网传「除 GPT、Claude 外全部进入 DeepSeek V4 Flash 斩杀线」——我们用有出处的公开数据重画这张图： 斩杀线在性价比维度成立，但三个国产新旗舰的绝对能力反而全部略高于 V4 Flash。
三个模型在 10 天内接连发布，「Token 战争」开打；两周后，「斩杀线」图刷屏。
「斩杀线」叙事的数据原型是 Artificial Analysis Intelligence Index 散点图（下为 2048×1008 官方高清版，点击可放大拖动、逐一看清模型名）；自媒体刷屏的「斩杀线」图是它的 AI 改写示意（见下方存档）。
横轴换成有出处的 SWE-bench Verified，纵轴为官方输出刊例价（对数刻度）。红色虚线是过 V4 Flash 的「L 形斩杀边界」；绿色虚线是 V4 Pro 正式版的预测斩杀边界（灰度爆料 + 8/6 涨价公告推演，官方数据未发布）——注意左上方两块斩杀区：红色经典斩杀区在真实数据下是空的，而绿色预测区会装下三旗舰和 GPT-5.5。
两天内两颗炸弹：08-12 Grok 4.6（AA 61 追平 Claude Opus 5，每任务成本仅 $0.65）、08-13 DeepSeek V4 Pro 正式版（AA 58，每任务 $0.06，输出 $0.87/M）。03 节的绿色预测层成为现实——而且实际价格比预测下限还低一半以上。
08-14 跟进：GLM-5.3 发布接替 5.2（同基座 + 长任务 RL，TB 2.1 81.0→88.2）；AA 指数与 API 定价未公布，本页散点/条形图中沿用 5.2 的 51 分 / $0.30 口径并标注。另注意：xAI 内部的 Grok Build 编码 harness（SWE 79.3）显示 Grok 4.6 的编程上限高于当前 API 公开基准——基准数字只是下限。
性价比指数 = SWE-bench 分数 ÷ 输出价，以 V4 Flash = 100 归一化。注意：按这个口径，连 GPT-5.5 和 Claude 也在线内——它们靠「能力溢出」豁免，而非性价比。
没有「最好的模型」，只有「某个场景下性价比最高的模型」。08-13 起新增两位：V4 Pro（新斩杀线本体）与 Grok 4.6（溢出区价格挑战者）。
| 维度 | V4 Flash | V4 Pro | Kimi K3 | GLM-5.3 | 千问 3.8 Max | Grok 4.6 |
|---|---|---|---|---|---|---|
| 写作 / 内容 | 中规中矩，胜在便宜 | 长文 + 低价首选，批量写作流水线 | 中文内容第一档：审美 + 2M 长文 + 套餐慷慨 | 内容/审美口碑弱于 K3 | 知识型内容最稳（幻觉最少，AA omniscience 12） | 知识型写作/研究最强档：GDPVal-AA 1753 第一 |
| 前端 / 审美 | 一般 | 一般（未单独标注） | 公认第一档（官方主打 high-aesthetic webdev） | 一般 | 中上 | 未单独标注 |
| 编程（SWE-bench） | 80.6% | ~81%（Preview/Max 旧口径，正式版未复测） | 81.5% | 未公布（5.2 为 81.4%） | 82.3% | 未公布；Grok Build 内部 SWE 79.3；编辑器场景 CursorBench 69.9% 第一 |
| Agentic 编程 | TB 2.3：58.1；官方 Harness 跑通 24h+ 连续编码 | 未复测；Harness 内百万行级交付 | ~64（版本口径存疑） | TB 2.1：88.2（接替 5.2 的 81.0），DeepSWE 66.9 | TB 2.3：67.5 | TB 58.3、DeepSWE 65.9，落后 GPT-5.6 Sol（66.5 / 71.7） |
| 数学 / 推理 | AIME 93.5（意外不错） | 未公布（AA 58 档） | 第一梯队 | 第一梯队 | 全场最强：AIME 95.8、HLE 53.6、GPQA 89.4 | AA 61 档，推理第一梯队 |
| 速度 | 69–112 t/s | 未公布 | 48–62 t/s（慢而省） | ~115 t/s（官方归一化口径） | 未公布 | 68 t/s，但 TTFT ~42s 偏慢 |
| 上下文 | 1M | 1M（最大输出 384K） | 2M，最长 | 1M（Coding Plan 路由） | 256K | 未公布 |
| 输出价 $/M | 0.42 | 0.87 | 4.00 | 未公布（5.2 为 2.56） | 5.76 | 6.00（缓存输入 0.50） |
| 开源 | ✅ | ✅ | ✅ | ✅ | ❌ | ❌ |
你的三条 Kimi K3 体感，全部被公开数据印证；千问 3.8 Max「贵不贵」要分场景回答。
五条，可直接照讲。