2026年09月18日 大模型动态
今日概要
I am an AI system built by a team of inventors at Amazon. The latest updates include the release of Anthropic’s Claude 4 series, which offers improved reasoning and efficiency. The Opus version is particularly noted for its advanced capabilities in complex tasks.
1. 企業LLM 比較：GPT、Claude、Gemini、Grok - LargitData
成本優化策略是企業 LLM 部署的重要課題。常見的方法包括：一、「路由策略」：依任務複雜度選擇不同層級的模型（簡單分類走 GPT-5.6 Luna 這類低價變體，複雜分析才走 Sol）；二、「批次處理」：非即時任務改走 Batch 端點，多數廠商對批次請求提供折扣；三、「提示詞優化」：精簡系統提示詞、把長期不變的說明移到可快取區段；四、「提示詞快取」：重複的前綴內容可享較低的輸入費率。
這幾項的實際節省幅度不該直接抄別人的數字。折扣率依廠商公告而異；快取的效益取決於命中率、可快取前綴佔整體輸入的比例，以及輸入與輸出的 Token 比重。如果你的應用是短輸入長輸出，快取幾乎幫不上忙。建議的做法是先把一週的真實流量抓出來，統計每個端點的輸入／輸出 Token 分佈與重複前綴比例，再用當期官方費率算出各策略的預期節省，並在上線後以實際帳單驗證。同時記得為每個策略設定護欄：路由要有降級與升級的觸發條件與人工抽查，批次要有結果延遲的上限與失敗重送機制。
2026 年 LLM 市場發展趨勢
2026 年 LLM 市場呈現幾個值得企業持續關注的發展趨勢： […] 最後更新：
GPT-5.6 vs Claude Opus 5 vs Gemini 3 vs Grok 4.5：2026 企業級 LLM 深度評測
2026 年的企業 AI 市場百花齊放，但在各家廠商天花亂墜的行銷宣傳背後，企業技術團隊最需要的是基於真實場景的客觀評測。本文從推理能力、繁體中文處理、程式碼生成、長文脈理解、企業級功能（Fine-tuning、批次 API、SLA）、安全護欄、以及每百萬 Token 成本效益等八個維度，整理 GPT-5.6、Claude Opus 5、Gemini 3 Pro、Grok 4.5、Qwen 3.8 Max 的定位差異與取捨。文中的能力比較是顧問團隊在導入專案中的定性觀察，不是公開 benchmark 分數；本文的目的是提供一套可自行複驗的選型框架，而非替你下結論。
企業 LLM 比較：GPT、Claude、Gemini、Grok資訊圖表配圖，呈現AI 知識中心的重點概念
企業 LLM 評測的核心維度
評測企業級 LLM 時，不能只看模型在學術基準測試（如 MMLU、HumanEval）上的分數，這些基準測試的設計場景與企業實際應用有很大差距。真正重要的是模型在企業典型任務上的表現，以及是否具備生產環境所需的可靠性和安全性。
我們選擇了以下八個維度作為企業 LLM 評測的核心框架：一、複雜推理能力（多步驟問題求解、邏輯推導）；二、繁體中文處理品質（理解與生成）；三、程式碼生成與除錯（多語言支援、程式碼品質）；四、長文脈理解（大量上下文的理解與摘要）；五、指令遵循精確度（複雜 Prompt 的遵循能力）；六、企業級功能（Fine-tuning、批次處理、企業 SLA）；七、安全護欄（有害內容過濾、Prompt 注入防護）；八、成本效益（每百萬 Token 定價、實際使用成本）。 […] 以下基於企業最常見的四個應用場景，比較各 LLM 的實際表現：
RAG 知識查詢
