过去48小时，大概是大模型行业的黄道吉日：DeepSeek V4、GPT-5.5、小米MiMo V2.5、腾讯Hy3，接连四款模型发布。

是不是有些应接不暇了？

但别急，倒退几周，还有骂声一片的 Claude Opus 4.7，以及小参数大本领的Qwen3.6系列、MiniMax的M2.7、Kimi的 Kimi K2.6、智谱的GLM-5.1、xAI的 Grok 3.5、 Gemini 3.1 Pro 增强版、豆包 2.0相继登场，卷的人眼花缭乱。

一个月时间接连12款旗舰模型登场，这强度和节奏，不知道有多少朋友，还能学得过来？

不学也没关系，我们帮你测好了，本篇文章，先重点选出了我们觉得最有特色的三款：DeepSeek V4、GPT-5.5、Qwen3.6-35B-A3B测试，推荐给大家。

接下来，我们们将重点讲述这几个模型到底有什么特点，该怎么选型，以及老规矩，怎么把这几个模型与milvus做结合，给老板交付一个内部知识库？

之所以选择DeepSeek V4、GPT-5.5、Qwen3.6-35B-A3B三个模型放在一起看，会发现一个有意思的点，过去大家会下意识去比参数规模、比榜单排名、比谁又刷新了 SOTA，但这次，模型能力的确在进步，但大家开始花更大篇幅去讲我们能完成什么任务，以及成本又下降了多少。

先说大家翘首以盼的 DeepSeek V4。

这代分两个版本，V4-Pro 总参 1.6T，激活 49B，V4-Flash 总参 284B，激活 13B，两个都原生支持 100 万 token 上下文。

说完这些唬人的之后，DeepSeek 转头自己在报告里实话实说：V4 定位是 preview version，能力水平仍然落后 GPT-5.4 和 Gemini-3.1-Pro，发展轨迹大约滞后前沿闭源模型 3 到 6 个月。

坦率的讲，这种自我定位在国产大模型里挺少见的。

那 V4 这波到底在秀什么呢，成本是一大重点。在 1M 上下文设置下，V4-Pro 的单 token 推理 FLOPs 只有 V3.2 的 27%，KV Cache 只有 10%。V4-Flash 更极端，分别压到 10% 和 7%。直观来说，就是同样让模型吞下一本一百万字的书然后思考，V4 干这件事的成本，是上一代的三分之一甚至十分之一。

和它前后脚发布的 GPT-5.5则是闭源阵营的硬茬。数据来看，GPT-5.5代码能力 Terminal-Bench 2.0 成绩 82.7%，上一代GPT-5.4 只有75.1% 。衡量长周期工程任务的 Expert-SWE 从 68.5% 升到 73.1%，SWE-Bench Pro 也到了 58.6%。

GPT-5.5 在这三项成绩全面上涨，成为暂时的最强大模型的同时，消耗的 token 数量比 GPT-5.4 还更少。不过价格上，GPT-5.5 标准版输入 5 美元每百万 token，输出 30 美元，Pro 版输入 30美元，输出 180美元，直接比上代翻倍，大概是吃准了大家对SOTA模型的付费意愿，永远是手比嘴诚实的（毕竟，虽然相比5.4涨价了，但是相比骂声一片的Claude Opus 4.7，还是很有性价比的）。

而在这两个模型发布之前，开源阵营最亮眼的其实是 Qwen3.6-35B-A3B。这是一款原生支持多模态，思考和非思考模式都能跑的模型。整体走的是以小博大，总参 350 亿，推理时只激活 30 亿，性能却超过了谷歌 4 月发的 Gemma 4-26B-A4B、Gemma 4-31B，也超过了阿里自己的前代 Qwen3.5-35B-A3B。而带动它，只需要一张消费级显卡。

DeepSeek v4 Pro：第一个问题回答错误 后面两个问题由于无法联网所以回答不了。其中第二个问题URL正确，第三个错误

GPT-5.5：表现非常优秀，找到了全部核心问题，并且主动预判了deadlock风险，修复代码也完整正确。