全球顶级AI大模型最新排名出炉！Gemini 3.1 Pro与GPT-5.4智能并列第一，中国 GLM-5强势杀入前 5，DeepSeek V3.2 成性价比之王！

优质文章学习记录

— 5 min read
全球顶级AI大模型最新排名出炉！Gemini 3.1 Pro与GPT-5.4智能并列第一，中国 GLM-5强势杀入前 5，DeepSeek V3.2 成性价比之王！

你好，我是杰哥

刚刚，权威 AI 评测平台Artificial Analysis 发布了全球最新大模型三维排名：智能指数（Intelligence）、**输出速度（Output Tokens per Second）**和 价格（USD per 1M Tokens）。

这次排名亮点满满：

  • 中美模型继续霸榜智能顶端，Gemini 3.1 Pro Preview 和 GPT-5.4（xhigh）并列57分第一！
  • 中国模型表现亮眼：GLM-5 智能第5（50分），DeepSeek V3.2虽然智能中等，但价格+速度综合性价比极高，继续展现“中国力量”！
GLM-5 是由中国领先的 AI 公司智谱AI（Zhipu AI）于 2026年2月11日（春节前夕）正式发布的新一代开源旗舰大模型，也被视为国产大模型在2026年开年的重磅作品。它在全球权威评测平台 Artificial Analysis 的 Intelligence Index 中获得 50分，位居全球第 5、开源模型第一，成为中国模型首次突破这一分数线的重要里程碑。
  • 速度王被 NVIDIA Nemotron 3 Super 夺走，价格最便宜的仍是开源/中国系模型。

下面我们一起具体来看。

一、智能指数（Intelligence）

核心能力排名，代表模型的综合推理、知识、创造力水平。

排行榜如下图（前10名）：

  • Gemini 3.1 Pro Preview（Google）：57分（并列第1）
  • GPT-5.4 (xhigh) （OpenAI）：57分（并列第1）
  • Claude Opus 4.6 (max) （Anthropic）：53分
  • Claude Sonnet 4.6 (max) （Anthropic）：52分
  • GLM-5（智谱AI）：50分 （中国模型第1，全球第5！）
  • Grok 4.20 Beta 0309（xAI）：48分
  • Gemini 3 Flash（Google）：46分
  • DeepSeek V3.2：42分
  • Nemotron 3 Super（NVIDIA）：36分
  • gpt-oss-120B (high) ：33分

杰哥点评：
Gemini 和 GPT-5.4 再次并驾齐驱，智能天花板被拉到新高度！中国 GLM-5 从上期榜单继续前进，稳居前 5，证明国产大模型在核心能力上已与国际顶级阵营并肩。DeepSeek V3.2 虽未进前 5，但作为开源/低成本代表，仍有不俗表现。Claude 双子星依然稳健，但已被中美模型拉开小差距。

二、输出速度（Speed）

每秒输出Token数，直接决定聊天、写作、代码生成的流畅度。

排行榜如下图（前10名）：

  • NVIDIA Nemotron 3 Super：455 tokens/s（第1！）
  • gpt-oss-120B (high) ：279 tokens/s（第2）
  • Grok 4.20 Beta 0309 ：216 tokens/s
  • Gemini 3 Flash：166 tokens/s
  • Gemini 3.1 Pro Preview ：125 tokens/s
  • GPT-5.4 (xhigh) ：73 tokens/s
  • GLM-5：67 tokens/s
  • Claude Sonnet 4.6 (max) ：55 tokens/s
  • Claude Opus 4.6 (max) ：48 tokens/s
  • DeepSeek V3.2：28 tokens/s

杰哥点评：
速度王彻底易主！NVIDIA Nemotron 3 Super 以 455 tokens/s 碾压，成为“闪电侠”。Grok 4.20 和 Gemini Flash 也进入前 4，日常使用体验极佳。GPT-5.4 和 GLM-5 速度中等偏上，DeepSeek V3.2 速度偏慢，但胜在后面价格优势巨大——适合不追求极致速度的场景。

三、价格（Price）

每百万Token美元价格（输入+输出综合参考），直接影响大规模使用成本。

排行榜如下图（从低到高）：

  • gpt-oss-120B：0.3美元
  • DeepSeek V3.2：0.3美元（并列最便宜！）
  • Nemotron 3 Super：0.4美元
  • Gemini 3 Flash：1.1美元
  • GLM-5：1.6美元
  • Grok 4.20 Beta 0309：3美元
  • Gemini 3.1 Pro Preview：4.5美元
  • GPT-5.4 (xhigh) ：5.6美元
  • Claude Sonnet 4.6 (max) ：6美元
  • Claude Opus 4.6 (max) ：10美元

杰哥点评：
性价比之王诞生！DeepSeek V3.2 和 gpt-oss-120B 以 0.3美元/百万Token 并列最低，NVIDIA Nemotron 仅 0.4 美元——这三款几乎是“白菜价”。而顶级智能模型（Gemini/GPT-5.4/Claude Opus）价格明显更高，适合需要极致能力的场景。中国模型再次在成本控制上领先全球！

