08/31 最新 AI 模型梯队榜：第一梯队门口，已经挤满了中国模型

这不是一张“谁的参数更大”的榜单，而是一张正在快速重排的能力地图：当中国模型开始贴着第一梯队竞争，模型选型就从品牌偏好，进入了任务、成本与稳定性的综合比较。

01 先说结论：格局真的变了

按照你提供的 08/31 梯队划分，当前榜单大致分成六层：

• 夯：Opus 5、GPT-5.6 SOL、Grok 4.6、Kimi K3
• 顶级：DeepSeek V4 Flash、GLM-5.3、Qwen3.8 2.4T A95B、GLM-5.3-Flash、Hy-4 Preview、Qwen-3.8-Flash-Next
• 人上人：GPT-5.6 Terra、Qwen3.8 27B、Motif3、MiniMax-M3、Ornith-1.5
• NPC：DeepSeek V4 Pro、GPT-5.6 Luna、mimo V2.5 Pro、Muse Spark 1.2
• 拉完了：Gemini 3.7 Flash、Sonnet 5 thinking、Nemotron 3 Ultra、Hy3、Muse Glimmer
• 落伍了：Gemini 3.6 Flash、Gemini 3.5 Flash、Haiku-4.5、Mistral Medium 3.5、Nemotron 3.5 Lightning

最醒目的变化有三个：GLM-5.3-Flash、Hy-4 Preview、Qwen-3.8-Flash-Next 贴身逼近第一梯队；Kimi K3 直接站上“夯”位；Gemini 3.7/3.6/3.5 Flash 整体后移。

先提醒一句：这是一份社区语境下的梯队判断，不是统一基准、统一价格、统一提示词下的官方排名。它更像“体感温度计”，适合观察趋势，不适合直接替代你的业务评测。

02 “夯”位：旗舰模型开始拼综合完成度

Opus 5、GPT-5.6 SOL、Grok 4.6 与 Kimi K3 被放在最上层，说明这一层看重的已经不只是单项能力，而是复杂推理、代码协作、长任务稳定性和输出质量的综合完成度。

Kimi K3 的上位尤其值得注意。它意味着中国模型不再只是在某个细分场景里“能打”，而是在更广泛的任务中获得了旗舰级心智位置。这个变化未必意味着它在所有测试里都第一，但至少说明用户体感、产品成熟度和可用性，正在影响“顶级模型”的定义。

“夯”位模型的共同问题也很明确：价格、延迟和供应稳定性。越强的模型，越不能只看回答质量。真正落地时，要把每次任务的总成本、重试次数、工具调用成功率和团队迁移成本一起算进去。

03 “顶级”位：中国模型已经挤到门口

这一层是榜单最有信息量的地方。DeepSeek V4 Flash、GLM-5.3、Qwen3.8 2.4T A95B、GLM-5.3-Flash、Hy-4 Preview 与 Qwen-3.8-Flash-Next 同时出现，说明中国模型正在形成一条密集的第二曲线。

其中，GLM-5.3-Flash 的信号很强。AIHOT 收录信息显示，它是 320B-A18B 的原生多模态模型，在 AA 综合智能指数中取得 57 分，与 Claude Opus 4.8 持平；其定价约为 GLM-5.3 的十分之一、Opus 4.8 的四十分之一。这里的关键不是“分数追平”四个字，而是前沿能力开始出现更明显的价格分层。

Hy-4 Preview 则代表另一条路线：770B 总参数、约 49B 激活参数、1M 上下文，已开源并在腾讯云 TokenHub 与 OpenRouter 上线。它把大容量、长上下文和可获得性放在了同一个产品命题里。

Qwen 系列的密集出现，说明开源模型正在同时争夺两个方向：一类追求更高的能力上限，另一类追求更低的部署门槛。未来的竞争，很可能不是“谁只有一个旗舰”，而是谁能把旗舰、轻量、Flash 和行业版本组成完整矩阵。

04 “人上人”与“NPC”：中间层正在被重新定义

GPT-5.6 Terra、Qwen3.8 27B、Motif3、MiniMax-M3、Ornith-1.5 被放在“人上人”，而 DeepSeek V4 Pro、GPT-5.6 Luna、mimo V2.5 Pro、Muse Spark 1.2 位于“NPC”。这两层的差异，往往不在于模型能不能完成任务，而在于完成任务时是否稳定、是否省心、是否值得长期接入。

对大多数团队来说，中间层模型反而最实用：它们可能不是榜单上的绝对第一，却更容易在成本、速度和能力之间找到平衡。一个每次便宜几倍、响应快一倍、失败率低一些的模型，未必有最亮眼的发布会数字，但可能更适合进入真实业务。

因此，“NPC”不应该被理解为“完全不能用”。它更像是一个提醒：模型的相对位置，会因为任务类型、提示词、上下文长度和价格变化而移动。今天排在中间，明天可能因为某个版本更新重新上升。

05 Gemini 阵营后移：不是消失，而是比较标准变了

榜单把 Gemini 3.7 Flash、3.6 Flash、3.5 Flash 集体放到后面，反映的未必是“模型突然失效”，更可能是用户比较标准发生变化：当国产模型在速度、价格、中文体验、开放部署和特定任务上更贴近需求，原本的品牌优势就不再自动转化为第一梯队位置。

这也是今天看模型榜单最容易误读的地方。梯队下移不等于所有场景都落后，梯队上移也不等于所有任务都领先。模型排名应该被拆成至少四个维度：

1. 能力：推理、代码、多模态、事实性和长上下文表现。
2. 效率：价格、延迟、吞吐和并发稳定性。
3. 可获得性：API、开源权重、区域可用性和供应连续性。
4. 适配度：中文任务、行业数据、工具调用和团队工作流。

06 这张榜单，应该怎么用

OpenRouter 最近给出的模型选型思路值得借鉴：先定义任务，再结合实时用量和第三方基准筛选候选，最后用自己的提示词测试；判断标准应更接近“每完成一次任务的成本”，而不是单看“每 token 多少钱”。

如果你要把这份 08/31 梯队榜用于实际选型，可以按三步走：

• 第一步：先按任务分组。代码、研究、客服、内容生成和智能体，不要共用一张模型名单。
• 第二步：每层挑两个候选。一个看能力上限，一个看成本与延迟，避免被单一模型绑定。
• 第三步：记录真实结果。至少统计一次成功率、重试率、平均耗时、总成本和人工返工量。

结语

08/31 这张榜单最值得记住的，不是某个模型从“顶级”掉到“NPC”，而是第一梯队门口已经站满了中国模型。

当 GLM-5.3-Flash、Hy-4 Preview、Qwen-3.8-Flash-Next 开始贴身竞争，模型市场就从“少数巨头的单线赛跑”，变成了“多家厂商的密集卡位”。接下来真正决定排名的，不只是下一次发布会，而是谁能在真实任务里持续交付更好的结果。

注：本文梯队名称与模型名单基于用户提供的 2026 年 8 月 31 日榜单；不同评测集、版本、价格和地区可用性会导致结果变化。GLM-5.3-Flash、Hy-4 Preview 与模型选型相关信息参考 AIHOT 收录条目。

欢迎关注 llmuni ，我们还会持续分享更多 AI 资讯、AI 工具、实战经验、踩坑记录，助力你高效玩转 AI 开发、避开行业弯路。

想了解更多细节、获取专属支持，可添加客服微信：xuexiv5876 / YibuDev，随时咨询交流～

如果你觉得今天这篇有收获，欢迎 点赞、在看、转发 三连，我们下篇见。