萃靈 Essevin
7 月 9 日一天之內：OpenAI 發布 GPT-5.6 全家族，Grok 4.5 向公眾開放，Meta 交出史上第一個收費模型 Muse Spark 1.1。一星期後，Kimi K3 開源登場，數小時內衝上前端榜第一。再過四日，也就是今日，Claude Fable 5 的訂閱新政正式生效。
同一個月，Google 的 Gemini 3.5 Pro 第三次錯過自己定下的發布日。
一個月，塞進了一年的戲。於是一個老問題又被問了一萬次：現在到底該用哪個模型？
這篇文章給出一份有立場的答案：2026 年 7 月 20 日這一天，主流大模型從 GOAT 排到拉完了，每一級都附理由與缺點。先講清楚尺是怎樣量的，再逐級點評，最後拆四個讀榜單最常中的陷阱。
排位之前：三把尺
揀模型跟揀補習老師是同一回事。公開試成績當然要看，但沒有家長只看成績——還要看收費是否合理，以及老師到底教不教你住的那一區。
所以本排位用三把尺，缺一不可：
綜合能力：以 Artificial Analysis Intelligence Index（v4.1，彙整 GDPval、Terminal-Bench、GPQA Diamond 等 9 項評測）為主要基準，輔以單項榜單。
價格：同樣的工作，付出的成本差多少。7 月正值價格戰，這把尺的變動比上把更大。
可用性：今天就用得到，還是仍在「即將推出」。對香港與中國用戶，這把尺還包括「官方到底做不做你的生意」。
一個必須先講的事實：目前綜合榜前十名的分差只有 8.5 分。換言之，山頂上非常擠迫，排位是一張快照，不是判詞。
排位正文
GOAT：Claude Fable 5
Anthropic 6 月 9 日發布、7 月 1 日全球開放的 Mythos-class 旗艦，目前以 59.9 分坐在 Artificial Analysis 綜合榜第一位。長文推理、agentic 任務、程式工程全面在線，是「不想妥協時的預設答案」。
缺點同樣清楚：它屬最貴的一檔，而且訂閱權限一個月內幾經變動——7 月 20 日起納入 Max 與 Team Premium，但只按標準額度的 50% 提供。另一句誠實話：第二名只落後一分。GOAT 是事實，但不是斷層。
頂級：GPT-5.6 Sol・Kimi K3
GPT-5.6 Sol（OpenAI，7 月 9 日發布）：綜合榜 58.9 分，與第一名幾乎貼身。它的敘事不是「最聰明」，而是「更少 token、更低成本做到同級結果」，配合 Cerebras 推理最高每秒 750 tokens，是效率與速度的旗艦。GPT-5.6 起，OpenAI 改用 Sol／Terra／Luna 三檔命名，日後各檔按自己節奏升級。
Kimi K3（Moonshot AI，7 月 16 日發布）：本月最大變數。約 2.8 萬億參數 MoE、1M token context 的開源路線模型，綜合榜 57.1 分排第三；發布數小時內在 Frontend Code Arena 由第 18 位跳上第 1，七個分項拿下六個。價格約為閉源旗艦的三分之一，kimi.com 另設免費檔。
各自的缺點：Sol 的深度綁定在 OpenAI 生態，遷移成本不低；K3 綜合分仍落後兩分餘——單項登頂是真的，全面超越是標題黨。
能用：每日主力層
這一級的共通點：不是榜首，但價格與穩定度令它們成為多數人的日常主力。
模型 | 一句定位 | 一句缺點 |
|---|---|---|
Claude Opus 4.8 | 久經考驗的工作馬，生態與工具鏈最成熟 | 綜合分已被 K3 貼近，光環讓給了 Fable 5 |
Claude Sonnet 5 | 6 月底上市，貼近 Opus 4.8 表現的性價比新主力 | 上市未滿一個月，優惠定價屬限時 |
