距离我们7月比较GPT-5.6与Claude Fable 5才过去三个多月，格局已经彻底改变。9月22日，Anthropic发布了Claude Opus 5.5，OpenAI在同一天发布了GPT-6 Sol与Luna。9月30日，Google发布了Gemini 4 Argon；10月26日，OpenAI又把GPT-6.1 Terra推上了ChatGPT和Codex。
本文以2026年10月27日为基准，用四把尺子比较三家公司的当前主力模型：厂商公布的基准测试、第三方独立测量、开发者与媒体亲手跑过的实测，以及价格。最后整理了未来值得关注的看点。
事先说明：本站和站内的大部分游戏都是用Claude Code做的。这是我每天都在用的工具，有切身体会，但也可能因此偏向Claude，请读者自行斟酌。下文所有数字都注明了出处。
一眼看结论
- 综合基准与用户投票：Gemini 4 Argon领先。 在Google公布的18项基准中，它单独拿下12项第一；LMArena文本排行榜也位居第一（1532分，暂定）。
- 实战编程，尤其是在终端里长时间工作的智能体编程：Claude Opus 5.5领先。 在第三方独立测量的Terminal-Bench 4.0上，前两名都是Claude（Opus 5.5和Sonnet 5.5）。
- OpenAI靠一次成型和价格取胜。 GPT-6 Astra最稳定地用一次请求就做出能直接运行的应用，而Sol和6.1 Terra价格便宜。
- Gemini在追赶的说法已经不成立。 只看基准表，Gemini反而跑在最前面。但开发者真正把它们当编程智能体来用时，对Claude的评价仍然更高。
各家当前主力模型
| 公司 | 模型 | 发布 | API价格（输入/输出，每百万token） |
|---|---|---|---|
| Anthropic | Claude Opus 5.5 | 9月22日 | $4 / $20 |
| Anthropic | Claude Fable 5.1（上一代旗舰） | 9月（早于Opus 5.5数周） | $10 / $50 |
| Anthropic | Claude Sonnet 5.5 · Haiku 5.5 | 9月28日 · 10月7日 | Haiku $0.10 / $0.50（10万token以内） |
| OpenAI | GPT-6 Astra（旗舰） | 9月初 | $10 / $50 |
| OpenAI | GPT-6 Sol → 6.1 Sol | 9月22日 → 9月29日（DevDay） | $2 / $10 |
| OpenAI | GPT-6.1 Terra（中型） | 10月26日 | 比GPT-5.6 Terra便宜50% |
| Gemini 4 Argon | 9月30日发布，10月13日全面开放 | $2 / $10（至11月30日）→ $4 / $20 |
有几点值得注意。
- Anthropic把新旗舰定得更便宜。 Opus 5.5的API价格比上一代旗舰Fable 5.1低60%。Anthropic还表示，它完成同样任务所用的token更少，实际成本可降低约40%。
- OpenAI把产品线分成了四档。 从便宜到贵依次是Luna、Terra、Sol、Astra。不过据《华尔街日报》报道，原定10月推出的GPT-6.1 Astra在内部安全测试后被取消，旗舰线的下一个版本目前还没有时间表。
- Google用价格切入。 Argon的首发价是Opus 5.5的一半，但从12月1日起翻倍，与Opus 5.5持平。
1. 厂商公布的基准：看起来像Gemini大获全胜
Google在发布Argon时公开了与竞品并列的18项基准对比表。据VentureBeat统计，Argon单独第一12项、并列第一1项；GPT-6 Astra单独第一3项，Opus 5.5单独第一2项。
| 基准（测什么） | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| DeepSWE v1.1（真实软件修复） | 77.9% | 74.1% | 74.2% |
| GraphWalks（超长上下文推理） | 84.2% | 71.8% | 66.8% |
| LVBench（长视频理解） | 91.7% | 87.5% | 83.7% |
| AutomationBench（业务自动化） | 51.3% | 41.4% | 42.5% |
| Vals Finance Agent v2（金融业务） | 65.4% | 53.5% | 58.6% |
| FrontierSWE v2（高难度编程） | 55.0% | 65.5% | 62.3% |
| Terminal-Bench 4.0（终端智能体） | 57.4% | 58.2% | 66.4% |
| PostTrainBench | 45.3% | — | 49.3% |
出处：Google公布的对比表（经VentureBeat、DataCamp整理）。Opus 5.5的FrontierSWE v2与Astra的Terminal-Bench 4.0数值来自DataCamp、shattered.io等二手整理。
