以 Z.ai 官方对照表为基准：GPT-5.6 Sol 在 Terminal-Bench 3.0、HLE w/ Tools 等仍居首，V4-Pro 以约 1/10 的量级价格守住开源第一梯队。
| Benchmark | GLM-5.3 | Kimi K3 | DeepSeek-V4-Pro | Opus 4.8 | GPT-5.6 Sol |
|---|---|---|---|---|---|
| Terminal-Bench 2.1 | 88.2 | 88.3 | 87.9 | 85.0 | 88.8 |
| Terminal-Bench 3.0 | 28.3 | 17.4 | — | 21.1 | 34.6 |
| DeepSWE v1.1 | 66.9 | 67.5 | 62.7 | 58.0 | 72.7 |
| NL2Repo | 58.0 | 58.0 | 61.1 | 69.7 | — |
| CyberGym | 84.5 | 80.0 | 83.3 | 78.1 | 83.6 |
| Toolathlon Verified | 73.0 | 76.5 | 74.1 | 76.2 | 74.9 |
| AutomationBench v1.0.6 | 48.2 | 46.7 | 43.2 | 41.0 | 45.8 |
| ALE-CLI | 28.5 | 27.6 | 25.7 | 25.7 | 28.6 |
| HLE w/ Tools | 62.5 | 59.8 | 60.0 | 57.9 | 64.5 |
| GDPval-AA v2 | 1769 | 1682 | 1590 | 1588 | 1730 |
数据来源：Z.ai 官方博客（2026-08-14）；未参评以 — 表示。DeepSeek 价格：V4-Pro 错峰 $0.66/$1.98、V4-Flash $0.14/$0.28、V4.1-Flash-1017 $0.15/$0.60 每百万 tokens。
GPT-5.6 Sol：TB 2.1 88.8、TB 3.0 34.6、HLE w/ Tools 64.5 全面领先；V4-Pro 87.9 / 未参评 / 60.0 紧随其后，NL2Repo 61.1 反超 Opus 4.8。
V4-Pro 错峰 $0.66/$1.98、V4-Flash $0.14/$0.28、缓存命中 $0.003；闭源旗舰按官方牌价通常为开源的 5~10 倍量级（以各家官网为准）。
V4 权重 MIT 开放可自托管、数据不出内网；GPT 系仅 API。企业合规与离线场景 DeepSeek 是默认解。
要绝对最强选 GPT-5.6；要 90% 能力 + 1/10 价格 + 可自托管，选 DeepSeek——并把 deepseek-flash 作为日常默认、难任务升级 V4-Pro 的双层路由。