最近这几个月我越来越少关注哪一个模型最强，反而一直在优化自己的模型组合。一个任务交给谁，能在可接受的时间里做完，质量够不够，额度烧得值不值。

        模型更新太快，只用一家很容易碰到两个问题。强模型的额度总在最需要它的时候告急，便宜模型看着能干，遇到复杂任务又会多返工几轮。我的办法很朴素，让每个模型做它最划算的那一段，把需要判断力的工作留给上限最高的模型。

        这篇就把我目前的组合摊开讲。里面的套餐价格和额度，有些来自我的老套餐或账户定向活动不一定完全能参考，但肯定有替代产品，最后会给宝子们一个最划算的组合。准备订阅前还是要看自己账户最后的结算页。

一、核心思路

Benchmark 只负责告诉我它有没有资格上场

        我会看 Benchmark，但不会照着总榜订阅。总体SOTA真的适合所有人吗？一个模型的综合分数很高，只能说明它大概率没有明显短板。工作里的任务往往很偏。有人主要写前端，有人每天查论文，也有人要处理本机一堆文件。某个模型只在一个方向做到 SOTA，已经足够说明它在这个方向值得使用的。

        比如前端生成强的gemini，意味着它更可能一次把布局和交互做顺。检索与工具调用强的grok和gemini，意味着它更适合去找X动态、论文线索和当天信息。长文分数高，也不代表它可以直接写论文，至少说明它有机会在长材料里维持结构，不会读到后半段就忘掉前面的限制。其实写出好的内容有时候是经过优化的agentic流程配合一个旧的不那么聪明的模型，依然可以生成高质量的学术内容。

        Benchmark在我这里是一张入场券。模型拿到入场券以后，还要跑我自己的真实题目。公开测试集给的是统一考场，我每天面对的却是自己的文件、提示词、软件环境和验收标准。两者其实不能一概而论，其实每个宝子也一样，肯定都有最适合自己的组合。

我一直盯着三件事

第一件是速度

        一个模型再聪明，每次都要等十几分钟，我也不会把日常小活交给它。查资料、整理表格、改一段前端和批量清洗内容，反馈速度会直接改变工作节奏。快模型允许我多试两次，很多任务的最终质量反而更稳。

第二件是智价比

        我说的智价比，不只是 API 里每百万 Token 多少钱。订阅额度、刷新周期、并发数量、工具是否好用，都要算进去。一个模型单次效果只有强模型的八成，价格只有十分之一，速度还快，它就很适合采集、初筛和批量任务。

第三件是能力上限

        复杂代码、本地文件操作、长文论证和最终审查，往往需要一个上限足够高的模型收口。便宜模型可以把路铺好，最后那一下仍要交给能发现漏洞、敢推翻初稿的模型。我的订阅组合就是围着这三件事搭起来的。

二、我的模型组成

主力位置留给 GPT-5.6

        我平时顺口会说 ChatGPT 5.6，准确一点，它是我在 Codex 里主要使用的 GPT-5.6 模型组。我的账户是 200 美元档的 20x 权益。升级到 5.6 以后，额度已经不像过去那么宽松，偶尔也会一天消耗10+亿token，分配任务反而更重要了。。

        我其实并不是token燃烧大户，做大工程的开发者可能一天就要消耗数十亿token。

        我用得最多的是 Sol 和 Luna，推理强度通常放在中档。OpenAI 的官方模型指南也把 medium 当作平衡起点。max 会让模型多做探索与核验，困难任务确实可能更稳，代价是等待时间和 Token 消耗都明显增加。日常工作一上来就拉满，体验通常很差。

        Sol 是我的干活主力。论文结构审查、复杂开发、跨文件修改，以及需要操控本机文件的任务我会优先给它。sol比较吃token，慢的时候也真慢，但遇到有难度的活，返工次数通常比先用弱模型硬磨更少。

        Luna 接简单开发和批量工作。单文件脚本、轻量页面、格式整理、初步分类，这些任务没有必要占 Sol 的额度。官方对 Luna 的定位也是高吞吐、成本敏感的工作。它的价值很直接，快，便宜，够用。

        生图我也更愿意把最终一版交给GPT-Image-2。目前这就是当前的先进图像生成模型。按我自己的使用体验，它在文字准确度、改图服从度和成品稳定性上更省心。别家的模型可以先出创意，最后要放进文章封面或产品页面，我还是更常回到这一套。

MiniMax 老套餐负责跑量

        我手里还有 98 元档的 MiniMax 老套餐，其实前期由于能力使用的并不多，因为智谱取消周限，我留了这个订阅，结果后来新订阅的用户也加上周限了。这个套餐现在已经属于保留档，公开销售的现行方案和限制都不一样。老用户如果还留着，可以继续评估自己的用量，别把我的额度情况当成新用户都能买到的标准权益。

        我每月大致会烧到 70 亿 Token，主要供几个 OpenClaw 任务采集学术和 AI 方向的数据。我的账户目前没有看到周限，主要受五小时窗口约束，一个窗口经常能跑掉 70% 到 80% 的额度。

