GPT-5.6 SolGPT-5.6 TerraGemini 3.5 FlashClaude Opus 4.8Claude Fable 5GPT-5.4GPT-5.6 LunaGPT-5.5GLM 5.2Claude Sonnet 5Kimi K2.7 Code
DeepSwe（代码/Agent类能力）最新评测榜单公布了各家模型的 Pass@1 成功率、平均成本、输出Token量和交互步数。
在生产环境挑模型，我有一条铁律：只要 Pass@1 跨过 65% 这个高可用基线，剩下的只看价格。
📊 核心评测数据
| 模型 (Model) | 成功率 (Pass@1) | 平均成本 (Avg Cost) | 消耗Token量 | 交互步数 |
|---|---|---|---|---|
| gpt-5.6-sol | 73% | $8.39 | 60k | 61 |
| claude-fable-5 | 70% | $21.63 | 119k | 88 |
| gpt-5.6-terra | 70% | $4.95 | 72k | 76 |
| gpt-5.6-luna | 67% | $3.03 | 73k | 102 |
| gpt-5.5 | 67% | $7.23 | 46k | 82 |
| claude-opus-4.8 | 59% | $13.22 | 135k | 120 |
| claude-sonnet-5 | 54% | $26.40 | 214k | 268 |
| gpt-5.4 | 52% | $5.65 | 71k | 70 |
| glm-5.2 | 44% | $3.92 | 78k | 129 |
| gemini-3.5-flash | 37% | $7.34 | 276k | 86 |
| kimi-k2.7-code | 31% | $2.82 | 59k | 149 |
🏆 过线模型成本厮杀
只要跨过 65% 成功率，就可以直接按 API 账单排座次。
1. 极致底价：gpt-5.6-luna
gpt-5.6-luna 拿到 67% 的准确率，完全持平前代旗舰 gpt-5.5，但单次调用成本压到了 $3.03。 对比全场最便宜的 kimi-k2.7-code（$2.82），luna 只多花了 2 毛钱，就把成功率从 31% 硬生生拉到 67%。日常跑任务，闭眼选 luna 最省钱。
2. 高配平替：gpt-5.6-terra
如果业务场景咬死 70% 的准确率，往上看一档是 gpt-5.6-terra。 它的单次成本是 $4.95。对比同样考到 70% 的 claude-fable-5（$21.63），terra 的账单连后者的四分之一都不到。
3. 攻坚首选：gpt-5.6-sol
如果需求是最高成功率、最少交互步数，gpt-5.6-sol 交出了 73% 成功率、仅需 61 步的成绩。花 $8.39 解决核心疑难杂症，一点都不亏。
4. 建议弃用的高价模型
过了 65% 的及格线，有些旧模型和高溢价模型完全不值得调用。
- gpt-5.5：同样的 67% 准确率，收费 $7.23。建议全切 luna。
- Claude 全系：claude-fable-5（70%）要 $21.63，而 claude-sonnet-5（54%）更是开出了全场最贵的 $26.40。在当前评测的测试题库里，纯纯的 API 账单刺客。
💡 选型落脚点
- 铺量/高频调用：gpt-5.6-luna（$3.03 / 67%）。
- 复杂任务兜底：gpt-5.6-terra（$4.95 / 70%）。
- 顶尖难题：gpt-5.6-sol（$8.39 / 73%）。
基线下看质量，基线上拼成本。这笔账算清楚，每个月的 API 账单能砍掉大半。
(数据：DeepSwe)