资料来源:各厂商官方公告 + Digital Applied 5 月发布追踪表(价格截至 2026-05-24 厂商文档)
刚过去的 5 月,是 2026 年到目前为止 AI 编程模型发布最密集的一个月。
22 天里,主流厂商扔出了 7 款跟写代码、跑 Agent 直接相关的新模型:Composer 2.5、Gemini 3.5 Flash、Opus 4.8、Qwen3.7-Max、Mistral Medium 3.5、Grok Build 0.1、GLM-5.1。
如果你跟我一样,主力工具是 Cursor / Claude Code,看到这一堆版本号大概率是懵的:到底哪个值得换?哪个只是凑热闹?
这篇就干一件事:把 5 月这 7 款捋成一张选型地图,告诉你按你的场景该用哪个。提醒一句,6 月 1 日起 GitHub Copilot 转成「AI credit」用量计费,老用户记得去后台核对额度。
一、先给结论:一张表看完
我按「你最可能的用途」给每款定了位,价格是 API 标准档(每百万 token,输入/输出):
| 模型 | 发布方 | 价格(输入/输出) | 一句话定位 |
|---|---|---|---|
| Composer 2.5 | Cursor | $0.50 / $2.50 | 最便宜的前沿编程模型,但只能在 Cursor 里用 |
| Gemini 3.5 Flash | $1.50 / $9.00 | 入口最广,Antigravity 全家桶默认 | |
| Opus 4.8 | Anthropic | $5 / $25 | 最强通用 + 长任务,贵但稳 |
| Qwen3.7-Max | 阿里 | 偏高(约国产对手 2 倍) | 国产长跑王,能自主跑 35 小时 |
| Mistral Medium 3.5 | Mistral | $1.50 / $7.50 | 开源可自托管,4 张卡能跑 |
| Grok Build 0.1 | xAI | $1.00 / $2.00 | 便宜,但要 SuperGrok Heavy 会员 |
| GLM-5.1 | Z.ai | 开源 BYOK | 754B 开源权重,自己部署 |
一句话选型口诀:图便宜用 Composer 2.5,要最强用 Opus 4.8,要自托管用 Mistral / GLM。 下面逐个讲为什么。
二、逐款点评:谁值得换
1、Composer 2.5:最便宜的前沿编程模型
5 月 18 日发布,是这批里单任务成本最低的一款——按 10 万输入 + 2 万输出算,一个任务约 $0.10,比 Opus 便宜约 10 倍。
底座是 Moonshot 的开源 Kimi K2.5,Cursor 在上面加了大量自研 RL 训练。我之前专门写过它的长任务表现,这里不重复。
最大的坑:它只能在 Cursor IDE 里用,没有公开 API。 想白嫖最低价,就得用 Cursor 自家编辑器。另外它只公布自家 CursorBench 分数,不发 SWE-Bench Verified,跨模型比要小心。
适合:已经在用 Cursor、想压 token 成本的人。
2、Gemini 3.5 Flash + Antigravity:入口最广
5 月 19 日 Google I/O 头牌。$1.50/$9.00,1M 上下文,号称比其他前沿模型快约 4 倍(厂商口径)。
它最大的意义不是分数,而是铺得广:Gemini App、Search、Antigravity 全家桶默认都是它。Google 这次反常地「Flash 先行、Pro 押后」(3.5 Pro 要 6 月才出),等于明说——Agent 时代的默认模型是又快又便宜的 Flash,不是顶配 Pro。
我 I/O 那篇细讲过 Antigravity,这里只给结论:如果你在 Google 生态里干活,Flash 是默认答案。
3、Opus 4.8:最强,也最贵
5 月 28 日发布,价格和 4.7 一样($5/$25),但能力是这批里的天花板。
三个真正有用的新东西:
- Effort Control:你能调它「用多大力气」想问题,低档省额度、省钱,高档冲难题。所有套餐都能用。
- Dynamic Workflows(Claude Code,研究预览):把大任务拆成计划 → 派上百个子 Agent 并行 → 自己验收。适合代码库级的大重构。注意它很费 token,规划 + 并行 + 验证三段都烧。
- Fast Mode:2.5 倍速,比上一代便宜了三分之二(但仍是标准价 2 倍)。
官方还强调一点:4.8 更愿意承认「我不确定」,少一点一本正经地胡说。
适合:愿意为最强能力付钱、跑生产级代码和复杂 Agent 的人。
4、Qwen3.7-Max:国产长跑王
5 月 21 日阿里发布,最炸的卖点是连续自主运行约 35 小时做内核优化。它原生兼容 Anthropic API 协议,能直接插进 Claude Code、OpenClaw 用。
