适用于各种预算的最佳 LLM，每日更新

原文 ↗ Hacker News 讨论 ↗

一个按成本图表展示“大模型最佳选择”的网页工具正在引起关注，但也因数据过时以及使用简单的“每百万 token 成本”指标而受到批评。评论者认为，现实中每个完成任务的成本、订阅额度和缓存定价要重要得多，很多人反而更依赖 Artificial Analysis 或自己的基准来挑选模型。讨论串还突出了用户群体的分化：一边是依赖便宜 API 访问中国模型或中端模型（如 DeepSeek 和 Qwen）的人，另一边是投资本地硬件运行开源模型的人，大家都在平衡能力、延迟、隐私和真实成本。

对该网站的总体反应

  • 人们欣赏一种干净、可视化的模型比较方式，但很多人觉得数据过时或具有误导性。
  • 编程和数学标签页落后于当前发布内容（例如，仍把 GPT‑5.2 显示为数学前沿模型，缺少或仅部分缺少 Opus 5.5 和更新的 DeepSeek 模型）。
  • 有人说这感觉像是 Artificial Analysis（AA）的一个薄包装版本，功能更少、细节更少。

对成本指标的批评

  • 主要抱怨：每 100 万 token 成本“过于天真”。
  • 用户认为真正重要的是：
    • 每个任务的成本，而不是每个 token 的成本。
    • 一个模型为了达到给定质量所需的 token 数量（冗长度、“思考”长度）。
    • 缓存定价，这在编程和 agentic 工作流中可能主导成本。
  • AA 的“每任务成本”和 token 使用图表经常被提及为更优；一些人指出了显著差异（例如，某些前沿模型每个任务使用的 token 是同类模型的 4–5 倍）。

订阅 vs 按 token 计费的 API

  • 许多人自掏腰包：
    • 有些人通过 DeepSeek/OpenRouter 每月只花几美元，并觉得比订阅更便宜。
    • 另一些人会很快用掉每月 100–200 美元的订阅额度，然后回到便宜的 API。
  • 权衡：
    • 订阅通常在单位价值上好得多，但限流不透明或会突发。
    • API 每个 token 成本更高，但提供可靠性、自动化和多供应商灵活性。
  • 人们希望有工具把订阅额度也纳入考虑，并帮助优化“使用额度效率”。

本地模型 vs 云端模型

  • 有些人强烈偏好本地模型，并不理解为什么要把钱“扔给”SaaS。
  • 另一些人则回应说：
    • 高端模型（Astra/Fable/Opus 级别）在本地不可行。
    • 硬件加电费可能会让本地推理的成本接近，甚至高于像 DeepSeek Flash 这样的超便宜云模型。
  • 多位用户分享了具体的本地配置（配有 32–128GB 内存的 Mac；运行 Qwen/Gemma/Bonsai 的 GPU），把它们用于后台编码、规划和“杂务”任务。

基准测试、细微差别和期望功能

  • 对任何单一数值排名都持怀疑态度；误差范围和聚合会让结果变得噪声很大。
  • 诉求包括：
    • 多维度指标（冗长度、持续性、“提前思考”、循环行为）。
    • 面向单个用户、特定任务的评测套件。
    • 把硬件、VRAM、本地 vs 云端，以及实际套餐优惠纳入考虑的工具。
  • 即便底层方法更弱，一些人仍然觉得这个网站的呈现方式比 AA 更直接可操作。