趋势很清楚：长文档、长视频、法律与金融这类需要大量阅读后再判断的工作，Gemini最强。 反过来，在终端里边敲命令边长时间工作的编程，Claude最强；高难度的单题编程，GPT最强。
但这张表是Google做的，对手的测试条件也由Google决定。比如视频基准中，Argon以每秒1帧接收完整视频，而Astra只拿到800帧，Opus 5.5受API上限所限只有600帧。
2. 独立测量：差距缩小，排名改变
厂商的数字都是在各自最有利的条件下测出来的。如果由第三方用同样的条件来测，结果会怎样？
Terminal-Bench 4.0 — Vals.ai独立测量（截至10月26日）
| 排名 | 模型 | 得分 |
|---|---|---|
| 1 | Claude Opus 5.5 | 65.15% |
| 2 | Claude Sonnet 5.5 | 64.14% |
| 3 | Kimi K3.1 Pro（月之暗面，开放权重） | 63.64% |
| 4 | GPT-6 Astra | 59.60% |
| 5 | Claude Fable 5.1 | 58.08% |
| 7 | Gemini 4 Argon | 57.58% |
| 8 | GPT-6.1 Sol | 55.05% |
| 10 | GPT-6.1 Terra | 49.49% |
所有模型都在同一个智能体框架（Mini-SWE-agent）下测量。Opus 5.5自报的66.4%与独立测得的65.15%几乎一致，说明厂商数字没有注水。Artificial Analysis另行测得的是59.6%，略低一些——框架不同，出现这种差距很常见。
值得关注的是第3名Kimi K3.1 Pro：一个任何人都能下载使用的开放权重模型，已经超过了GPT-6 Astra和Gemini 4 Argon。
用户投票 — LMArena文本排行榜（10月20日）
| 排名 | 模型 | 得分 |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1532（暂定） |
| 2 | Claude Opus 5.5 (High) | 1516 |
| 3 | Claude Fable 5.1 (Max) | 1512 |
| 4 | Claude Opus 5 (Max) | 1509 |
这是让人看两个回答、给更好的一方投票的方式。Argon排名第一，但票数只有约4,900张，仍属暂定。第2到第5名都是Claude，GPT-6系列没有进入前五。
综合智能指数 — Artificial Analysis
Artificial Analysis指数（汇总多项基准的综合分）在不同资料里略有出入，但大体上Opus 5.5以56–58分领先，Argon与GPT-6 Astra在52–53分左右，不相上下。10月26日加入的GPT-6.1 Terra在最高设置下拿到48分，对中型模型来说相当高。Artificial Analysis已预告10月底改版为指数v5，排名可能还会再变。
3. 开发者与媒体实测：赢家取决于干什么活
看完基准，大家最想知道的是“实际用起来怎么样”。YouTube和开发者社区里，让三个模型做同一道题的对比层出不穷。这里只挑选了公开具体数字结果的测试。
① 3D卡丁车游戏与超跑（开发者Anass Kartit，10月14日） 每个模型都接入自家公司的编程工具（Opus 5.5用Claude Code，Astra用Codex，Argon用opencode）完成相同任务。
| 任务 | Gemini 4 Argon | GPT-6 Astra | Claude Opus 5.5 |
|---|---|---|---|
| 一次生成3D卡丁车游戏 | 220秒 · $0.31 · 9.5/10 | 323秒 · $0.70 · 10/10 | 308秒 · $0.64 · 触及输出上限中断 |
| 霓虹高速公路超跑 | 约24分钟 · 2,540行 · $2.45 | 9分钟 · 193行 · 约$3.30 | 14分39秒 · 1,166行 · 约$14.14 |
| 82道简答题 | 82/82 | 82/82 | 81/82（1处格式失误） |
作者的结论是：外观最好的是Argon，一次就交出完整应用最稳定的是Astra，而Opus 5.5在Claude Code里不改任何设置就能直接跑；Argon则需要调整两项工具设置。
② 机械臂避障（DataCamp，10月14日） 这项测试看模型能否从头到尾守住“任何时候都不能碰到障碍物”的硬约束。Opus 5.5一次都没碰到，得4.7分；Argon中途穿过了障碍物，得3.7分。成本上Argon为$0.72，比Opus（$1.09）便宜，但在高思考量设置下，它耗尽了输出预算却没写出文件。
③ 重力翻转俄罗斯方块（DataCamp，9月23日） 用一个文件做出重力会翻转的俄罗斯方块。GPT-6 Sol以5.0分胜过Opus 5.5的4.3分，成本$0.26，约为Opus（$0.87）的三分之一。
④ 3D场景编程（韩国AI Times报道，9月23日） 一次画出鱼群、漩涡、暴风雨中的船等场景。Opus 5.5边自我修正错误边在细节上胜出，但总成本$4.37，约为GPT-6 Sol（$0.34）的13倍。文章结论：快速搭骨架、便宜的基础代码用GPT，达到上线水准的打磨用Opus 5.5。