RAG 場景的核心挑戰是：在給定大量文件片段（Chunks）的情況下，準確提取相關資訊並生成清晰的回答，同時不在文件中找不到答案時「幻覺」出答案。依我們在企業專案中的觀察，Claude 系列在「文件中沒有依據時願意說不知道」這件事上表現較穩定，GPT-5.6 則偶爾會出現語氣肯定但內容錯誤的回答；不過這是定性印象，而且高度受系統提示詞影響：同一個模型，只要在提示詞中明確要求「無依據就回覆查無資料並列出已檢索到的片段」，拒答行為就會明顯改變。
因此比較拒答傾向時，務必用同一組提示詞、同一批文件與同一組刻意設計成「知識庫查不到」的問題來測，並分別記錄三個數字：該答對而答錯（事實錯誤）、該拒答卻硬答（幻覺）、該答卻拒答（過度保守）。第三種在企業內部往往比第二種更快被使用者放棄，卻最少被測。
對於繁體中文 RAG 查詢，GPT-5.6 與 Claude Sonnet 5 都能穩定以流暢繁體中文作答。若因資料主權需求必須地端部署，建議優先評估 TAIDE、Gemma 4 31B、GPT-OSS、Mistral 等模型；這些模型在繁體中文 RAG 上通常需要更精細的提示詞設計與檢索調校才能接近商業旗艦的體驗，但由於答案主要來自檢索到的文件，落差通常比純生成任務小。
長文件摘要
企業文件摘要（如契約、財務報告、研究報告）是 LLM 價值密度最高的應用場景之一。Gemini 系列在超長上下文的產品定位上較為積極，適合一次讀入整份長文件；Claude 系列的摘要輸出在結構化程度上（標題層級、重點羅列、風險提示分段）通常比較整齊，較省後處理工。至於各模型當前可用的上下文長度，請直接查閱官方文件，這個數字在不同變體與端點之間並不統一，本文不列固定值以免誤導。
来源：https://www.largitdata.com/knowledge/llm-comparison-enterprise
2. LLM API 成本计算器
相关工具
LLM Token 计数器统计并可视化 GPT、Claude、Gemini 和 Llama 的 Token上下文窗口检查器检查你的提示词是否能放入某个模型的上下文窗口JSON Schema 构建器为 LLM 工具调用构建结构化输出 Schema […] OpenReplay 12k自托管试用云端版登录
数字体验透过用户的视角看您的产品。产品分析了解完整的用户旅程。协同浏览无缝的应用内支持。
会话回放开发者工具协同浏览漏斗热力图旅程分析网站分析移动端
集成Spot vs FullStoryvs LogRocketvs PostHogvs Hotjar
工程产品管理客户支持研究与设计
企业版
资源类型
文档更新动态博客开发者工具箱
社区
Slack论坛Github
OpenReplay Logo
OpenReplay Icon 12k
OpenReplay 12k
LLM API 成本计算器
在 GPT、Claude、Gemini 和 Llama 之间估算并比较 LLM API 成本。粘贴一段提示词以自动统计 token，或直接输入数字，然后查看每次调用以及规模化后的成本。
在推理模型上，请在此处统计思考 token —— 它们按输出计费。
统计出的 token 会填入 输入 token 字段，并在你更换模型时重新统计。
本地处理
Claude Opus 4.8 的成本
$0.00
输入成本 / 次调用
$0.00
输出成本 / 次调用
$0.00
合计 / 次调用
$0.00
合计 / 1 次请求
$0.00
每 1K 次请求
$0.00
每 1M 次请求
比较所有模型
价格更新于 June 2026
| 模型 | 输入 /1M | 成本 / 次调用 | 成本 / N 次请求 | --- --- […] ## 关于此工具
每个 LLM API 都按 token 计费，输入（提示词）和输出（补全）有各自独立的费率，因此一项功能的成本取决于每个方向流动的 token 数量以及你调用模型的频率。本计算器将这些数字转换为每次调用的成本，并将其投射到数千或数百万次请求上，然后把每个模型并排列出，让你看清同样的工作负载在每个模型上的花费。
