结论
比较模型成本不能只看每百万 token 的标价。GPT-5.5 的输出价格是 Gemini 2.5 Pro 的 3 倍，但在完整的 Artificial Analysis Intelligence Index 评测中，GPT-5.5 的总运行成本（$3,357）仅比 Gemini 2.5 Pro（$861）贵不到 4 倍——远小于标价的 3 倍差距，因为 GPT-5.5 用更少的 token 完成了同样的任务。
真正的成本排序（从低到高）：Tencent Hy3 Preview（免费）> DeepSeek V4 Pro（$1,071）> Gemini 2.5 Pro（$861）> GPT-5.5 medium（$1,199）> GPT-5.5 high（$2,159）> GPT-5.5 xhigh（$3,357）> Claude Sonnet 4.6（$3,959）> Claude Opus 4.7（$4,811）。
测试维度
标价对比
| 模型 | 输入 ($/MTok) | 输出 ($/MTok) |
|---|---|---|
| GPT-5.5 | $5 | $30 |
| Claude Opus 4.7 | $5 | $25 |
| Claude Sonnet 4.6 | $3 | $15 |
| Gemini 2.5 Pro | $1.25 | $10 |
| DeepSeek V4 | $0.3 | $3.48 |
| Tencent Hy3 Preview | $0 | $0 |
从标价看，Gemini 2.5 Pro 是旗舰模型中最便宜的，DeepSeek V4 是开源模型中性价比最高的，Tencent Hy3 Preview 暂时免费。
实际任务成本
Artificial Analysis 的 Intelligence Index 综合了编程、数学、推理等 10 项标准化评测。跑完全部测试的总成本如下：
- Claude Opus 4.7：$4,811
- Claude Sonnet 4.6：$3,959
- GPT-5.5（xhigh 质量）：$3,357
- GPT-5.4（xhigh 质量）：$2,851
- GPT-5.5（high 质量）：$2,159
- DeepSeek V4 Pro：$1,071
- GPT-5.5（medium 质量）：$1,199
- Gemini 2.5 Pro：$861
关键发现：GPT-5.5 虽然标价最贵，但 xhigh 质量的实际成本比 Claude Opus 4.7 低 30%。这是因为 GPT-5.5 在多数任务中用更短的回复完成了同样的目标——token 效率弥补了单价劣势。
GitHub Copilot 乘数定价
对于使用 GitHub Copilot 的开发者，模型乘数决定了实际计费倍数。最新调整：
- Opus 4.6 / Sonnet 4.6：9x
- Opus 4.5 / Sonnet 4.5：6x（Sonnet）、5x（Opus）
- Opus 4.7：3.6x
- Gemini 3 Pro / 3.1 Pro：6x
- GPT 5.1：4x
这意味着在 Copilot 中使用 Claude 旗舰模型的实际成本远高于直接调用 API。如果每天大量使用，建议关注乘数变化。
不同场景的成本估算
日处理 1000 个客服对话（平均每轮 2K tokens）：
- Gemini 2.5 Pro：约 $2.5/天
- DeepSeek V4：约 $7.6/天
- GPT-5.5（medium）：约 $10/天
- Claude Opus 4.7：约 $25/天
日处理 50 个复杂代码审查任务（平均 20K tokens）：
- Gemini 2.5 Pro：约 $12.5/天
- DeepSeek V4 Pro：约 $18/天
- GPT-5.5（high）：约 $35/天
- Claude Sonnet 4.6：约 $45/天
选择建议
成本优先（简单任务）：Gemini 2.5 Pro。标价低、质量够用、大规模部署时成本优势明显。
成本与性能平衡：GPT-5.5（medium 或 high 质量）。通过调低质量档位，可以用接近 DeepSeek V4 的成本获得接近旗舰的能力。
追求极限质量：GPT-5.5（xhigh）。比 Opus 4.7 便宜 30%，且编码能力更强。
离线 / 自托管：DeepSeek V4 或 Qwen 3.6-27B。没有 API 费用，只有基础设施成本。
GitHub Copilot 用户：注意 Opus 4.6/4.7 的乘数是 3.6x-9x，建议优先选择乘数较低的模型以控制成本。