总结：怎么选才是最优解？

  • 追求最强智能（写作、推理、复杂任务）：Gemini 3.1 Pro Preview 或 GPT-5.4（57分天花板）
  • 追求极致速度（实时聊天、代码生成）：NVIDIA Nemotron 3 Super（455 tokens/s）
  • 追求性价比（日常高频使用、创业/企业）：DeepSeek V3.2 或 gpt-oss-120B（0.3美元+可用速度）
  • 中国用户优选：GLM-5（智能前5+价格合理）、DeepSeek V3.2（最便宜）

AI时代，没有绝对最强，只有最适合。根据你的使用场景（智能/速度/预算）灵活选择，就能事半功倍！

你最看好哪款模型？是在用 Gemini、GPT 还是国产 DeepSeek/GLM？欢迎评论区告诉我～

关注【AI信息风向】后，回复 666，即可获取更多 AI 行业报告。

AI 技术正以前所未有的速度发展，它将如何塑造我们的未来？让我们拭目以待。

Read more

视频号下载解析机器人小程序源码搭建部署指南

视频号下载解析机器人小程序源码搭建部署指南

前言：合规前提下的工具开发思路 微信视频号解析工具需严格遵守《信息网络传播权保护条例》及平台规范，本文方案仅支持用户自有视频的合规下载，核心实现企微机器人接收链接、小程序展示结果的闭环流程，规避侵权风险与审核雷区。 一、前期准备：环境与资源配置（1-2 小时） 1. 开发环境搭建 模块 工具选型 用途说明 前端 微信开发者工具（最新版） 小程序开发与调试 后端 VS Code + Python 3.10 接口开发与逻辑实现 辅助工具 Fiddler Classic 视频链接抓包与解析逻辑调试 依赖安装命令： # 后端核心库（Flask+解析工具链） pip install flask flask-cors requests beautifulsoup4 lxml # 前端调试工具 npm install -g live-server
图谱驱动大模型智能体普惠时代：Neo4j Aura Agent正式全面上线

图谱驱动大模型智能体普惠时代：Neo4j Aura Agent正式全面上线

摘要： Neo4j Aura Agent正式商用，基于知识图谱的智能体构建平台实现分钟级部署，重塑企业AI应用开发范式。 往期推荐 [290页电子书]打造企业级知识图谱的实战手册，Neo4j 首席科学家力作！从图数据库基础到图原生机器学习 [550页电子书]2025年10月最新出版-知识图谱与大语言模型融合的实战指南：KG&LLM in Action [30页电子书]GraphRAG开发者指南 [180页电子书]GraphRAG全面解析及实践-Neo4j:构建准确、可解释、具有上下文意识的生成式人工智能应用 [140页]Neo4j GraphRAG白皮书 引言 在AI智能体（Agentic AI）市场快速扩张的当下，Neo4j宣布其开创性的智能体创建平台——Neo4j Aura Agent正式进入全面可用阶段，并在2026年2月全月提供免费使用。这一平台为AuraDB客户带来了革命性的体验：只需几分钟即可构建和部署基于知识图谱的智能体，并配备强大的新功能——包括基于本体的自动化智能体构建，以及一键部署到安全托管的MCP服务器。 智能体AI不仅仅是制造巨大的市
斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

斯坦福大学 | CS336 | 从零开始构建语言模型 | Spring 2025 | 笔记 | Assignment 1: Transformer LM Architecture Implement

目录 * 前言 * 1. Problem (linear): Implementing the linear module (1 point) * 2. Problem (embedding): Implement the embedding module (1 point) * 3. Problem (rmsnorm): Root Mean Square Layer Normalization (1 point) * 4. Problem (positionwise_feedforward): Implement the position-wise feed-forward network (2 points) * 5. Problem (rope): Implement RoPE (2 points) * 6. Problem

零基础本地部署Stable Diffusion：无需魔法上网的完整避坑指南

1. 为什么选择本地部署Stable Diffusion？ 最近AI绘画火得一塌糊涂，但很多在线平台要么收费贵，要么限制生成次数。本地部署最大的好处就是完全免费，想画多少张就画多少张，还能随心所欲地安装各种插件和模型。我刚开始玩的时候也纠结要不要本地部署，后来发现其实没想象中那么难，只要跟着步骤一步步来，小白也能搞定。 本地部署还有个好处是隐私性强。你的所有操作都在自己电脑上完成，不用担心作品被别人看到或利用。而且响应速度比在线平台快多了，不用排队等待，修改参数也能立即看到效果。我测试过，用RTX 3060显卡生成一张512x512的图片只要5-8秒，比很多在线平台快好几倍。 2. 安装前的准备工作 2.1 硬件配置检查 首先得看看你的电脑够不够格。显存是最关键的，建议至少4GB，2GB也能跑但会很卡。我有个朋友用GTX 1650（4G显存）跑得还挺流畅。查看显存很简单：任务管理器→性能→GPU，看"专用GPU内存"。 CPU倒不是特别重要，i5以上就够用。内存建议16GB，8GB勉强可以但容易爆内存。硬盘空间至少要留出20GB，因为模型文件都很大。