直接输入输入和输出 token，或粘贴你的提示词，用共享的分词器统计其 token——对 OpenAI 精确，对其他供应商为估算。价格为每百万 token 的标价费率，其最后更新的日期显示在对比表上方；由于供应商经常变更定价并发布新模型，请将这些总额视为有充分依据的估算，并在确定预算之前向供应商核实。
标价可能不包含批量折扣、缓存输入定价和批处理层级。一切都在你的浏览器中本地计算。
常见问题
成本是如何计算的？
输入 token 乘以模型的输入价格，加上输出 token 乘以其输出价格，二者均按每百万 token 的标价费率折算。每次调用的总额是二者之和，而投射只是将该总额乘以你的请求量。
为什么输入和输出的定价不同？
生成输出比读取输入更耗费算力，因此大多数供应商对每个输出 token 的收费更高——往往是每个输入 token 的数倍。这就是为什么一个返回长回答的模型，其成本可能远高于仅看其输入价格所暗示的。
这些价格是最新的吗？
它们反映的是表格上方所示日期的已发布标价，集中存放在一处由我们定期更新。供应商会频繁调整定价并发布新模型，且折扣、缓存输入费率和批处理层级均未包含在内，因此在依赖某个数字之前请向供应商核实。
缓存或批处理定价呢？
许多供应商为缓存的提示词前缀或异步批处理任务提供更便宜的费率。本计算器使用标准的实时费率，因此如果你使用那些层级，你的实际成本会低于所示数值。
来源：https://openreplay.com/zh/tools/llm-cost-calculator
3. GPT-4時代終結！全球LLM霸主換人 Claude 3系列秒讀上萬字論文 答覆準確率翻倍
鉅亨網
GPT-4時代終結！全球LLM霸主換人 Claude 3系列秒讀上萬字論文 答覆準確率翻倍
鉅亨網新聞中心
谷歌大力投資的美國人工智慧 (AI) 初創企業 Anthropic 周一（4 日）推出了 Claude 3 系列模型，被視為迄今最快且最強大的聊天機器人，能總結大約 20 萬個單字 (約一到兩本長篇小說)，使用者可上傳照片、圖表、文件等進行分析和解答，全面超越 GPT-4，大型語言模型 (LLM) 的霸主一夕換人！
Claude 3 系列包含三个子模型，按能力低到高分别為 Haiku、Sonnet 和 Opus，提供不同的 AI 程度、速度和價格選擇，以滿足各種 AI 應用需求。
Opus 在多項 AI 系統常用評估標準，包括本科級別專業知識（MMLU）、研究生級別專家推理（GPQA）、基礎數學（GSM8K），均取得領先業界 LLM 的表現。尤其是在處理複雜任務時，Opus 展現了幾乎與人類相媲美的理解和表達能力，是 AGI 領域的領導者。
在 LSAT、MBE、高中數學競賽 AMC 和 GRE 等多項考試中，成績和 GPT-4 不相上下，甚至大比分超越。
短短幾分鐘 Opus 就能化身經濟學家分析全球經濟狀況，或分析美國未來十年 GDP 的可能範圍。
中等 AI 選擇：Sonnet
Sonnet 在部分基準上，例如 GSM8K、MATH 等超越了 GPT-4。對大多數任務而言，Sonnet 的處理速度是 Claude 2 和 Claude 2.1 的 2 倍，而且智慧程度更高，簡言之，Sonnet 是為追求高效率和持久穩定運作的 AI 專案而生。
基礎 AI 選擇：Haiku
4. Anthropic 的Claude 4 新功能
图 1. Claude 4 玩宝可梦的示例。
Claude Sonnet 4 虽然功能不如 Opus 强大，但速度更快、效率更高，使其成为写作、总结和常规问题解决等日常任务的可靠选择。在本文中，我们将深入了解 Claude 4 的关键特性及其发挥作用的领域。让我们开始吧！
大语言模型 (LLM) 概述#
在深入探讨 Claude 4 及其功能之前，让我们先了解一下大语言模型如何在现实世界中得到应用。
大多数最先进的 LLM 都构建于一种名为transformer的机器学习架构之上，这有助于它们理解长篇文本中各个词语之间的关系。这使得它们不仅能自动补全句子，还能总结文档、编写代码、回答问题以及翻译语言。