把这些实测放在一起，规律就出来了：
- Claude：偏贵偏慢，但最能坚守约束、边改边把活干完——是你最放心长时间托付的那个。
- GPT：又快又便宜，一次就能跑起来——作为“能运行的初稿”最稳定。
- Gemini：视觉效果和长输入处理很强，首发期价格便宜，但与编程工具的磨合还不够成熟。
这些测试大多只跑了一次，重做同一任务排名可能改变，请当作“趋势”来看。
4. 那么该用哪个？
| 如果你的工作是…… | 推荐 |
|---|---|
| 在大型代码库上长时间托付的智能体编程 | Claude Opus 5.5（Claude Code） |
| 一次成型的原型、大批量低成本处理 | GPT-6 Sol / 6.1 Terra |
| 数百页文档、长视频、法律或金融分析 | Gemini 4 Argon |
| 成本优先的简单重复工作 | Claude Haiku 5.5、GPT-6.1 Terra、开放权重模型（Kimi等） |
Gemini在11月30日前半价，现在正是试用的好时机。从12月1日起，它将与Opus 5.5同价。
未来展望：值得关注的五点
1）从“谁是第一”变成“在哪方面第一”。 三个月前，常常是一个模型横扫大部分榜单。如今三家已经各自划分了强项：Claude是长时间工作的编程智能体，GPT是一次成型与价格，Gemini是长资料与多模态。今后，与其只用一个，按任务切换模型的做法会越来越多。Claude Code、Codex、GitHub Copilot等工具也已经在朝着可选多家模型的方向转变。
2）价格战已经打响。 Opus 5.5比上一代旗舰便宜60%，GPT-6.1 Terra比前代便宜50%，Argon则以Opus一半的首发价入场。同等能力的价格每隔几个月就降一半。第一个试金石是12月1日：Argon的价格是否真的翻倍，还是首发价会悄悄变成常态？
3）顶级模型从“立即开放”转向“分阶段开放”。 Argon最初只先提供给网络安全防御机构。Claude Mythos 5.1也只对经批准的用户开放。据报道，GPT-6.1 Astra在安全测试后被取消发布。越强的模型越是在安全审查后更晚、更小范围地开放，这一趋势正在固化。这意味着普通用户手里的“最新模型”与真正的前沿之间会出现时间差。
4）开放权重模型紧追不舍。 Kimi K3.1 Pro在独立测量的Terminal-Bench 4.0中排名第三，超过了GPT-6 Astra和Gemini 4 Argon，完整权重预计11月4日公开。DeepSeek、MiniMax以及Meta的Muse Spark Open也在10月相继推出。昂贵的旗舰模型与“够用的免费模型”之间差距越小，三家公司的定价压力就越大。
5）基准测试本身正在动摇。 同样是Terminal-Bench 4.0，Opus 5.5的得分因测量方不同，从59.6%到66.4%不等，原因是框架和思考量设置不同。SWE-bench Verified实际上已经退役，Artificial Analysis也即将改版为指数v5。今后，公布的数字只有连同“谁、用什么设置测的”一起看才有意义。归根结底，最可靠的基准仍然是用你自己的工作亲自去试。
结语
“Gemini追赶Claude和ChatGPT”的叙事在10月画上了句号。从纸面上看，Gemini已经站到了前面。但对每天都在跑编程智能体的人来说，体感上领先的仍是Claude Opus 5.5——因为它是那个交给它就能把活干完的模型。这个优势能维持多久，将由12月的价格、开放权重的追赶，以及OpenAI的下一代旗舰来决定。
本文整理的是截至2026年10月27日的公开资料。基准数值因测量方与设置而异，厂商自报数值在独立复现前均未经验证。
来源
- VentureBeat — Google unveils Gemini 4 Argon, retaking benchmark lead
- Google — Gemini 4 Argon: our next era of frontier intelligence
- VentureBeat — Anthropic releases Claude Opus 5.5
- Anthropic — Introducing Claude Haiku 5.5
- 9to5Mac — OpenAI upgrades ChatGPT and Codex with new GPT-6.1 Terra
- Vals.ai — Terminal-Bench 4.0 Leaderboard
- Artificial Analysis — Changelog
- VersusApps — LMArena Leaderboard October 2026
- DataCamp — Gemini 4 Argon vs Claude Opus 5.5
- DataCamp — GPT-6 Sol vs Claude Opus 5.5
- Anass Kartit — Gemini 4 Argon vs Opus 5.5 vs GPT-6 Astra: Same Prompt, Real Bills
- AI Times（韩文）— 3D编程对决：Claude Opus 5.5 vs GPT
- October 2026 AI Model Updates（模型发布日志）