@theo
是 T3 Code 作者、知名 AI 博主，他的排名一共六档 S -> F，Claude Fable 5 独占 S 档、Gemini 全落在 F 档、F 档还有一个意外？！
https://youtube.com/watch?v=06BvFMW8Ng8
Theo 的评价框架：排名背后的四个核心维度
1. Token 效率（而非单价）：每百万 token 的标价没有意义，真正重要的是"完成一个任务总共花多少 token"。他多次强调：单价便宜但 token 消耗巨大的模型，实际成本反而更高。
2. 真实任务成本：以"每个任务实际花多少美元"为锚（引用 Cursor Bench、Artificial Analysis 数据）。
3. 视觉能力：他日常大量粘贴截图，2026 年不支持图像输入的模型在他这里会被直接重罚。
4. 工作流契合度：模型能否脱离"人肉监督"独立交付——这是他心中 S 级与其余一切的分水岭。
最终梯队总览
S - Claude Fable 5（Anthropic）
唯一的 S 级；他心中"有史以来最好的模型"
A - GPT-5.6 Sol（OpenAI，A 级之首，接近 S）、5.6 Luna、DeepSeek V4 Flash
Sol 是他的日常默认模型；后两者是超高性价比的"杂务之王"
B - Kimi K3（月之暗面，B 级之首）
首个能端到端完成复杂任务的开源权重模型
C - GPT-5.6 Terra
定价卡在尴尬中间位，找不到使用场景
D - GLM 5.3、Composer 2.5、Grok 4.6、Muse Spark、 Opus 5、Sonnet 5
各有亮点，但实战中没有选择它们的理由
F - Gemini 3.7 Flash、Gemini 3.1 Pro、DeepSeek V4 Pro
定价/效率失衡，或旗舰模型缺失视觉能力