GPT-5.6 Terra | 日常工作的性價比正解，旗艦八成功力 | 難的任務仍要升級 Sol |
Grok 4.5 | 7 月 8 日上線的 coding／agentic 特化，定價比同級低約六成 | 綜合智能約 54 分，非全能選手 |
DeepSeek V4 | 開源陣營的價格屠夫，大規模調用成本最低 | 風頭被 K3 搶去，生態走弱 |
GLM-5.2 | Z.ai 的 744B MoE，開源 agentic coding 榜首 | 知名度在中國以外仍有限 |
順帶一提 Qwen3.6：授權最自由、單卡可跑，本地部署場景的首選，只是定位已偏離「主流對話旗艦」的賽道。
雞肋：食之無味，棄之可惜
Muse Spark 1.1（Meta，7 月 9 日發布）：Meta 首個收費模型，1M context，主打 agentic 任務，定價低至旗艦的十分之一級。問題出在 Meta 自己的對標名單——GPT-5.5、Opus 4.8、Gemini 3.1 Pro，全是上一代旗艦。用上一代的尺量自己，成績再好看也要打折讀。便宜是真便宜，能否經受時間考驗，8 月再看。
Gemini 3.5 Flash（Google）：模型本身不差，而且對香港用戶有一重特殊意義——Gemini 是少數官方直接服務香港的頂級模型渠道，這是「棄之可惜」的一半。「食之無味」的另一半：旗艦缺席，一個中量級獨力撐場，拿 Flash 對打別家的 Sol 與 Fable，是不對等競賽。
拉完了：Gemini 3.5 Pro
本排位唯一因為「不存在」而墊底的模型。
原定 6 月發布，至今三度跳票；多方報導指原版本因 coding 與 recursive tool-calling 的結構性問題推倒重練；公開 API 至今沒有 gemini-3.5-pro 的蹤影。Google 成為唯一一家沒有 2026 年旗艦在產的大廠。
必須補一句公道話：它一旦正式發布，很可能直接跳回頂級——「拉完了」評的是 2026 年 7 月 20 日的存在狀態，不是 Google 的技術上限。這正是下一節第三個陷阱的引子。
讀榜單的四個陷阱
一・把單項榜讀成綜合榜。「K3 壓過 Fable 5」的正確讀法是「在前端單項壓過」，綜合仍差兩分餘。單項榜選工具，綜合榜選預設——兩張榜答兩條不同的問題。
二・用價錢猜實力。7 月是價格戰月：Sol 定價低於上一代旗艦，能力反而更強；Grok 4.5 便宜六成，不代表縮水六成。價格反映的是競爭策略，不是能力刻度。
三・等一個完美模型。等 Gemini 3.5 Pro 的人已經等了三次。手上的工作不會等人：用今天最好的組合完成今天的事，新王登基之日再換不遲——反正沒有遷移成本的用法（見陷阱四）才是正確用法。
四・把排位當聖旨。包括這一份。最可靠的測試永遠是：拿你自己的真實任務——一份要改的合約、一段要除錯的 code、一份要摘要的會議紀錄——同一條指令餵兩三個模型，並排比較輸出。十五分鐘的實測，勝過十篇排位文，包括本篇。
收尾：這份排位的有效期是一個月
7 月的教訓恰恰是：不要跟任何一個模型結婚。一天三發、開源逆襲、旗艦跳票，全部發生在三十日之內。把不同科目交給不同的老師，每月重看一次成績表，是 2026 年用 AI 的基本姿勢。
8 月版排位會在下月同期更新：屆時 K3 與 Muse Spark 都交出了首月實戰成績單，而 Gemini 3.5 Pro——看看它還在不在這一級。你的 GOAT 是誰？留言告訴我，8 月版會納入讀者投票。
＊本文資料截至發稿日（2026 年 7 月 20 日），僅供一般參考，不構成任何建議；第三方產品之功能、價格與政策，以其官方最新公布為準；Essevin 服務詳情以官網與 console 實際顯示為準。