        这类任务追求的是吞吐和持续运行。采回来的内容还要经过后续去重、核验和强模型复查，MiniMax 在这里不需要承担最后判断。只要它能稳定地把大量材料搬回来，这 98 元就花得很值。

SuperGrok Heavy 接住搜索和简单任务

        我抢到的是年付 990 美元的 SuperGrok Heavy，还附带 Cursor Ultra。

        这里先提醒一句，990 美元和我见过的 99 美元活动入口都不是常规公开价格，能不能拿到完全看账户、地区和活动页面。

        Grok 最好用的地方是搜索。它找 X 上的讨论、当天信息和论文线索很快，搜索结果与回答接得也比较自然。纯推理任务里，它并不总能赢过顶级国模，但我也没打算让它包办所有难题。它现在是我的简单任务主力，把 GPT 的额度省下来给 Sol。

        Cursor Ultra 当前公开价是每月 200 美元，官方文档写明包含 400 美元的第三方模型用量。对我来说，这部分额度像一个应急仓。Claude 账号和额度总有不稳定的时候，Ultra 里的额度不算夸张，关键时刻足够拿来解题。

        SuperGrok 和 Cursor 还给了我两边都能用的 Grok 资源。具体额度池会随套餐调整，我只把它当作自己的账户体验，不把它写成人人都有的固定权益。

        Grok Bot 值得单独提一下。官方已经把它开放给 SuperGrok Heavy 和 Cursor Ultra 用户，可以在桌面和 iPhone 上把任务交给一个持续工作的 Bot。它的操作很简，手机端尤其顺手。很多时候我只想丢一句要求，让它自己跑完再回来找我，这种体验比在一堆设置里来回切模式舒服得多。

Gemini 3.7 Flash 负责速度、前端和图像生态

        Gemini 3.7 Flash 是最近这套组合里让我最愿意反复调用的快模型。Google 在 8 月 13 日正式发布了它，定位就是编码与 Agent 工作的高效主力。官方给出的 WebDev Arena 分数也比 3.6 Flash 更高，前端生成仍然是它很突出的方向。比较奇葩的是复活的antigravity现在有两个客户端。。

        一个是antigravity做的类似codex这类agent工具。

        另一个就是antigravity IDE保留了曾经的原汁原味。。真实怀念过年前后一个pro号拉好家庭组配合反代爽蹬6个号的claude4.5的时期。。

        我这里看到过两种 Google AI Pro 活动。老订阅用户重新订阅，前三个月每月 4.99 美元；新用户还有首月 1.99 美元的入口。宝子们可以看看自己的是哪种优惠，国内的visa、master信用卡都能直接订。不过需要注意一下谷歌账号的地区，如果是中国需要改成支持Gemini的地区，不然会验证成功antigravity卡登录界面的情况。改地区有相关攻略，小编今天又一个号改地区1小时左右就改好了。这些都是账户定向优惠，不同地区和时间看到的页面可能不一样。Google One 当前公开常规价依然更高，最后以付款页为准。Gemini的cli已经不更新了，应该是更名为antigravity cli，风格类似，只是把图标换了一下。

        只用 Flash 的话，额度对我已经很充足。它比 Grok 还快，前端能力也更顺手。Google 生态里还有 Nano Banana 可以生图，写页面、补素材、快速做一版视觉草图都很方便，生图能力仅次于gpt-image-2（最近听说微软出了一款生图模型，占据了谷歌第二的位置，我没用过不做评价，去年nano banana2刚出现的到现在依旧能打）。

        有人拿它开玩笑，叫它国产大豆包。我能理解这种吐槽，Flash 的回答有时确实偏快、偏直，碰到复杂判断也需要复核。可它现在的速度和活动价摆在这里，订阅价值依然很高。

WorkBuddy 里的 Hy3 适合免费对照

        WorkBuddy最近腾讯推的非常凶。而WorkBuddy 里这款模型的准确名字是 Hy3。腾讯官方写明，Hy3 在 WorkBuddy 的免费体验期到 2026 年 8 月 31 日。免费不是长期承诺，过期后的规则还要看新公告。

        我的感受很直接。能力比前面几款弱一点，速度不错，也能正常跑工具。遇到不着急的任务，我偶尔让它做一版，再拿结果和其他模型对照。现在还免费，就更适合拿来做这种测试。

Kimi 放在退役观察位

        Kimi 的订阅我已经取消了，只是当期权益还没到期。登月计划的额度用完以后，我暂时不准备续费。

        Kimi 现在的产品功能很多，官方套餐也已经改成共享额度池和多档订阅。对我的组合来说，它的位置比较尴尬。强国模的价格普遍不低，Agent 跑起来以后消耗也快，速度又没有明显优势，DeepSeek涨价以后也感觉也高攀不起了。

        手里已经有 MiniMax、Grok 和 Gemini，再给 Kimi 留一份长期订阅，价值不够清楚。

        我会继续看 ox-alpha，目前opencode免费。社区现在确实在猜它来自 GLM 系列，也有人直接叫它 GLM-5.5。公开迹象只能说明它和 GLM 家族可能有关，Z.ai、OpenRouter 和模型提供方都没有确认身份。现阶段把它写成 GLM-5.5 还太早，等官方揭晓更稳妥。

