葬AI Benchmark
80/80 个站点，80 个已复测真实工作任务多轮复现；模型、provider、runner 分开记录；结果只代表本次 Web4 复杂个人网站任务。
不是通用 benchmark：它把个人真实任务标准化后交给可替换 runner 反复执行，再用可审计证据评分。
模型总榜
评分公式：复合评分 = loading 15 + adjusted graph/25*35 + articles/25*15 + visual 20 + interaction 15；adjusted graph 来自全量图谱稳定性复核
| 排名 | 模型版本 | 均分 | 区间 | 加载 | 图谱 | 文章 | 视觉 | 交互 |
|---|---|---|---|---|---|---|---|---|
| 1 | GLM 5.2GLM | 85.2 | 72.8-93 | 15 | 22.0 | 15 | 18.4 | 14.8 |
| 2 | Claude Opus 4.8Opus 4.8 | 84.9 | 57.8-98 | 15 | 25.8 | 14.8 | 16 | 13.4 |
| 3 | Qwen3.7 MaxQwen | 82.4 | 66.2-93.8 | 14.4 | 27.7 | 14.5 | 13.4 | 12.4 |
| 4 | Kimi K2.7 CodeKimi | 80.3 | 51.6-93.8 | 14.6 | 22.3 | 14.5 | 15.4 | 13.6 |
| 5 | Doubao Seed 2.1 ProDoubao | 77.6 | 55.6-96 | 14.8 | 20.6 | 14.8 | 14.9 | 12.6 |
| 6 | MiniMax M3MiniMax | 77.4 | 52.6-95.8 | 14.4 | 16.7 | 14.0 | 18.8 | 13.6 |
| 7 | Step 3.7 FlashStep | 68.3 | 53-87.8 | 15 | 16.1 | 15 | 11.4 | 10.8 |
| 8 | DeepSeek V4 ProDeepSeek | 67.1 | 39.2-96 | 14.6 | 16.4 | 14.5 | 9.8 | 11.9 |
1
GLM 5.2
GLM
85.2
均分
加载15
图谱22.0
文章15
视觉18.4
交互14.8
2
Claude Opus 4.8
Opus 4.8
84.9
均分
加载15
图谱25.8
文章14.8
视觉16
交互13.4
3
Qwen3.7 Max
Qwen
82.4
均分
加载14.4
图谱27.7
文章14.5
视觉13.4
交互12.4
4
Kimi K2.7 Code
Kimi
80.3
均分
加载14.6
图谱22.3
文章14.5
视觉15.4
交互13.6
5
Doubao Seed 2.1 Pro
Doubao
77.6
均分
加载14.8
图谱20.6
文章14.8
视觉14.9
交互12.6
6
MiniMax M3
MiniMax
77.4
均分
加载14.4
图谱16.7
文章14.0
视觉18.8
交互13.6
7
Step 3.7 Flash
Step
68.3
均分
加载15
图谱16.1
文章15
视觉11.4
交互10.8
8
DeepSeek V4 Pro
DeepSeek
67.1
均分
加载14.6
图谱16.4
文章14.5
视觉9.8
交互11.9
性价比榜
按质量均分相对综合消耗排序，不影响模型总榜。
| 性价比排名 | 模型版本 | 性价比指数 | 总 tokens | 人民币价格 | 调用数 | 耗时 |
|---|---|---|---|---|---|---|
| 1 | DeepSeek V4 ProDeepSeek | 38.4 | 10.08M | 17.1 元 | 223 | 46.7 分钟 |
| 2 | Qwen3.7 MaxQwen | 33.6 | 8.30M | 23.5 元 | 218 | 53.3 分钟 |
| 3 | Step 3.7 FlashStep | 21.0 | 23.32M | 0 元现金 / 11.2 元赠送 | 443 | 57.4 分钟 |
| 4 | GLM 5.2GLM | 19.4 | 14.72M | 估算 40.1-41.6 元 | 321 | 69.7 分钟 |
| 5 | Claude Opus 4.8Opus 4.8 | 15.4 | 14.57M | 202.5 元 | 306 | 73.3 分钟 |
| 6 | MiniMax M3MiniMax | 12.9 | 40.23M | 23.2 元 | 653 | 153.9 分钟 |
| 7 | Kimi K2.7 CodeKimi | 12.7 | 26.06M | 164.6 元 | 423 | 90.0 分钟 |
| 8 | Doubao Seed 2.1 ProDoubao | 12.3 | 18.76M | 41.34 元 | 449 | 128.9 分钟 |
1
DeepSeek V4 Pro
DeepSeek
38.4
指数
tokens10.08M
价格17.1 元
调用223
耗时46.7 分钟
2
Qwen3.7 Max
Qwen
33.6
指数
tokens8.30M
价格23.5 元
调用218
耗时53.3 分钟
3
Step 3.7 Flash
Step
21.0
指数
tokens23.32M
价格0 元现金 / 11.2 元赠送
调用443
耗时57.4 分钟
4
GLM 5.2
GLM
19.4
指数
tokens14.72M
价格估算 40.1-41.6 元
调用321
耗时69.7 分钟
5
Claude Opus 4.8
Opus 4.8
15.4
指数
tokens14.57M
价格202.5 元
调用306
耗时73.3 分钟
6
MiniMax M3
MiniMax
12.9
指数
tokens40.23M
价格23.2 元
调用653
耗时153.9 分钟
7
Kimi K2.7 Code
Kimi
12.7
指数
tokens26.06M
价格164.6 元
调用423
耗时90.0 分钟
8
Doubao Seed 2.1 Pro
Doubao
12.3
指数
tokens18.76M
价格41.34 元
调用449
耗时128.9 分钟
Round 矩阵
| Round | DeepSeekDeepSeek V4 Pro | KimiKimi K2.7 Code | QwenQwen3.7 Max | GLMGLM 5.2 | MiniMaxMiniMax M3 | Opus 4.8Claude Opus 4.8 | DoubaoDoubao Seed 2.1 Pro | StepStep 3.7 Flash |
|---|---|---|---|---|---|---|---|---|
| r1 | D 39.2 | B+ 86.8 | C 66.2 | B 77 | B 79 | A 98 | B 77.4 | B+ 86.8 |
| r2 | B+ 86.4 | A 93.8 | B+ 82.4 | B 77 | A 93.8 | A- 91 | B 77 | C 67.4 |
| r3 | D 57.8 | B+ 82.2 | B 76.2 | A- 89 | D 52.6 | D 57.8 | C+ 71 | D 55.8 |
| r4 | C 64.6 | D 51.6 | A 93.8 | A 93 | A 95.8 | A 93.8 | A 96 | C 66.2 |
| r5 | A 96 | C+ 68.6 | A 93.8 | A- 91 | B 79 | B 75 | C 62 | B 77 |
| r6 | C+ 74.4 | C 66 | B 80 | A 93 | B 77 | C+ 70.4 | A- 88.8 | B+ 87.8 |
| r7 | C 64.6 | A 93.8 | A 93.8 | C+ 72.8 | B 79 | A- 91 | B 75 | B 75.4 |
| r8 | C 64.2 | A- 89 | C+ 68.4 | B 77 | B 77 | A- 89.4 | B 77.6 | D 55.8 |
| r9 | C 62.4 | A- 89 | A 93.8 | A- 91 | C+ 68.2 | A 94.6 | A 96 | D 53 |
| r10 | C 61.8 | B+ 82.4 | B 75.4 | A- 91 | C+ 73 | A- 88.2 | D 55.6 | D 57.8 |