Hyperagent实测：旗舰模型竞争转向风格与成本
在浏览器自动化智能体 Hyperagent 的真实任务实测中，旗舰模型的核心能力已趋于一致，行业竞争焦点正从单纯的“谁更能干”转向模型在真实任务中的风格、稳定性与调用成本。实测显示，Opus 5 与 GPT-5.6 Sol 展现出截然不同的特性与成本结构。
已确认
根据 @PrajwalTomar_ 与 @TawohAwa 分享的测试结果，Opus 5 在多项能力上表现突出：它的表达更清晰，在浏览器任务和基于复杂数据进行决策时表现优异。然而，Opus 5 存在明显的“性格税”，即输出风格偏啰嗦且偏向保守，导致单次调用成本较高。相比之下，GPT-5.6 Sol 的输出更为精简，在 5 个相近的测试用例中均展现出更低的成本优势，具备更好的落地可行性。
尚未确认
关于 Opus 5 的整体性价比，目前存在不同视角的评估。虽然 GPT-5.6 Sol 在单任务测试中更便宜，但 @daniel_mac8 指出，如果参考 AA-Index 的单任务成本图来反驳 Opus 5 的性价比是“用错了场景”。他认为，单轮任务数据无法体现长链路 agent 任务中的效率优势；在长链路任务中，Opus 5 的强大能力可能会减少整体试错次数，从而在综合成本上更具优势。
为什么重要
随着 AI Agent 走向商业化，模型选型逻辑正在发生根本改变。正如 @PrajwalTomar_ 所强调，当 agent 被部署到真实规模、覆盖多客户并长期运行时，微小的单次调用成本差异会直接转化为企业的利润差。同时，高风险推理任务依然需要更强大的模型支撑。因此，开发者需要在“昂贵但强大的高阶推理”与“精简低成本的规模化落地”之间寻找平衡。
2026-07-25 ~ 2026-07-26 · 6 条相关
一手来源
- Hyperagent 测试：Opus 5 更清晰，GPT-5.6 Sol 更精简也更便宜 — PrajwalTomar_ ·
- Opus 5 在长链路 agent 任务上更省成本 — daniel_mac8 ·
- Hyperagent：Opus 5 更强，但 GPT-5.6 Sol 更便宜更好落地 — TawohAwa ·
- 【源头】Hyperagent：Opus 5 更强，但 GPT-5.6 Sol 更便宜更好落地 — TawohAwa · 2026-07-25
- 【源头】Opus 5 在长链路 agent 任务上更省成本 — daniel_mac8 · 2026-07-25
- 旗舰模型的差别，正在从能力转向风格、稳定性和成本 — PrajwalTomar_ · 2026-07-25
- 【源头】Hyperagent 测试：Opus 5 更清晰，GPT-5.6 Sol 更精简也更便宜 — PrajwalTomar_ · 2026-07-25
- GPT-5.6 Sol 在 5 个测试里更便宜，Agent 成本差会变成利润 — PrajwalTomar_ · 2026-07-25
- Opus 5 对比 GPT-5.6 Sol 实测：能力各有千秋，后者成本大幅领先 — PrajwalTomar_ · 2026-07-26