Claude Opus 5 横空出世：2026年7月AI模型格局全面洗牌

原文来源：DataNorth AI — Top 10 Best AI Tools for 2026 (Q3 Update) — 2026年Q3 AI工具全面排名和模型对比分析

2026年7月是AI行业有史以来最疯狂的一个月。短短31天内，Anthropic发了四个版本的Claude（其中一个还被美国政府出口管制令全球下架了），OpenAI连跳两个模型世代，Google的Flash系列跑了两代但Pro还在延期，xAI出了个便宜到离谱的编程模型，Meta推出了第一个付费模型。

如果你4月规划的AI技术栈，到7月底至少有一半假设已经过时了。

Claude Opus 5：表面上的赢家

7月24日发布的 Claude Opus 5 是本月最重磅的新闻。它直接登顶了 Artificial Analysis 的 Intelligence Index（v4.1 评分体系）——61分，领先第二名Claude Fable 5（60分）一个点，领先 GPT-5.6 Sol（59分）两个点。

价格不变：每百万token输入5美元、输出25美元，和 Opus 4.8 完全一样。100万token上下文窗口也是标配。新增了一个从低到高的 effort ladder（推理努力级别），你可以根据任务复杂度选择模型花多少「脑力」去思考。

Anthropic官方报告的数据：SWE-bench Verified 96.0%，SWE-bench Pro 79.2%，ARC-AGI-2 90.4%。这些数字单看可能不够直观——作为对比，上次引起轰动的 GPT-5.6 Sol 在 SWE-Bench Pro 上是 64.6%。当然，两个模型的测试条件不完全一致，不能直接比大小，但方向是明确的：Opus 5 在编程和推理上确实拉高了天花板。

但 Opus 5 也有个尴尬的地方——它上面还有个 Fable 5。Fable 5 是 Anthropic 第一个 Mythos 级别的模型，6月9日发布，三天后就被美国政府出口管制令全球下架了（这是第一次有商用前沿模型被以这种方式拉下马），直到7月1日才重新上线。Fable 5 的 WebDev Arena Elo 评分高达1653，超出第二名92分，是有史以来最大的差距。价格也是全市场最贵的：每百万token输入10美元、输出50美元。

所以真正的问题是：Opus 5 和 Fable 5 之间92个Elo点的差距，值不值4倍的价格差？对大多数团队来说答案是否定的。Opus 5 就成了那个「日常主力」的选项。

GPT-5.6 家族：Sol、Terra、Luna 全面铺开

OpenAI 在7月9日正式向公众开放了 GPT-5.6 全系列。这是 OpenAI 第一次用名字代替尺寸来区分模型层级：Sol（旗舰）、Terra（均衡）、Luna（经济），再加一个 Sol Pro（极限任务用）。

关键变化是 ChatGPT 内部不再让你选模型名了——改成选推理级别（Instant、Medium、High、Extra High、Pro）。GPT-5.6 Sol 在 GPQA Diamond 上达到 94.6%，OSWorld 2.0 上 62.6%，在数学和推理类基准测试中仍是第一。

同一天 OpenAI 还发布了 ChatGPT Work，一个可以在后台持续运行几小时的agent系统，支持 Slack、Teams、Google Drive、SharePoint、Salesforce 等连接器。Codex 被整合进了同一个 ChatGPT 桌面应用，Atlas 浏览器被退役，Sora 被砍掉。

7月22日 OpenAI 又推出了 Presence，一个企业级语音和聊天 agent 平台——不过目前只对有限客户开放。

API 定价：Sol 每百万token输入5美元、输出30美元；Terra 2.5/15美元；Luna 1/6美元。

Grok 4.5：价格战的新低

xAI 在7月8日发布的 Grok 4.5 走了一条完全不同的路——便宜。每百万token输入2美元、输出6美元，大概只有 Claude Opus 4.8 的五分之一。它用 Cursor 的数据训练过，主打编程和 agent 工作负载，500K token 上下文窗口。

基准测试方面，Artificial Analysis 给它的 Intelligence Index 评分是54（v4.1），落后于 Fable 5、GPT-5.6 Sol、Kimi K3 和 Opus 4.8，但考虑到价格——每个 index 任务只用约0.31美元，大约是 Claude Sonnet 5 的五分之一——性价比相当诱人。

不过测试者也指出了问题：幻觉率明显上升。xAI 自己报告的 Terminal-Bench 2.1 成绩是83.3%，但官方排行榜的实际数据是79.3%，排第四（Fable 5 83.8% 第一，GPT-5.5 Codex 83.1% 第二）。

Grok 4.5 目前可以在 Grok Build、Cursor（所有套餐）和 xAI 控制台中使用。

Gemini 3.6 Flash：又快又便宜

Google 在7月21日发布了 Gemini 3.6 Flash。它不追求极限性能，而是强调速度和价格。每百万token输入1.5美元、输出7.5美元，Intelligence Index 评分50。

这个模型现在成了免费 Gemini 应用的默认模型。它的定位很清晰：高吞吐量的多模态任务场景。如果你需要在低成本下处理大量图片、文档和文字混合的工作，3.6 Flash 是目前最好的选择。

另一边，Gemini 3.5 Pro 至今没有正式发布。彭博社7月16日报道说它已经落后计划好几个月了，尤其是在编程能力上没达到 Google 内部目标。这意味着目前你能部署的最高 Pro 级 Gemini 仍然是2月份的 3.1 Pro。Google 已经确认开始了 Gemini 4 的预训练。

其他值得关注的发布

7月9日 Meta 发布了 Muse Spark 1.1，这是 Meta 第一个付费模型——每百万token输入1.25美元、输出4.25美元，定位是 agentic coder。对习惯了免费 Llama 的用户来说，这是个信号：Meta 也开始认真考虑模型商业化。

同一天，字节跳动发布了 Seedream 5.0 Pro，一个多语言的图文生成模型，支持区域精确编辑——适合做海报、广告图、产品展示页。

7月16日 Moonshot 发布了 Kimi K3，Intelligence Index 评分57，并在7月27日公开了权重。

7月21日发布的 Gemini 3.6 Flash 上面提过了。加上 GPT-5.6 在6月26日首次预览（仅限美国政府准入名单上的约20家机构），上半年最后一个重磅发布是6月29日美团开源了 LongCat-2.0，一个1.6万亿参数的编程模型，完全在中国芯片上训练。

模型选择指南

这个月的局势可以用一句话概括：没有全能冠军，只有场景最优。

几个值得注意的趋势：选模型变成了选路由策略而不是选单一模型。Cursor Router 报告说，用路由策略比跑单一前沿模型节省30%-50%的费用。Perplexity Deep Research 在单个任务中跨超过20个模型分配子任务。未来你很可能不再直接选模型，而是让系统根据任务自动路由。