2026-09-27 证据快照 · v1.37.1

新模型怎么用：先看任务，再看额度

日常编程先试 GPT-6 Sol medium；需要持续判断和多文件修改，再升 high。做 3D 资产或浏览器游戏，Opus 5.5 值得优先试，但仍要用真实文件和可运行成品验收。高价旗舰留给它能明显减少返工的环节。

30 秒结论

日常 Codex

GPT-6 Sol medium → high

先用 medium 做边界清楚的工作；需要自己发现问题、处理多文件或做 3D 脚本时用 high。xhigh / max 留给难题和审查。

3D 美术和网页游戏

先试 Opus 5.5

当前 Blender 单次资产盲评、浏览器游戏偏好都支持它优先试用；Astra、Fable 5.1 同时保留竞争样板，不把一次榜单变成永远的冠军。

大量可验收支线

GPT-6 Luna high / max

资料整理、日志分类和能自动验收的小改动可先试。它不等于旧 Sol medium 在所有任务上的成功率，也不适合独自决定高风险架构。

GPT-6 Sol 比 GPT-5.6 Sol 强多少？升级后开哪档？

结论：同一套 AA v4.3.2 综合题里，新旧 Sol 同档几乎同级，新版每 token 的 API 标价减半，评测的平均任务费用也接近减半。它是更省的日常主力，不是“low 自动胜过旧 high”。

AA v4.3.2 · 综合指数 / 美元每加权评测任务；分数不是智商或成功率百分比
推理档	5.6 Sol	6 Sol	建议用在哪里
low	33 / $0.26	34 / $0.13	检索、文件定位、格式整理；关键判断不要只靠这一档。
medium	39 / $0.50	40 / $0.25	有明确结果和测试的日常功能；官方建议的起步档。
high	42 / $0.81	43 / $0.37	需求还需边做边判断、跨文件修改、常规 3D 脚本。
xhigh	44 / $1.18	44 / $0.53	复杂架构、难定位的错误、关键代码复核。
max	47 / $1.99	48 / $1.06	失败代价高的单条难题；不是全部任务的默认档。

同档高 0–1 分，只表示这套综合题里的小变化；不能解释成能力提高 1%，也不能证明每种仓库任务都更好。一个 26 题、每题三次的 CAD 实测里，两代 Sol 每次任务账单约 $0.252 与 $0.257，几乎没变，因为新版用了更多 token；两代能干净建出零件的比例同为约 92%。因此真正该记录的是你的项目里一次成功要花多少额度、多久、返工几轮。

起步策略：简单且可自动检查的任务用 medium；语音描述含糊、需跨文件判断、一般 3D Blender 脚本用 high；架构、安全与难调试用 xhigh；确实很重要或前档认真失败时再用 max。单个串行难题不因“Ultra”更响亮就开多代理；能分成独立资产、玩法、测试三条线并分别验收时才考虑 Ultra。

新 Sol 的型号与来源 →旧 Sol 资料与历史成绩 →线程、子代理和 worktree 怎么配 →

3D 建模与游戏开发，四种旗舰怎么选？

结论：若要先做一个漂亮、可编辑的 Blender 小资产或有视觉完成度的浏览器游戏，Opus 5.5 是目前最有直接证据的起点；Astra 与 Fable 5.1 是值得同题试做的替代方案。GPT-6 Sol max 能做原型，不能凭综合分把它说成 3D 头号选择。完整 Unity、Unreal、Godot 游戏仍没有同条件、足够规模的四模型冠军测试。

AA v4.3.2 · 单模型 max · 综合指数 / 美元每加权评测任务；这张表不测 3D 成品
模型	综合指数	评测任务费	怎么理解
Opus 5.5	58	$5.98	综合题最高，但任务费用也高。
Fable 5.1	53	$7.63	综合题与 Astra 同点；结果含安全回退。
Astra	53	$3.26	在这套综合题里与 Fable 同点，费用更低。
GPT-6 Sol	48	$1.06	低成本编程主线；综合题低 5–10 点不等于 3D 成功率低 5–10%。

“画面好看”“资产可编辑”“玩法正确”分别验收
要交付什么	先试谁	需要亲自检查什么
Blender 程序建模、硬表面零件	Opus 5.5 xhigh 对照榜单；日常可先用 medium/high 小样试价	结构、尺寸、拓扑、材质、可编辑文件；有图生 3D 工具参与时单独记账。
角色、场景、贴图与绑定	Opus 5.5 与 Astra 用同一小样 A/B；Fable 5.1 可做风格备选	近景细节、关节运动、贴图来源、帧预算；截图漂亮不代表游戏资产可用。
浏览器小游戏、Canvas / Three.js	Opus 5.5 做第一版；Sol max 做低价备选，Astra 处理复杂交互	输入、碰撞、胜负、重开、手机触控、帧率与代码可维护性。
大型游戏工程或长期无人值守	先让 Opus 5.5 / Astra 写验收并各做一段样板	引擎版本、资产管线、存档、自动测试、连续运行和人工返工；目前不指定固定赢家。

这些推荐来自什么证据？

Blender AI Arena 第三季截至本次核验约 979 份盲投：Opus 5.5 为 1842±77，Astra 为 1602±65；Opus 样本使用 extra-high，只测 12 道单次 Blender Python 资产题，榜单仍标 provisional。它不能证明 medium/high 同样领先。另一套 Partforge 测 26 道 CAD 题、每题三次：Opus 5.5 本轮综合最高，但 Gemini 3.8 Flash 的“每项全检查通过”约 64%，Opus 约 58%，Gemini 每件成功成本更低；Fable 5.1 未参加这一轮。两个测试范围不同，不能合成一个万能 3D 胜率。

