改动一条蒙提霍尔规则,五个 LLM 仍选换门
即便进行逐步推理,这些模型的准确率仍徘徊在 33% 左右,其中一个模型正确引用了主持人的规则,随后却将其无视。

覆盖国内外主流大模型的路线、能力与价格:闭源旗舰、国产头部与开源权重,按可核验的公开口径对比。
OpenRouter 公开报价 · 人民币按汇率折算 · 分时计价两档并列 · 每 10 分钟刷新
| 模型 | 厂商 | 上下文 | 输入 /1M | 缓存命中 /1M | 输出 /1M | 定位 | 发布 |
|---|---|---|---|---|---|---|---|
| GPT-6.2 Astra | OpenAI · 美国 | 1.05M | ¥53.45 | ¥2.67 | ¥267.23 | 旗舰 | 2026-11-18 |
| GPT-6.2 Sol | OpenAI · 美国 | 1.05M | ¥13.36 | ¥0.67 | ¥66.81 | 旗舰 | 2026-11-18 |
| GPT-6 Luna | OpenAI · 美国 | 1.05M | ¥0.67 | ¥0.07 | ¥3.34 | 轻量 | 2026-09-23 |
| Claude Sonnet 5.5 | Anthropic · 美国 | 1M | ¥13.36 | ¥0.67 | ¥66.81 | 旗舰 | 2026-09-29 |
| Claude Opus 5.5 | Anthropic · 美国 | 1M | ¥26.72 | ¥1.34 | ¥133.62 | 旗舰 | 2026-09-23 |
| Claude Haiku 5.5 | Anthropic · 美国 | 1M | ¥0.67 | ¥0.07 | ¥3.34 | 轻量 | 2026-10-08 |
| Gemini 4 Neon | Google · 美国 | 1.05M | ¥20.04 | ¥1.00 | ¥100.21 | 旗舰 | 2026-11-18 |
| Gemini 3.8 Flash | Google · 美国 | 1.05M | ¥5.01 | ¥0.50 | ¥25.05 | 轻量 | 2026-09-02 |
| Grok 4.7 | SpaceXSI · 美国 | 500K | ¥13.36 | ¥3.34 | ¥40.08 | 旗舰 | 2026-09-22 |
| Muse Ember | Meta · 美国 | 1.05M | ¥0.67 | ¥0.03 | ¥3.34 | 旗舰 | 2026-11-10 |
| Muse Spark Open开源 | Meta · 美国 | 1.05M | ¥8.35 | ¥1.00 | ¥28.39 | 开源 | 2026-10-16 |
| Mistral Large 4开源 | Mistral · 法国 | 1.05M | ¥4.68 | ¥0.47 | ¥14.03 | 旗舰 | 2026-10-06 |
| DeepSeek V4 Pro 0813开源忙时 | 深度求索 · 中国 | 1.05M | ¥8.82 | ¥0.29 | ¥26.46 | 旗舰 | 2026-08-12 |
| DeepSeek V4 Pro 0813闲时输出价低 50% | ¥4.41 | ¥0.15 | ¥13.23 | ||||
| DeepSeek V4.1 Flash 1017开源忙时 | 深度求索 · 中国 | 1.05M | ¥2.00 | ¥0.04 | ¥8.02 | 轻量 | 2026-10-17 |
| DeepSeek V4.1 Flash 1017闲时输出价低 50% | ¥1.00 | ¥0.02 | ¥4.01 | ||||
| Qwen4 Max | 阿里云 · 中国 | 1M | ¥9.52 | ¥0.48 | ¥28.56 | 旗舰 | 2026-11-16 |
| Qwen3.8 Flash开源 | 阿里云 · 中国 | 1M | ¥1.00 | ¥0.11 | ¥3.14 | 轻量 | 2026-08-27 |
| Kimi K3.1 Pro开源 | 月之暗面 · 中国 | 1.05M | ¥1.69 | — | ¥58.79 | 旗舰 | 2026-10-24 |
| GLM 5.3 Prime | 智谱 · 中国 | 1M | ¥11.22 | ¥2.24 | ¥35.27 | 旗舰 | 2026-09-24 |
| GLM 5.3 FlashX | 智谱 · 中国 | 1.05M | ¥2.47 | ¥0.50 | ¥8.35 | 轻量 | 2026-09-18 |
| MiniMax M3开源 | MiniMax · 中国 | 1.05M | ¥2.00 | ¥0.40 | ¥8.02 | 旗舰 | 2026-06-01 |
| MiniMax M3.1 Flash开源 | MiniMax · 中国 | 1.05M | ¥1.00 | ¥0.10 | ¥4.01 | 轻量 | 2026-10-19 |
| 混元 4(Hy4)开源 | 腾讯 · 中国 | 1.05M | ¥2.79 | ¥0.14 | ¥8.35 | 旗舰 | 2026-11-04 |
| 混元 4 Flash开源 | 腾讯 · 中国 | 1.05M | ¥0.23 | ¥0.01 | ¥0.94 | 轻量 | 2026-11-16 |
| Seed 2.1 Turbo | 字节跳动 · 中国 | 262K | ¥3.34 | ¥0.60 | ¥16.70 | 旗舰 | 2026-08-13 |
| MiMo-V2.6-Pro开源 | 小米 · 中国 | 1.05M | ¥2.91 | ¥0.02 | ¥5.81 | 旗舰 | 2026-09-22 |
| MiMo-V2.6-Flash开源 | 小米 · 中国 | 1.05M | ¥0.94 | ¥0.02 | ¥1.87 | 轻量 | 2026-09-22 |
口径:仅列在售主线型号,定位按厂商产品线划分;价格与上下文每 10 分钟自动刷新,官方调价自动同步并留痕。 DeepSeek V4 Pro 0813、DeepSeek V4.1 Flash 1017 按官方两档并列展示:忙时为 北京时间周一至周五 09:00–12:00、14:00–18:00(法定节假日除外),闲时为其余时段(含周末与法定节假日全天);闲时三个价格列均为官方挂价、低于忙时(降幅见行内标注),两行同属一个型号,不是两个产品。 Gemini 3.8 Flash、混元 4(Hy4)、Seed 2.1 Turbo 按厂商官方刊例价校正。 混元 4 为腾讯云限时 5 折价,标准价为表中 2 倍(至 2026-12-31)。 人民币价统一按当日汇率折算,与官方人民币标价可能相差几分。按 1 美元 ≈ 6.68 元折算(汇率更新于 2026-11-19 09:43)。 官方价核验于 2026-11-19 15:26。 「缓存命中」为输入命中上下文缓存时的单价,未公开该口径的型号显示「—」。
即便进行逐步推理,这些模型的准确率仍徘徊在 33% 左右,其中一个模型正确引用了主持人的规则,随后却将其无视。

