国产大模型横评:14 个模型的评测分数与官方 API 价格

本文只列数字与出处，不做评价。说白了，这是一份可以当索引用的行情表。

一、参评模型与版本

按厂商排列，不代表排名。

二、通用与推理： GPQA Diamond / AIME / HLE

括号内为该模型官方卡片的原始口径。

MMLU-Pro 只在部分模型卡中给出，数值如下（原样抄录）： DeepSeek-V4-Pro 87.5 、 Kimi-K2.5 87.1 、 DeepSeek-V3.2-Exp 85.0 、 Intern-S1 83.5 、 Seed-OSS-36B-Instruct 82.7 、 LongCat-Flash-Thinking 82.6 、 Hunyuan-A13B-Instruct 67.23 。

C-Eval / CMMLU 抓到的条目更少，只有 8 条，照实列全： Kimi-K2.5 C-Eval 94.0 ； Qwen3-Max-Thinking C-Eval 93.7 ； DeepSeek-V4-Pro-Base C-Eval 93.1 / CMMLU 90.8 ； Qwen3.5-397B-A17B C-Eval 93.0 ； DeepSeek-V4-Flash-Base C-Eval 92.1 / CMMLU 90.4 ； Qwen3.6-27B C-Eval 91.4 ； LongCat-Flash-Chat C-Eval 90.44 / CMMLU 84.34 ； MiMo-V2-Flash-Base C-Eval 87.9 / CMMLU 87.4 。 SuperCLUE 在所有这些官方材料里一条都没给。

数字到此为止。

三、代码与智能体： LiveCodeBench / SWE-bench Verified

评测条件按官方原文保留。

四、官方 API 价格（元 / 百万 tokens ）

来源为各厂商官网定价页；阶梯价、峰谷价按官方原文分列，不做合并。币种除注明外均为人民币。

DeepSeek 官方定价页只有两个模型：deepseek-flash 对应版本名 DeepSeek-V4.1-Flash，deepseek-v4-pro 对应版本名 DeepSeek-V4-Pro-0813；两者都支持思考与非思考模式，上下文 1M 、最大输出 384K ，并发限制分别为 2500 与 500 。官方页面注明：旧 model id deepseek-v4-flash、deepseek-v4-flash-vision-exp 仍可调用，但对应模型已下线，请求由 DeepSeek-V4.1-Flash 提供服务并按 Flash 价计费。

需要区分的一点：官方型号名里没有「 V4.1 Pro 」， V4.1 只出现在 Flash 这一线， Pro 线用的是 0813 这个版本号。开放权重侧发布的是 DeepSeek-V4-Flash / V4-Flash-0731 （ 284B 总/13B 激活），其评测为 Base 预训练口径（ MMLU-Pro 68.3 、 C-Eval 92.1 、 CMMLU 90.4 ），与 API 侧的 Instruct 口径不能直接比较；本次未获取到 DeepSeek-V4.1-Flash 的 Instruct 口径评测数字。 V4-Pro 的分数来自 V4-Flash 模型卡内的对比列。

DeepSeek 的峰谷口径（官方原文）：北京时间周一至周五（不含法定节假日） 9:00–12:00 、 14:00–18:00 为高峰，其余时段为空闲；周末与中国法定节假日全天按空闲计价。就这两档，没有第三档。

阶梯价（官方分段，未合并）： qwen3-max 输入 0–32K 2.5 / 32K–128K 4 / 128K–256K 7 ； qwen3.7-plus 0–256K 2 、 256K–1M 6 （页面标注限时 8 折）； GLM-5.1 输入 [0,32K) 6 、≥32K 8 ，输出 24 / 28 ； doubao-seed-2.0-pro 输入 3.2 / 4.8 / 9.6 ，输出 16 / 24 / 48 。

免费额度这块，官方页面怎么写就怎么记，不折算：阿里云百炼新用户按模型发放免费额度（通常每模型 100 万 token ，有效期 90 天，仅华北 2 地域）； Kimi 新用户赠 15 元代金券，不可用于 Kimi-K3 ；智谱 GLM-4.7-Flash 、 GLM-4-Flash-250414 、 GLM-Z1-Flash 显示 0 元；火山引擎 Managed Agents 首次开通赠 30 小时 Agent 运行时长；百度千帆新用户实名认证送 20 元代金券（有效期 1 个月）；腾讯混元首次开通共享 100 万 tokens 、 TokenHub 新用户 100 万 tokens ；阶跃星辰采用 Credit 计量（ 1 元 = 1,000,000 Credit ）。

促销与生效时间（官方页面标注）：百度千帆国庆限时价 2026-09-24 00:00 至 2026-10-07 23:59 ； MiniMax M3 标注「永久五折」；美团 LongCat 两个型号均标注「限时折扣价」；智谱缓存存储标注限时免费；腾讯 TokenHub 原厂直供模型 2026-08-29 生效、其他 DeepSeek 模型 2026-09-26 生效。

五、口径、缺口与冲突说明

未获取到（官方材料没有，未用第三方数字填补）：

同一个指标出现两个数字的，原样并列，不做取舍，也不替谁猜： Hunyuan-A13B 的 GPQA （预训练口径 49.12 / Instruct 口径 71.2 ）； Qwen3.5-397B-A17B 的 SWE-bench Verified （自家卡 76.4 / Qwen3.6-27B 交叉卡 76.2 ）； Kimi-K2 的 SWE-bench Verified 分 agentless 51.8 、 agentic 65.8 、多次尝试 71.6 三档。

先把口径说清楚，再往下看。

需要留意的差异： DeepSeek-V4-Pro 、 DeepSeek-V4-Flash 、 MiMo-V2-Flash 、 Qwen3-Max-Thinking 、 Kimi-K2.5 的 C-Eval 等部分数字来自其他模型卡的对比列而非自身模型卡，已在采集表中逐行标注来源； Base （预训练）口径和 Instruct 口径不是一回事，不能混着比。

六、数据来源

性能： ModelScope 模型卡 —— modelscope.cn/models/Qwen/Qwen3.8-2.4T-A95B 、/Qwen/Qwen3.8-27B 、/deepseek-ai/DeepSeek-V3.2-Exp 、/deepseek-ai/DeepSeek-V4-Flash 、/moonshotai/Kimi-K3 、/moonshotai/Kimi-K2.5 、/ZhipuAI/GLM-5.3 、/ZhipuAI/GLM-5.2 、/MiniMax/MiniMax-M2.5 、/stepfun-ai/Step-3.5-Flash 、/meituan-longcat/LongCat-Flash-Thinking 、/Tencent-Hunyuan/Hunyuan-A13B-Instruct 、/Shanghai_AI_Laboratory/Intern-S1 ； GitHub ： github.com/ByteDance-Seed/Seed-OSS 。

价格： help.aliyun.com/zh/model-studio/model-pricing ； api-docs.deepseek.com/zh-cn/quick_start/pricing ； platform.moonshot.cn/docs/pricing/chat ； docs.bigmodel.cn/cn/guide/start/pricing ； volcengine.com/docs/82379/1099320 ； cloud.baidu.com/doc/qianfan/s/wmh4sv6ya ； cloud.tencent.com/document/product/1823/130055 ； platform.minimaxi.com/docs/guides/pricing-paygo ； platform.stepfun.com/docs/zh/guides/pricing/details ； longcat.chat/platform/docs/pricing/longcat-2.5 。

扩展阅读