Arena 浏览器游戏榜中 Opus 5.5 max 暂列第一，Fable 5.1 与 Astra 紧随；GPT-6 Sol max 位于第四。这是人类对生成作品的偏好，不是 Unity / Unreal 的自动验收。另有开发者直接比较同一鹈鹕骑车 Blender 任务，认为 Sol 更快但腿部绑定与场景细节不如 Opus；只有一次、且两边计费入口不同，只作为缺陷案例。

成本也要一起看：假设同一个小任务各用 10 万输入、2 万输出 token，且没有缓存，API 挂牌费约为 Sol 6 $0.40、Opus 5.5 $0.80、Astra $2.00、Fable 5.1 $2.00。这个例子只说明单价，不是实际完成一件 3D 作品的账单：更少的重试、人工修正或等待可能抵消更高单价。Partforge 的 CAD 小样本里，Gemini 3.8 每件合格零件更省；Blender 与完整游戏还缺同口径成功成本。

Max / Ultra 怎么办：单条高难建模或难以修复的玩法问题先提高到 max；若美术、玩法、测试可明确拆分且不同时写同一文件，再考虑 Ultra 或 Claude Code 的团队/UltraCode 工作流。它们不是“比 max 更聪明的单模型”，目前没有同预算四方实测，不能给固定能力名次。

Opus 5.5 证据卡 →Astra 资料 →Fable 5.1 资料 →

主要用 Pro 20x 会员，API 价格还有用吗？

结论：要分两本账。API 决定按量付费的美元成本；Codex／ChatGPT Work 会员看共享时间窗口、周额度、credits 和模型是否在账户里可选。API 便宜一半，不等于会员能无条件多做一倍工作。

短上下文标准速度 · API 为美元/百万 token；会员为官方五小时本地消息估计，不是保底数量
模型	API 输入 / 缓存读 / 输出	Pro 20x 五小时估计
GPT-6 Astra	$10 / $1 / $50	约 100–900 条
GPT-6 Sol	$2 / $0.20 / $10	约 300–3000 条
GPT-5.6 Sol	$4 / $0.40 / $20	约 200–2000 条
GPT-6 Luna	$0.10 / $0.01 / $0.50	约 7000–56000 条
Claude Opus 5.5	$4 / $0.20 / $20	不属于 ChatGPT Pro；看 Claude 自己套餐
Claude Fable 5.1	$10 / $0.25 / $50	不属于 ChatGPT Pro；看 Claude 自己套餐

上面的会员范围不按 low / max 分开，也没扣掉 Ultra 子代理、长上下文、图片等额外消耗。每条任务长短差别很大，本地与云端会共享额度，周限制可能另行生效；以账户里的用量面板为准。Codex credits 费率中，GPT-6 Sol 的输入/缓存/输出均为旧 Sol 一半；Fast 速度档消耗更多 credits。使用自己的 API Key 则走 API 账单，不计作“会员免费包含”。

更省的实际路线：Pro 20x 用户可先用 6 Sol medium/high 做主线；把明确、可验收的资料整理交给 6 Luna high。需要更高判断力时升 Sol xhigh / max 或 Astra；若另一家模型能补不同能力，再考虑 Claude Opus 5.5，不为了多个订阅而重复做相同工作。

没有 GPT-6 Terra，用谁补位？其它新品值得换吗？

结论：没有必要找一个名字叫“新 Terra”的一对一替身。日常复杂执行可选 6 Sol medium/high；大量便宜且可验收的工作试 6 Luna high/max。二者之间的任务边界比旧版命名更重要。

AA v4.3.2 中，6 Luna max 为 37，邻近旧 5.6 Sol low 33 / medium 39、Terra xhigh 38，恰与旧 Luna max 的 37 同点。这是综合题的粗略定位，不是“Luna max 能独立完成旧 Sol medium 的每一个工程任务”。Luna 更适合规则明确、能运行测试的执行；问题本身很模糊时让 Sol/Opus 先定目标。

小米 MiMo‑V2.6‑Pro：开放权重，AA v4.3.2 为 46；官方国际 API 输入 $0.435、输出 $0.87 / 百万 token，低价表现值得关注。第三方长期编程稳定性证据还不足，先做价值候选，不直接替换主力。
Grok 4.7：AA xhigh 为 46，Grok Build 的代码代理有进步；X 平台原生检索入口仍是另一种产品优势。新版本是否值得替换现有流程，要分清基础模型、Grok Build 和 X 检索。
DeepSeek V4.1 Flash：已取代旧 V4 Flash；便宜、工具任务有信号。官方原先宣布将 V4 Pro 请求改路由到 Flash，后来撤回并继续提供 Pro API，不能把两者合并或写成 Pro 已停止。

小米 MiMo 资料 →Grok 4.7 资料 →浏览全部模型资料 →自己选 2–4 个直接对比 →

来源、日期和仍不知道的事

本页取 2026-09-27 可核验的官方规格、独立评测与原作者案例。AA v4.3.2 不能和本站较早的 v4.2、CursorBench 3.2 直接减分；不同代理工具、会员与 API 也不能直接换算。尚无足够同条件重复测试可排列四家在完整 3D 游戏工程、Ultra 多代理或每个会员窗口里的真实成功任务成本。

页面给出可执行的试用顺序，不承诺永久冠军。购买会员或大量调用 API 前，回到官方页面确认当日价格、地区、额度和可用型号。