九月四大模型对决:四强谁更值得用

2026 年 9 月 1 日至 3 日,OpenAI、Anthropic、Google、Meta 四家实验室在不到三天内接连发布新模型,摆明了是同一场军备竞赛的四个选手。没有一款全能,但每一款都有一项”碾压级”的主场。本文基于四家官方发布数据与 Artificial Analysis 等第三方基准,对比 GPT-6 Astra、Claude Fable 5.1、Gemini 3.8 Flash 与 Meta Muse Spark 1.3,并给出选型建议。

GPT-6 Astra:通用智能断层领先,但盲测反差明显

OpenAI 于 9 月 3 日发布 GPT-6 Astra。在最考验通用智能的测试上,它近乎满分:ARC-AGI-3 得分 99.9%,FrontierMath Tier 4 达 97.6%,ExploitBench 100%。操作电脑方面,OSWorld 2.0 拿到 72.6%,完成任务时间比上代减少 47%。

但它的盲测表现出现明显反差:在 LMArena 文本盲测中,gpt-6-astra-max 仅 1441.83 分,比上一代 GPT-5.5 high 的 1470.85 还低,公司榜上甚至挤不进前十。这说明盲测偏好”聊得舒不舒服”,而 Astra 的强项在”活干没干完”。其 API 标准定价为每百万输入 token 10 美元、输出 50 美元,是四款中最贵的;网络安全等高级能力受限,仅向受信任组织开放(Daybreak Access 计划)。它还是 OpenAI 首个达到”关键”级网络安全阈值的模型。

Claude Fable 5.1:编程与长程 Agent 最能打

Anthropic 在 9 月 1 日率先开场。Fable 5.1 主打长程、高风险的智能体任务,在衡量 Agent 式编程的 Terminal-Bench 4.0 上拿到 55.8%,其”安全版”Mythos 5.1 高达 60.9%;在 Agentic 科研(Terminal-Bench-Science)上,52.6% 是上一代(24.7%)的两倍多。有案例显示它能连续自主跑 38 小时处理机器学习任务,中途自己发现数据标签问题并修正方案。

LMArena 公司榜上,Fable 5.1 Max 以 1510.46 分守住第一,领先第二名约 16 分。Anthropic 将缓存读取价格下调 75%,典型工作负载成本约降 25%、重度 Agent 场景最高降 45%。它与 Claude Code、Claude Cowork 配合,是开发者上手最直接的选项。

Gemini 3.8 Flash:性价比之王

Google 在 9 月 2 日推出 Gemini 3.8 Flash,是六周内第三个 Flash 版本。它主打软件工程与智能体,Terminal-Bench 2.1 达 90.8%。定价极具杀伤力:每百万输入 token 0.75 美元、输出 3.75 美元(该优惠价有效期至 2026 年 12 月 31 日,此后翻倍),并支持 100 万 token 上下文。Google 同时发布 Gemini 3.8 Flash Cyber,专用于检测软件漏洞与生成补丁,仅通过 Fairwind Program 向”可信防御者”开放。

Meta Muse Spark 1.3:开源潜力股

Meta 超级智能实验室(MSL)于 9 月 2 日发布 Muse Spark 1.3,支持文本、图像、视频、文件输入,上下文窗口超过 100 万 token。相比 1.2,同样任务约少用 20% 工具调用与 25% token。标准定价为每百万输入 1.25 美元、输出 4.25 美元;同意将提示用于训练的开发者可享 0.10/0.20 美元的”贡献者”低价。Meta 同步开源 30B 的 Muse Glimmer 权重(Apache-2.0),并把个人智能体 Muse 推向市场,可自主开浏览器、填表单、替用户砍价。

四强横向对比

维度GPT-6 AstraClaude Fable 5.1Gemini 3.8 FlashMeta Muse Spark 1.3
—————
发布9 月 3 日9 月 1 日9 月 2 日9 月 2 日
编程/Agent 强项OSWorld 72.6%Terminal-Bench 55.8%Terminal-Bench 2.1 90.8%轻量多模态 Agent
通用智能ARC-AGI-3 99.9%综合指数领先轻量快跑开源可本地
输入价(美元/百万)1010(缓存读降 75%)0.751.25
输出价(美元/百万)50503.754.25
可得性灰度+受限全面开放Google 生态等开源权重

怎么选:直接对号入座

要通用智能的极限、预算不敏感、做企业级高价值任务,选 GPT-6 Astra,但要接受灰度与 2.5 倍定价。写代码、跑 Agent、做知识工作,选 Claude Fable 5.1,长程执行能力本轮最强且现在就能用。预算有限、要量大管饱的日常推理与 Agent,选 Gemini 3.8 Flash,0.75 美元的输入价太能打。想白嫖、能等,选 Meta Muse Spark 1.3,等开源权重落地后本地跑近乎零成本。

本轮发布本质上是”旗舰性能开始下放”——编程与 Agent 不再是顶配专属,便宜的 Flash 也能干,开源的 Spark 也快来了。真正受益的是普通用户。

本文基于 OpenAI、Anthropic、Google、Meta 官方发布信息及 Artificial Analysis、Dutch Startup 等第三方基准整理。


说说

全部说说