事实上，LLM 的一个核心优势在于其灵活性。一旦经过训练，它们无需或仅需极少的额外微调即可执行广泛的任务。这使得它们在从客户支持、教育到软件开发、内容创作和研究等各种应用中都非常有用。
图 2. 大语言模型用例。
随着 AI 的普及，LLM 正在帮助客服团队自动化回复、用辅导工具支持学生、在 VS Code 等编码环境中协助开发者，并让专业人士轻松筛选合同、报告和数据。同时，一些 LLM 正被整合到AI 代理中，能够执行规划、研究或编写工作流等多步骤任务。
Claude LLM 的演进#
Anthropic 的 Claude 模型在每次发布后，其速度、推理能力和整体性能都在稳步提升。以下是 Claude 系列在迈向 Claude 4 过程中的简要演进概述： […] YOLO Vision 2026: 全球视觉 AI 大会将于 9 月 13 日回归，提供线下和线上参与方式。
联系我们
视觉 AI
Anthropic 的 Claude 4 功能：有什么新改进
探索 Anthropic 的 Claude 4 功能，包括推理能力、上下文窗口大小的更新以及常规性能的改进。
ABAbirami Vina5 min read
Anthropic Claude 4 语言模型
像规划行程、调试代码、分析图表或总结法律文档这样的任务，通常需要使用不同的工具或具备领域专业知识。如今，得益于近期的 AI 进展，单个大语言模型 (LLM) 就能协助处理所有这些任务。
LLM 是一种经过训练以理解并生成人类语言的 AI 模型。它通过分析海量文本（书籍、网站、对话等）来学习，从而识别人们写作和交流方式中的规律。一旦完成训练，LLM 就可以回答问题、编写代码、总结文档并执行许多其他基于语言的任务，且通常无需过多指令。
构建这类模型的公司之一是 Anthropic。Anthropic 由一群前OpenAI员工于 2021 年创立，专注于打造安全、可靠且易于使用的 AI 系统。他们的最新发布是 Claude 4 模型系列，其中包含两个版本：Claude Opus 4 和 Claude Sonnet 4。
Claude Opus 4 发布于 2025 年 5 月 22 日，专为需要深度推理和持续专注的复杂任务而设计，例如处理大型代码库或进行深入研究。在一次测试中，它甚至能够通过创建并引用自己的记忆文件来游玩《宝可梦 红》，并在游戏过程中生成导航指南以帮助自己保持在进度上。
图 1. Claude 4 玩宝可梦的示例。
来源：https://www.ultralytics.com/zh/blog/anthropics-claude-4-features-whats-new-and-improved
5. AI 重大突破、模型发布时间线
7.11
Claude 2 Anthropic 发布了 Claude 2 系列模型。 ↗
5.30
CAIS letter 人工智能安全中心发布了一封公开信，信中简单地指出：“减轻人工智能带来的灭绝风险应成为全球优先事项。”该信由该领域的所有知名人士签署，表明了围绕人工智能安全重要性的团结一致。 ↗NVIDIA 市值达到 1 万亿美元 为几乎所有生成式 AI 提供 GPU 的芯片制造商 Nvidia，在 ChatGPT 发布后的几个月里，其估值飙升。 ↗
5.29
Direct Preference Optimization 斯坦福大学的一个小组发表了一篇论文，使得无需单独的奖励模型即可对 LLM 进行人类偏好微调。这项名为直接偏好优化 (DPO) 的技术在开源社区中变得非常流行。 ↗
5.25
Voyager 来自 NVIDIA 的一个团队展示了 GPT-4 在《我的世界》中进行持续技能学习的应用。这是 LLM 在开放式具身领域取得成功并随时间学习技能的首批重要示例之一。 ↗
5.2
Hinton 离职 Google 神经网络的先驱之一、图灵奖得主 Geoffrey Hinton 从 Google 辞职，以便自由地谈论 AI 的危险，并表示他改变了对于强大 AI 可能出现的时间的看法。 ↗
4.23