图灵奖得主 Richard Sutton 重申,仅靠原始算力不足以实现智能,必须要有全新的学习方法。前 OpenAI 研究员 Tworek 表示认同…

Entire 是一款专为人类开发者与 AI 编程智能体之间协作而设计的 Git forge。其前提是,传统软件开发基础设施,尤其是拉取请求(PR)模…

阿里巴巴推出新的编程智能体基准测试 Co-Design Bench,用真实用户请求来测试 AI 智能体——这些请求此前在实际使用中已让它们出错。即便…
发言人:高通公司AI产品技术中国区负责人 万卫星 2026年11月7日,上海 终端侧AI发展到了什么阶段? 终端侧AI经过过去3至4年的发展,正在迎…
Nous Research 发布了 Arete-27B,这是 Qwen3.8-27B 的 Apache 2.0 授权微调版本。在 Nous 的 80…
除了新的应用图标,Android 版 Google Messages 正在测试一次大规模的主页改版,其中包含三个核心部分。


根据 Anthropic 研究员 Andy Hall 的一项研究,AI 模型往往能在日志中发现其他 AI 智能体的异常行为。GPT-5 找出了约 9…
IT之家 11 月 7 日消息,当地时间 11 月 5 日,GitHub 发布博文,称上周在 GitHub Universe 大会上,正式公布了全新…
「Into the Unknown」基准测试让九款 AI 智能体攻坚美国国家实验室的开放研究问题。135 份提交中无一满足全部要求。共有 114 篇…

Buoyant 发布了 Kinference,这是一个在 Kubernetes 上面向 vLLM 的 Apache 2.0 推理控制平面。它新增了声…
IT之家 11 月 7 日消息,11 月 5 日,吉利汽车集团与中国气象局地球系统数值预报中心正式签署战略合作框架协议。 双方联合推出行业首个“智象…