三、这套模型各自能干到哪里

        下面这张表是我的当前使用体验，不是官方排名。等级只表示它在我的工作流里处于什么位置，套餐和模型更新以后还会变。

模型	体验评分	适用与边界
GPT-5.6 Sol	能力上限：很高 速度：中等偏慢 智价比：中等	适用（最适合我的任务）：复杂开发、本地文件、论文审查、最终收口 边界（我不会交给它的事）：大批量机械整理
GPT-5.6 Luna	能力上限：中高 速度：很快 智价比：很高	适用（最适合我的任务）：简单开发、批处理、格式转换、初筛 边界（我不会交给它的事）：单独承担高风险结论
MiniMax 老套餐	能力上限：中等 速度：快 智价比：很高	适用（最适合我的任务）：OpenClaw 数据采集、长时间跑量 边界（我不会交给它的事）：直接决定文献真假与论文结论
SuperGrok Heavy	能力上限：中高 速度：快 智价比：高	适用（最适合我的任务）：X 搜索、新闻与论文线索、简单任务、手机端 Bot 边界（我不会交给它的事）：没有外部证据时做最终事实裁决
Gemini 3.7 Flash	能力上限：中高 速度：很快 智价比：很高	适用（最适合我的任务）：前端、快速编码、图像生态、日常问答 边界（我不会交给它的事）：一次完成高难度长链推理
WorkBuddy Hy3	能力上限：中等 速度：快 智价比：免费期很高	适用（最适合我的任务）：对照测试、普通办公、轻量工具任务 边界（我不会交给它的事）：复杂任务的唯一执行者
Kimi	能力上限：中高 速度：中等 智价比：目前对我偏低	适用（最适合我的任务）：剩余额度内的补充与对照 边界（我不会交给它的事）：再增加一份长期重复订阅

        看完这张表，会发现我的组合里没有一个模型负责所有事情。Sol 守上限，Luna 和 Gemini 保速度，MiniMax 负责吞吐，Grok 接搜索与简单任务。Hy3 和 Kimi 留作对照和补位。

四、同题竞跑，再让强模型收口

        我很喜欢让所有模型跑同一个任务。我先固定题目和材料，输出要求也完全一样，随后分别交给 Sol、Grok、Gemini、MiniMax 和 Hy3。这样测出来的差异才有意义。给每个模型不同提示词，再比较谁写得好，最后比到的往往是提示词，不是模型。

        拿学术写作举例。我会先固定研究问题、可用文献和禁止编造的边界。各模型都要交一份大纲、一张证据表，再写同一小节。它们引用了什么，遗漏了什么，哪一段推理跳得太快，都能直接摆在一起看。

        接下来把几份结果交给能力更强的模型，让它做审查。审查时不能只问哪份最好。我会要求它逐条核对事实、找出各自独有的信息、标记互相冲突的判断，还要说明每个结论来自哪份材料。

        强模型也会偏爱自己的文风，它的裁决不能直接当答案。最后还要回到原始来源。论文要查题名、作者、期刊和 DOI，代码要真实运行，数据要看原表。多模型能增加候选答案，也能互相暴露漏洞，可靠性最终来自可回查的证据。

        这套方法还有一个好处。你很快就会知道哪个模型适合自己的任务。公开榜单上的两分差距，可能在你的场景里毫无感觉；一次真实竞跑里少改三轮，才能省下实打实的时间。

五、不想维护模型矩阵，可以先把论文流程跑顺

        上面这套组合适合爱折腾的人。订阅要管，额度要算，提示词要维护，模型更新以后还得重新测试。很多人只想尽快把论文写顺，并不愿意先做半个月的模型管理员。

        千笔-AIWritePaper 作为目前国内AI学术写作天花板，更适合解决这个起步成本。它把选题、文献整理、结构规划和正文生成放在一条连续流程里。用户先跑出一版可检查的基础稿，再把关键章节交给强模型复核，整个过程会比在五六个对话框之间手动搬材料省事很多。

        我更推荐把它当作论文工作台。先让平台完成重复劳动，作者把时间放在研究问题、证据质量和最终表达上。平台生成的引用、数据与论证仍要逐项核对，导师审核和学术责任也不会因为用了工具就转移。

        如果你刚开始接触 AI 学术写作，不知道该买哪几个套餐，可以先用千笔-AIWritePaper跑一次完整流程。等你碰到速度、检索或复杂审查上的瓶颈，再决定要不要补 Grok、Gemini 或 GPT。这样花出去的每一份订阅费，至少对应一个已经出现的需求。

        我现在的组合也不会一直不变。模型更新以后，谁能在我的真实任务里更快、更稳、更省，我就把任务交给谁。名字和榜单都只是参考，能把工作做完，才是我愿意长期续费的理由。

        但目前最值得订阅性价比最高的一定是ChatGPT-Pro-20x和99美元的SuperGrok Heavy！