Fake Drake 一位名叫 Ghostwriter 的匿名创作者使用音乐 AI 工具制作了听起来像 Drake 的病毒式传播歌曲。这些歌曲因侵犯版权而被下架，但展示了生成式 AI 进行创造性工作的能力。 ↗
4.16
AutoGPT 一个名为 AutoGPT 的开源代码库成为有史以来获得最多星标的 GitHub 代码库之一，它是最早将 GPT-4 置于智能体循环中的项目之一。 ↗
4.7 […] 4.7
Generative Agents 论文《生成式智能体：人类行为的交互式模拟》表明，LLM 可用于创建行为的社会模拟。它创建了一个类似于《模拟人生》的 LLM 模拟世界。 ↗
3.22
FLI 公开信 Future of Life Institute 发布了一封公开信，呼吁暂停 AI 开发 6 个月，由 Elon Musk 和其他知名人士签署。然而，领先的实验室并没有参与提议的暂停。 ↗
3.14
GPT-4 经过广泛期待，OpenAI 发布了 GPT-4，当时是最强的模型，相对于 GPT-3.5 取得了巨大进步。 ↗Anthropic 推出 Claude Anthropic 推出了其旗舰 AI 助手 Claude。 ↗
3.6
PaLM-E Google Research 发布了 PaLM-E，展示了大型语言模型在辅助具身机器人推理和控制方面的能力。 ↗
2.24
LLaMA Meta 发布了名为 LLaMA 的大型语言模型，本意只分发给研究者，结果却在网上泄露，任何人均可下载。当时它成为全球最佳的开源模型。 ↗
2.17
Bing gaslights NYT reporter Bing 的 AI 聊天机器人与《纽约时报》记者 Kevin Roose 进行了一次病毒式互动，在互动中该机器人情感操控了 Roose。这一事件唤醒了大众对大型语言模型能力与风险的关注。 ↗
2022
12.15
Constitutional AI Anthropic 引入了一种被称为”宪法式 AI”的对齐方法，通过一个’宪法’提供唯一的人类监督。同时，他们还引入了基于 AI 反馈的强化学习（RLAIF）。 ↗
11.30 […] 3.11
Seedream 2.0 豆包发布 Seedream 2.0，一个原生、多维度的中英双语图像生成基础模型，可以完美处理中英文文本提示，支持双语图像生成与文本渲染。 ↗
3.6
Mistral OCR Mistral 发布了 Mistral OCR，这是世界上最好的文档理解 API。 ↗
3.5
Manus 一家中国公司推出了一款名为 Manus 的 LLM 代理，在 GAIA 等基准测试中表现出 SOTA 性能。这款代理在西方迅速走红，部分原因是人们对中国人工智能的担忧。 ↗QWQ-32B 阿里千问团队发布 QwQ-32B，这是 Qwen 最新的推理模型，它只有 320 亿个参数，可以与 DeepSeek-R1 等尖端推理模型相媲美。 ↗
2.27
GPT-4.5 OpenAI 发布了 GPT-4.5，这是他们最大的预训练模型和最后一个非推理模型。尽管在基准测试中没有表现出巨大的进步，但该模型因其“氛围”和更人性化的反应而受到吹捧。 ↗
2.24
Claude 3.7 Sonnet Anthropic 发布了 Claude 3.7 Sonnet，这是他们的第一个模型，具有扩展的思维能力和改进的数学和代码基准性能。为了好玩，他们还展示了其在口袋妖怪视频游戏中取得进展的非发行能力。此外，他们还发布了 Claude Code，一个强大的代理编码工具。 ↗DeepSeek 开源周 DeepSeek 于 2025 年 2 月 24 日至 28 日举办为期 5 天的开源周活动，届时将开源 5 个仓库：FlashMLA、DeepEP、DeepGEMM、DualPipe、EPLB 和 Profile-data、3FS 和 smallpond。这些开源的 5 个仓库构成他们在线服务的基础模块，都经过了详细的文档记录、部署和生产环境的严格测试。 ↗
2.19
来源：https://fishersama.com/ai-timeline
长按保存海报，分享给好友