最近新發表的模型真的很多，在今年 4 月以前，我其實很多工作都還是會使用 Google 的 Gemini，但後來開始接觸 Codex 之後，目前我大部分的使用情境都落在其中了。現在網頁版的 AI 對我來說，多數只是用來節省流量，做一些簡單的問答還有資訊文章的整理。
原本我打算找個時間測試一下 Gemini 3.6 Flash 的能力，想說在實作之前先去 Artificial Analysis 網站看一下相關的比較資訊。結果不看還好，看完數據並進行比較後，也難怪近期 Gemini 會有比較多逆風的言論。
新聞重點：Intelligence Index v4.1 評測結果
根據 Artificial Analysis 最新發布的 Intelligence Index v4.1(2026/07/03)，這份報告評測了當前領先模型的智能、速度與成本：
* 智能排名：Claude Fable 5 (with fallback) 以 59.86 分位居榜首，緊隨其後的是 GPT-5.6 Sol (max) 的 58.89 分及 Kimi K3 的 57.11 分。
* 成本效益：在每項任務的加權平均成本中，DeepSeek V4 Pro (max) 以 0.0448 美元成為最經濟的選擇。相比之下，智能最高的 Claude Fable 5 成本高達 2.7498 美元，兩者差距巨大。
* 輸出速度：gpt-oss-120b (high) 以每秒 267.2 個 Token 領先，Gemini 3.6 Flash 則以 251.3 個 Token 位居第二。
* 新評測維度：新增了「Coding Agent Index」衡量 AI 代理在軟體工程任務的表現；以及「AA-Briefcase」針對長程知識工作（如製作簡報、試算表）的 Elo 排名，此項由 Claude Fable 5 奪冠。
我的觀察：Gemini 的困境與 Luna 的甜蜜點
如果把看一個模型的能力分成「模型智能」、「推論速度」與「完成單位任務的費用」三個維度， Gemini 系列目前只有推論速度稱得上是前段班。
但問題在於，推論速度快但卻不能符合使用者需求，再快都不會被採用。尤其在一些不能犯錯的場景，尤其是企業應用，穩定可靠的結果比速度更重要，這正是目前 Gemini 發展的限制。
況且不論目前最強的 Fable 5 還是 GPT-5.6 Sol。甚至在模型智能表現上，Gemini 3.6 Flash 都不若近期發表的 Grok 4.5 還有 Muse Spark 1.1。更慘的是，智能比不上就算了，連單位任務的費用也比這兩個模型高。對於有在計算效率的個人或是企業來說，一定不會選擇一個又貴又比較笨的模型，這反映了 Gemini 3.6 的潛在危機。
另外想提的是，上次介紹 GPT-5.6 系列時提到的 Luna，目前確實成了我大量使用的模型。從評比數據來看，Luna(Max) 的智能、費用與速度都在一個相當「甜蜜」的位置。就我自己的情境，除了有 Coding 需求會用 Sol，日常排程 Luna 真的是好選擇。
這件事值得繼續觀察什麼
1. Google 的反擊：如果 Gemini 3.5 或 3.6 Pro 能儘快發表，且智能表現能超越競爭對手，即便價格稍貴，依靠 Google 強大的生態系，或許還能保有較高的採用率。
2. 極致性價比的應用：DeepSeek V4 Pro 的成本僅為 Claude Fable 5 的 1.6% 左右，這種極低成本是否會帶動大規模自動化任務的普及，值得觀察。
3. 高速推論的價值：雖然目前 Gemini 處於逆風，但高速推論在搜尋等即時應用上仍有優勢。如果 Google 能在提升智能的同時保有速度優勢，競爭力依然可怕。
這場模型競賽還在早期階段，未來還有很多好戲可以看。我們做的就是持續參與並見證這場 AI 革命。
原文連結：https://artificialanalysis.ai/?intelligence-efficiency=cost-per-task&intelligence-category=text-only-vs-multimodal#coding-agents
