年的戏。于是一个老问题又被问了一万次：现在到底该用哪个模型？
这篇文章给出一份有立场的答案：2026 年 7 月 20 日这一天，主流大模型从 GOAT 排到拉完了，每一级都附理由与缺点。先讲清楚尺是怎样量的，再逐级点评，最后拆四个读榜单最常中的陷阱。
排位之前：三把尺
挑模型跟挑补习老师是同一回事。公开考试成绩当然要看，但没有家长只看成绩——还要看收费是否合理，以及老师到底教不教你住的那一区。
所以本排位用三把尺，缺一不可：
综合能力：以 Artificial Analysis Intelligence Index（v4.1，汇总 GDPval、Terminal-Bench、GPQA Diamond 等 9 项评测）为主要基准，辅以单项榜单。
价格：同样的工作，付出的成本差多少。7 月正值价格战，这把尺的变动比上把更大。
可用性：今天就用得到，还是仍在「即将推出」。对香港与中国用户，这把尺还包括「官方到底做不做你的生意」。
一个必须先讲的事实：目前综合榜前十名的分差只有 8.5 分。换言之，山顶上非常拥挤，排位是一张快照，不是判词。
排位正文
GOAT：Claude Fable 5
Anthropic 6 月 9 日发布、7 月 1 日全球开放的 Mythos-class 旗舰，目前以 59.9 分坐在 Artificial Analysis 综合榜第一位。长文推理、agentic 任务、代码工程全面在线，是「不想妥协时的预设答案」。
缺点同样清楚：它属最贵的一档，而且订阅权限一个月内几经变动——7 月 20 日起纳入 Max 与 Team Premium，但只按标准额度的 50% 提供。另一句诚实话：第二名只落后一分。GOAT 是事实，但不是断层。
顶级：GPT-5.6 Sol・Kimi K3
GPT-5.6 Sol（OpenAI，7 月 9 日发布）：综合榜 58.9 分，与第一名几乎贴身。它的叙事不是「最聪明」，而是「更少 token、更低成本做到同级结果」，配合 Cerebras 推理最高每秒 750 tokens，是效率与速度的旗舰。GPT-5.6 起，OpenAI 改用 Sol／Terra／Luna 三档命名，日后各档按自己节奏升级。
Kimi K3（Moonshot AI，7 月 16 日发布）：本月最大变数。约 2.8 万亿参数 MoE、1M token context 的开源路线模型，综合榜 57.1 分排第三；发布数小时内在 Frontend Code Arena 由第 18 位跳上第 1，七个分项拿下六个。价格约为闭源旗舰的三分之一，kimi.com 另设免费档。
各自的缺点：Sol 的深度绑定在 OpenAI 生态，迁移成本不低；K3 综合分仍落后两分余——单项登顶是真的，全面超越是标题党。
能用：每日主力层
这一级的共通点：不是榜首，但价格与稳定度令它们成为多数人的日常主力。
模型 | 一句定位 | 一句缺点 |
|---|---|---|
Claude Opus 4.8 | 久经考验的工作马，生态与工具链最成熟 | 综合分已被 K3 贴近，光环让给了 Fable 5 |
Claude Sonnet 5 | 6 月底上市，贴近 Opus 4.8 表现的性价比新主力 | 上市未满一个月，优惠定价属限时 |
GPT-5.6 Terra | 日常工作的性价比正解，旗舰八成功力 | 难的任务仍要升级 Sol |
Grok 4.5 | 7 月 8 日上线的 coding／agentic 特化，定价比同级低约六成 | 综合智能约 54 分，非全能选手 |
DeepSeek V4 | 开源阵营的价格屠夫，大规模调用成本最低 | 风头被 K3 抢去，生态走弱 |
GLM-5.2 | Z.ai 的 744B MoE，开源 agentic coding 榜首 | 知名度在中国以外仍有限 |
顺带一提 Qwen3.6：授权最自由、单卡可跑，本地部署场景的首选，只是定位已偏离「主流对话旗舰」的赛道。
鸡肋：食之无味，弃之可惜
Muse Spark 1.1（Meta，7 月 9 日发布）：Meta 首个收费模型，1M context，主打 agentic 任务，定价低至旗舰的十分之一级。问题出在 Meta 自己的对标名单——GPT-5.5、Opus 4.8、Gemini 3.1 Pro，全是上一代旗舰。用上一代的尺量自己，成绩再好看也要打折读。便宜是真便宜，能否经受时间考验，8 月再看。
Gemini 3.5 Flash（Google）：模型本身不差，而且对香港用户有一重特殊意义——Gemini 是少数官方直接服务香港的顶级模型渠道，这是「弃之可惜」的一半。「食之无味」的另一半：旗舰缺席，一个中量级独力撑场，拿 Flash 对打别家的 Sol 与 Fable，是不对等竞赛。
拉完了：Gemini 3.5 Pro
本排位唯一因为「不存在」而垫底的模型。
原定 6 月发布，至今三度跳票；多方报道指原版本因 coding 与 recursive tool-calling 的结构性问题推倒重练；公开 API 至今没有 gemini-3.5-pro 的踪影。Google 成为唯一一家没有 2026 年旗舰在产的大厂。
必须补一句公道话：它一旦正式发布，很可能直接跳回顶级——「拉完了」评的是 2026 年 7 月 20 日的存在状态，不是 Google 的技术上限。这正是下一节第三个陷阱的引子。
读榜单的四个陷阱
一・把单项榜读成综合榜。「K3 压过 Fable 5」的正确读法是「在前端单项压过」，综合仍差两分余。单项榜选工具，综合榜选预设——两张榜答两条不同的问题。
二・用价钱猜实力。7 月是价格战月：Sol 定价低于上一代旗舰，能力反而更强；Grok 4.5 便宜六成，不代表缩水六成。价格反映的是竞争策略，不是能力刻度。
三・等一个完美模型。等 Gemini 3.5 Pro 的人已经等了三次。手上的工作不会等人：用今天最好的组合完成今天的事，新王登基之日再换不迟——反正没有迁移成本的用法（见陷阱四）才是正确用法。
四・把排位当圣旨。包括这一份。最可靠的测试永远是：拿你自己的真实任务——一份要改的合同、一段要调试的 code、一份要摘要的会议纪要——同一条指令喂两三个模型，并排比较输出。十五分钟的实测，胜过十篇排位文，包括本篇。
收尾：这份排位的有效期是一个月
7 月的教训恰恰是：不要跟任何一个模型结婚。一天三发、开源逆袭、旗舰跳票，全部发生在三十日之内。把不同科目交给不同的老师，每月重看一次成绩表，是 2026 年用 AI 的基本姿势。
8 月版排位会在下月同期更新：届时 K3 与 Muse Spark 都交出了首月实战成绩单，而 Gemini 3.5 Pro——看看它还在不在这一级。你的 GOAT 是谁？留言告诉我，8 月版会纳入读者投票。
＊本文资料截至发稿日（2026 年 7 月 20 日），仅供一般参考，不构成任何建议；第三方产品之功能、价格与政策，以其官方最新公布为准；Essevin 服务详情以官网与 console 实际显示为准。