2026 全模型橫評:15 家供應商、一套學校用的選型框架

同一間學校、同一套用量,一年的模型帳單可以是 7,410 美元,也可以是 46 美元——相差超過 160 倍。兩個數字都不是推銷話術,而是把同一組使用量估算,乘上 2026 年 9 月各家官方公佈的 token 價格所得的結果。橫在中間的,是 15 家供應商、幾十個型號,以及一連串學校不會在報價單上看到的條款。

這篇是我們每季重做一次的完整對照。它的目的不是選出冠軍,而是讓科主任與 IT 主任在面對供應商時,手上有一份可以查證的底稿。

原理:三個決定成本的變數

第一是上下文長度,即模型的「大腦記憶體」。 2026 年的主流已經是 100 萬 token 上下,足夠一次過讀完整套校本課程文件。但記憶體大不代表用得好,而且部分供應商對超長輸入另設加價條款。

第二是參數量,即「腦細胞數量」。 2026 年的分水嶺不再是總參數,而是「啟動參數」:MoE(混合專家)架構的模型可能有 5,520 億總參數,推論時卻只啟動 80 億至 160 億。這就是為甚麼 DeepSeek 可以用 0.15 美元的價格提供 100 萬 token 上下文——它每次只叫醒一小部分腦細胞。

第三是推理力度。 四家美國供應商與多數中國供應商現在都提供「想多久」的調節掣,而思考過程本身按輸出價收費。同一條問題,low 與 max 的帳單可以差幾倍。詳見 推理革命。

實戰橫評:15 家供應商一覽

價格為美元,每 100 萬 token(輸入 / 輸出),數據截至 2026 年 9 月各家官方文件。

三點要特別留意:

• Cursor Composer 不屬於學校平台的選項。 它是 Cursor 編輯器內建的編碼專用模型,沒有可當作模型端點呼叫的推論 API——官方的 Cloud Agents API 與 SDK 只能驅動編碼代理,不是對話模型接口。資訊科技科教編程時可以把 Cursor 當教具,但學與教平台的模型選擇不在它身上。見 Cursor Composer 模型頁。
• 「部分開放權重」不等於開放。 Qwen 的旗艦 Qwen3.8-Max 是閉源雲端 API,同架構的開源版本採自訂授權且不含圖像輸入;GLM-5.3 旗艦在本文更新時權重仍未公開,公開的是 GLM-5.2 與 GLM-5.3-Flash。學校要求「可自架」時,必須指名具體型號,而不是供應商。
• 「未接入」是現況陳述,不是評價。 我們沒有原生接入 DeepSeek、Kimi、MiniMax、GLM、豆包、混元與文心;當中幾家的開源權重可以用 Ollama 在校內自架。

把價格變成學校看得懂的數字

token 價格對學校沒有意義,年度帳單才有。以下用一組明確標示的假設作換算:全校 800 名學生、100 名教職員;每個上課日 600 次 AI 請求;每次平均 3,000 token 輸入、700 token 輸出;每學年 190 個上課日。 這是我們的估算假設,不是供應商公佈的數字;學校應按自己的使用密度調整。

這張表要看出三件事。第一,選型號比選供應商重要:同一家 Anthropic,由 Fable 5.1 換成 Sonnet 5,帳單少八成。第二,便宜的型號在學校日常任務上往往足夠,真正需要旗艦的請求可能不足兩成。第三,這些都是浮動數字:Gemini 的導入價 2027 年 1 月會加倍,DeepSeek 的非高峰價在高峰時段翻倍,GLM-5.3-Flash 的 0.075 / 0.25 是推廣價(標價為 0.15 / 0.50)。學校若自己接 API,實際上是在承受這些波動。

邊界與局限:這張表沒有告訴你的事

價格表不等於總成本。 學校要算的還有:embedding(校本知識庫)、語音辨識與合成(口語練習)、工具呼叫費用(部分供應商按次收費)、以及最容易被忽略的——IT 人手時間。一個沒有配額機制的整合,一次失控的批量任務就可以燒掉一個月預算。

benchmark 分數對學校幾乎沒有參考價值。 業界常引用的評測大多針對編碼與競賽數學,與「批改一篇中三英文作文並給三項具體回饋」的相關度很低。學校唯一可靠的評估方法,是用自己的材料做盲測。同樣道理,凡是聲稱某模型「快 X 倍」而不交代測試方法與硬件的數字,都應該打折看待。

所有模型都會幻覺,而且在香港本地資訊上最嚴重。 課程代碼、通函編號、學校全名、政府部門架構——這些在訓練資料中最稀薄。我們見過模型生成格式完全正確但根本不存在的課程編號。這不是換一家供應商可以解決的,只能靠 RAG 引用學校自己的文件加上教師覆核。見 校本知識庫(RAG)。

知識截止日期是隱形陷阱。 2026 年 9 月的旗艦,知識截止分別落在 2026 年 1 月至 6 月之間。問「今個學年」的問題,模型可能在答上個學年的事,語氣卻一樣肯定。

跨境傳輸是條款問題,不是技術問題。 表上八家中國供應商的官方 API 都在內地,直接呼叫即構成跨境資料傳輸,須先按《個人資料(私隱)條例》做評估。詳見 中國模型橫評。

落地指南:四問選型框架

與其逐家比較,不如按次序回答四條問題。大部分學校在第二條就有答案了。

問題一:這批資料可不可以離開校網? 不可以 → 只考慮開放權重並在校內自架(Qwen3.8-27B、Muse Glimmer 30B、Mistral 系列是現實選擇),其餘 11 家不用看。 可以 → 去問題二。

問題二:我們需要 embedding 與語音嗎? 需要(即要做校本知識庫或口語練習)→ 主供應商必須是 OpenAI 或 Azure OpenAI,因為 Anthropic 與 Poe 都不提供這兩類模型。 不需要 → 去問題三。

問題三:這個任務屬於哪一檔?

• 高頻低難度(分類、標記、格式轉換、通告草稿)→ 最平的一檔,Claude Haiku 4.5 或 Gemini 3.8 Flash 級別。
• 日常主力(備課、出題、初步評分、學生對話)→ 中階,Claude Sonnet 5 或同級。
• 高難度(跨文件推理、多步驟數理講解、政策交叉引用)→ 旗艦,而且只在這裏用。

問題四:這個決定能不能撤回? 如果換供應商需要重建知識庫、重新培訓教師或失去歷史紀錄,答案就不合格。合格的條件是:後台切換、資料一鍵完整匯出、模型升級包含在年費內。

一份可以本周執行的檢查清單

1. 統計上學期實際用了多少次 AI 功能,按上表假設換算成三個型號檔次的年度成本;
2. 抽三份真實校本材料做盲測,遮蓋供應商名稱,由三位科主任評分;
3. 向現有或潛在供應商索取書面確認:模型升級是否包含在年費、有沒有 token 超額費、資料匯出是否免費;
4. 把「可切換供應商」與「一鍵完整匯出」寫進採購條件;
5. 如有敏感資料場景,同步評估 校內部署 的可行性。

購買前的完整提問清單,見 買校本 AI 平台前要問的 12 條問題。

結語

2026 年模型市場最值得學校記住的一件事是:能力差距在收窄,價格差距在擴大,而換代速度沒有放慢。 在這個環境下,選一個「今天最強的模型」幾乎沒有意義;選一個「可以在半年內無痛換掉任何模型」的平台架構,才是真正的採購決策。

想看完整的 15 家供應商資料頁與型號時間線,見 模型資料庫。