终于，Claude 最便宜的模型也发布了！
现在，我就很好奇了：全球范围内，哪个模型才是性价比之王？
价格其实很清晰！
我让 G 哥整理了一个表格，供大家参考：
| 模型名称 | 输入价格 | 缓存命中 | 输出价格 |
|---|---|---|---|
| **1. **DeepSeek-V4.1-Flash（梁文谷） | ¥1.00 | ¥0.02 | ¥4.00 |
| 2. GLM-5.3-Flash | ¥0.15 | ¥0.23 | ¥0.50 |
| 3. MiMo-V2.6-Flash | ¥1.00 | ¥0.02 | ¥2.00 |
| 4. Qwen3.8-Flash | ¥0.80 | ¥0.10 | ¥2.70 |
| 5. GPT-6 Luna | $0.10 | $0.025 | $0.50 |
| 6. Claude Haiku 5.5 （<100K） | $0.10 | $0.01 | $0.50 |
（美元我没换算，大概6.7的比例吧）
那么能力就直接决定性价比了。
今天主要是测试和对比下 GPT-6 Luna 和 Claude Haiku 5.5 。
先让国外的模型来做一个 PK，选出“性价比之王”。
国内的模型最近没响动，我等一波更新，再写，估计快要来了！
其他我就不多说了。
先给大家看测试结果，然后看一下 Token 消耗情况，我也会记录下不同测试消耗的时间。
我们的题目测试这些模型“表现非常出色”，成功难倒了它们！
下面就看具体的结果吧！
视觉推理题
大家都是多模态模型，所以我先测一个视觉推理题目。
为什么要测试这个题目呢，因为这个题目能区分出能力。
目前我测过的所有国产模型，都无法 100% 正确。GPT-6 之前，和 Claude 5.5 之前的模型亦如是！
我的题目是这样的：
我总共测了五轮！
然后我说一下两个模型的测试结果！
GPT-6 Luna 的准确率 40%，下面这个回答很有代表性：
经验主义错误！但凡实测一下记忆不容易错。
Claude Haiku 5.5 的准确率 60%！
这一轮测试 Haiku 小胜，但是它们都没法 100% 回答正确。相比自家的大哥二哥确实差了一点。
我补充一点参考数据：
Opus 5.5 和 Sonnet 5.5 是可以 100% 的。
GPT-6 可以全对！GPT-5.6 Sol 准确率 60%
国产模型的话，我之前测过的几个模型，准确率也都不高，应该都不到 60%！
赛博上河图
这个题目，对它们来说好像有点难。表现都不是很好！
Luna 的结果：
耗时 1 分钟
Haiku 的结果：
耗时 8 分钟
两个模型都给了他们修改优化的机会，提升比较有限，能力上限被锁死了。
这个例子无论动画，配色和细节都是 Haiku 好一些！
Luna 的船都上天了，一个人也没有，果然很赛博朋克，但这显然是个巨大的错误！
天文机械表
Luna 的结果：
耗时 2 分钟
Haiku 的结果：
耗时 8 分钟。
视觉效果和审美部分大家可以评判一下，我就不多说了。钟表的界面基本上都没有问题，这一点要比很多国产模型要好！
功能方面 Luna 基本没啥问题，Haiku 出现一个低级错误，导致钟表不走。
经过提示，立马修复了。
这里还有一个问题，这些低级模型，对意图的理解不是很精准。
我的提示词中有类似“只输出最终代码，不要解释，不读取和修改当前目录的文件，单独保存一个页面”。
导致它们误会了，直接在对话中输出代码，然后特地把代码文件保存到了项目目录外。
其实我的意图是：让它们不要废话，然后不要参考已经存在的文件，不要修改已经存在的文件，单独保存一个文件。
这里面确实有一定的歧义，但是高级模型的操作，基本和我的预期一致。会在项目中单独保存一个文件。
小模型，调教起来就比较累，需要你说得很清楚才行。
这一轮的表现：应该说是 Luna 优于 Haiku 了，而且也很快。
超级玛丽
这个题目对于大杯模型，已经不算问题了，轻松搞定！但是对于这种小杯模型，还是特别难。
Luna 的结果：
耗时 4 分钟。
Haiku 的结果：
耗时 50 分钟。
从结果来看，Luna 要比 Haiku 好一些。但是两个都不咋地！
Haiku 的问题是查资料查太久了：
查了 36 分钟，我受不了，中途催促了一下！然后它告诉我地图和角色信息还没拿全。然后做完之后，角色是它重新设计的。虽然设计得也不错，但是不符合我的预期。另外它后面的地图还原度也不高。
Luna 很快，但是地图都是糊的，刚开始第一幕，就有问题。
没想到啊，它们在超级玛丽的表现上，和卧龙凤雏这些选手对齐了。
这个例子整体表现一般，不如一线的国产模型！
主要是它们大哥二哥太强了，小弟就很有分寸感，不做任何高智商的事情。
配额消耗情况
我都是用的 20 美元的订阅套餐。Luna 是在 Codex 中使用的。Haiku 是在 Claude 桌面版中使用的。
我的 Claude，因为被我消耗得差不多了。开始测试时，已经只剩 90% 的周配额了！
我先来对比一下 Haiku 的消耗情况：
四个题目测完，大概只消耗了 4% 的五小时配额，周配额完全没变。
下面是 Luna 的情况：
大概只消耗了 2% 的五小时配额，周配额也没有动。
整体看起来，Luna 处理问题更快，消耗也更少。Haiku 思考更全面，消耗也相对多一些。
价格基本和它们的 API 是保持一致的。差别主要是两者思考程度不一样（我设置的思考等级是一样的）。
另外还有一个细节，Claude 的周配额包含的五小时周期，要比 Codex 多好几轮。
关于模型选择的话，能力范围内，如果求快可以选 Luna，如果还要求稳，就选 Haiku。
整体来说，消耗都很低。
世道变了，美国的模型，居然 Token 多到用不完了，套餐价格也不贵！
按这个消耗情况，有些低智商的任务，干起来完全不用担心配额，可以玩得很爽。
至于开头的问题，我觉得它们差不多，性价比都挺高！
但是，我心目中的“性价比之王”是Opus5.5 ！（性能分太高了）
完整的测试结果，我会同步到:
topai.jarvisuni.com