两个要注意的点:一是它转成闭源了,只走阿里云 API,不再像以前 Qwen 那样开源权重;二是定价偏高,约是 DeepSeek V4 Pro 的两倍,但仍比西方前沿模型便宜。
适合:需要超长自主任务、又想用国产 API 的团队。
5、Mistral Medium 3.5:能自托管的开源旗舰
5 月 22 日发布,128B dense,256K 上下文,开源权重(改良版 MIT),最少 4 张 GPU 就能自己跑。API 价 $1.5/$7.5。
SWE-Bench Verified 77.6%(厂商口径),对一个能自托管的开源模型来说很能打。推理力度也能按请求调。
适合:在意数据私有、想自己部署的团队。这是 5 月唯一一款「旗舰级 + 可自托管」的选择。
6、Grok Build 0.1 与 GLM-5.1:补充选项
- Grok Build 0.1(xAI,5/14):$1.00/$2.00,256K 上下文,主打 agentic 编码 CLI,最多 8 个子 Agent 并行。但要 SuperGrok Heavy 会员(促销 $99/月,之后涨到 $300/月),门槛不低。
- GLM-5.1(Z.ai,5 月中):754B 开源权重,HuggingFace 自取,BYOK。想折腾国产开源大模型的可以试。
三、价格才是真正的分水岭
把这批模型按「单任务成本」排一下(10 万输入 + 2 万输出,未缓存):
Composer 2.5 ≈ $0.10 最便宜
Grok Build 0.1 ≈ $0.14
Gemini 3.5 Flash≈ $0.33
Opus 4.8 ≈ $1.00 最贵(标准档)
差距能到 10 倍。结合 5 月这波,行业信号已经很清楚:$0.5–1.5 输入价的前沿编程模型成了新常态,三个月前这个价位还只能买到弱模型或开源权重。
所以选型时,先问自己一句:这个任务真的需要 Opus 级智力,还是 Flash / Composer 就够了?跑 Agent 动辄上千次调用,差价会被放大成真金白银。
四、6 月还要盯什么
- 6 月 1 日(今天):GitHub Copilot 从「按请求」转「按 AI credit」计费,每 credit 多少钱官方一直没公布,老用户务必去后台核对。
- 6 月初:Gemini 3.5 Pro 要上线(Pichai 在 I/O 上承诺「下个月」),会是 Q2 最受期待的发布。
- 几个首发促销(Composer 首周双倍、Codex Pro 双倍)5 月底已陆续到期,现在是原价,别按促销价做预算。
五、我的选型建议(按场景)
- 日常写代码、想省钱:Cursor + Composer 2.5
- 复杂 Agent、生产级代码、不差钱:Opus 4.8(开 Effort Control 控成本)
- 在 Google 生态里:Gemini 3.5 Flash
- 要数据私有 / 自托管:Mistral Medium 3.5 或 GLM-5.1
- 超长自主任务 + 国产 API:Qwen3.7-Max
说白了,对大多数人,这个月真正值得动手的就 2 款:想省钱试 Composer 2.5,想要最强上 Opus 4.8。 其余的按需了解就行,不必每个都折腾。
六、一句话结论
5 月这波,与其说是「谁最强」之争,不如说是**「前沿编程智力价格集体跳水」**。Opus 4.8 守住能力天花板,但 Composer、Flash、Mistral 把「够用」的门槛打到了几毛钱一个任务。对普通开发者,选模型这件事,已经从「比分数」变成了「比你这个任务值不值得用贵的」。
参考链接
- Digital Applied 5 月模型发布追踪表:https://www.digitalapplied.com/blog/ai-model-releases-may-2026-complete-tracker
- Claude Opus 4.8 官方公告:https://www.anthropic.com/news/claude-opus-4-8
- Cursor Composer 2.5:https://cursor.com/blog/composer-2-5
- Gemini 3.5 Flash:https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5/
- Mistral Medium 3.5:https://mistral.ai/news/vibe-remote-agents-mistral-medium-3-5/
- Qwen3.7-Max(VentureBeat 报道):https://venturebeat.com/technology/alibabas-proprietary-qwen3-7-max-can-run-for-35-hours-autonomously-and-supports-external-harnesses-like-anthropics-claude-code