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！

Ne0inhk

23 Mar 2026 — 5 min read

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。

SORT 追踪算法详解 + 应用场景 + 完整 C# 案例代码

SORT 追踪算法详解 + 应用场景 + 完整 C# 案例代码一、SORT 追踪算法完整详解 SORT（Simple Online and Realtime Tracking）是 2016 年提出的经典多目标追踪算法，至今在很多对实时性和简单性要求高的工业场景中仍然被广泛使用。核心思想： “检测 + 卡尔曼滤波预测 + IOU 匹配”，用最少的计算量实现实时追踪。 SORT 完整工作流程（只有 3 步） 1. 检测每一帧都依赖检测器（YOLO、Faster R-CNN 等）给出当前帧所有目标的 bounding box + 置信度只使用置信度高于阈值（通常 0.5）的框 2. 预测对每一条已有轨迹，用

模板编译期排序算法

1、非修改序列算法这些算法不会改变它们所操作的容器中的元素。 1.1 find 和 find_if * find(begin, end, value)：查找第一个等于 value 的元素，返回迭代器（未找到返回 end）。 * find_if(begin, end, predicate)：查找第一个满足谓词的元素。 * find_end(begin, end, sub_begin, sub_end)：查找子序列最后一次出现的位置。 vector<int> nums = {1, 3, 5, 7, 9}; // 查找值为5的元素 auto it = find(nums.begin(

程序员怎样才能学好算法?这本书送几本给大家!

文章目录 * 前言 * 一、笔者对算法的理解 * 二、写书的初衷及过程 * 三、主要内容 * 四、本书的内容 * 五、联合推荐 * 六、购买方式 * 七、《算法秘籍》 * 中奖者名单前言提示：这里可以添加本文要记录的大概内容：数据结构和算法是计算机科学的基石，是计算机的灵魂，要想成为计算机专业人员，学习和掌握算法是十分必要的。不懂数据结构和算法的人不可能写出效率更高的代码。计算机科学的很多新行业都离不开数据结构和算法作为基石，比如大数据、人工智能等。底层开发中也需要使用非常多的数据结构和算法知识，以保证底层系统的稳定性和高效性。提示：以下是本篇文章正文内容，下面案例可供参考一、笔者对算法的理解计算机科学家尼古拉斯·沃斯在计算机领域有一句人尽皆知的名言： “算法+数据结构=程序”（Algorithms+Data Structures=Programs）所以数据结构和算法是程序员必须掌握的技能。尤其是到一些大公司面试的时候，算法更是一个少不了的环节，熟练掌握数据结构和算法，可以开拓我们的视野，提高我们的逻辑思维能力，

数据结构【AVL树】

AVL树 * 1.AVL树 * 1.1AVL的概念 * 1.2平衡因子 * 2.AVl树的实现 * 2.1AVL树的结构 * 2.2AVL树的插入 * 2.3 旋转 * 2.3.1 旋转的原则 1.AVL树 1.1AVL的概念 AVL树可以是一个空树。它的左右子树都是AVL树，且左右子树的高度差的绝对值不超过1。AVL树是一颗高度平衡搜索二叉树，通过控制高度差去控制平衡。 AVL树整体结点数量和分布和完全二叉树类似，高度可以控制在 logN ，那么增删查改的效率也可以控制在O(logN ) ，相比二叉搜索树有了本质的提升。 1.2平衡因子结点的平衡因子=右子树的高度减去左子树的高度，也就是说任何结点的平衡因子等于0/1/-1，AVL树并不是必须要平衡因子，但是有了平衡因子可以更方便我们去进行观察和控制树是否平衡，就像⼀个风向标一样。为什么AVL树是高度平衡搜索二叉树，要求高度差不超过1，而不是高度差是0呢？因为例如二和四个结点无法达到0.