GPT-Image-2 上线后，其文字渲染能力令人惊叹，信息图已成为 AI 时代最高效的信息压缩形式。然而，不少人发现，看似简单的“画一张信息图”背后，藏着同一个大坑——生成结果常常风格混乱、中文乱码、数据凭空捏造，视觉与预期严重脱轨。为此，我整理了 13 套可直接复用的信息图 Prompt 模板，覆盖知识卡、时间轴、对比图、年终报告等 12 种典型场景。无论使用的是 GPT-Image-2 还是其他图像模型，这些模板都能让你一键套用、稳定出图，轻松搞定小红书、小绿书等平台的视觉素材。建议收藏备用，待 GPT-Image-2 后续开放 API，还可打包为 skill 实现批量生成。

模板一：杂志跨页美学知识卡设计

传统的表格截图已无法满足当下的汇报审美。具备呼吸感、纸张肌理与编辑逻辑的杂志内页式知识卡，正在取代生硬的截图。下面这组 Prompt 融合了百科词条的结构锁，可生成 Kinfolk 杂志跨页般的精致视觉。

Prompt 模板 P1（融合 MrLarus 的 encyclopedia 结构锁）：

  ### 画一张 3:2 横版百科风格知识卡信息图。  
整体感觉像一张 Kinfolk 杂志跨页内页，融合：  
- 田野指南的清晰  
- 百科词条的结构  
- 生活方式知识卡的精致  
- 社媒爆款科普贴的可分享性  
视觉：  
- 暖象牙色纸底，淡淡纸粒  
- 左侧一幅主视觉插画（粗线手绘，低饱和色）占 1/3 宽  
- 右侧 4 张信息模块卡，2×2 网格，圆角，整齐对齐  
- 粗体衬线大标题横贯顶部  
- 每张卡：小号大写英文标签 + 一句话洞察 + 一个放大的关键数字  
- 字体：衬线大标题 + 思源黑体正文  
- 缩略图尺寸下仍清晰可读  
反向排除：  
不是杂志封面，不是电影海报，不是编辑摄影，不是产品广告。  
约束：  
- 所有标签、数字、百分比 100% 准确渲染  
- 不要水印、不要 logo、不要多余文字  
- 中文字体 100% 准确，禁止乱码  
输出尺寸：1536x1024 landscape, high quality.

模板二：极简科技风时间轴路线图

品牌发展与人物履历等线性叙事，用横向时间轴呈现最合适。与其花大量时间手工排版，不如将精力集中在节点内容的差异化上。下面这套横版 Prompt 打造出 Apple Keynote × Linear changelog 般的现代科技质感，节点年份用等宽字体高亮，清晰有力。

Claude Code 的命令行能力虽然强大，但对不少开发者而言纯终端操作仍然不够直观——看不到文件层面的具体变化，分支管理全凭记忆，想同时运行多项任务就不得不打开成堆的窗口。

1Code 是一个给 Claude Code 套上 Cursor 风格界面的开源桌面应用：它利用 Git Worktree（工作树，一种支持同时在多个分支上工作的 Git 特性）隔离执行 AI Agent、实时预览代码变更、在后台并行处理任务——真正把 AI 辅助编程从“盲写”升级为“可视化协作”。

一、它解决了哪些实际问题？

Claude Code 的短板不在于能力，而在于体验：

• 改动不可见：终端只能吐日志，想查看具体 diff 还得手动借助外部工具。
• 分支管理靠脑补：一不小心就在 main 分支上直接修改，回滚代价高昂。
• 并行任务难以掌控：想让 AI 同时处理多个功能，窗口数量多到崩溃。

1Code 的思路很清晰：保留 Claude Code 的硬核能力，再将交互体验拉升到 Cursor 那样的现代 IDE 水准。

二、1Code 是什么？

一个为 Claude Code 定制的“Cursor 式可视化外壳”：Git Worktree 隔离、实时 Diff 预览、后台 Agent 执行、计划模式（Plan Mode）结构化输出——所有 AI 编程的关键环节都集中在一个界面内完成。

三、核心功能亮点

3.1 基于 Git Worktree 的隔离运行

每个对话会话都运行在独立的 Git Worktree 中：

• 分支安全：永远不会意外修改 main 分支。
• 并行开发：可以同时让 AI 处理多个功能模块，彼此互不干扰。
• 本地优先：所有代码都在本地，无需云端同步，既快又安全。

文章大纲：

第一部分 安装Codex桌面应用

第二部分 模型选择与思考深度配置

第三部分 核心功能详解

第四部分 Codex与Claude Code全方位对比

若你曾用过 Claude Code，那么上手 Codex 将水到渠成。

过去一年，Anthropic 陆续推出了多款令人瞩目的 AI 工具。Claude Code 直接将 Agent 能力带入命令行，能够阅读项目、修改文件、执行指令，构建出真正融入开发流程的智能工作流。随后推出的 Cowork，更将相同的代理逻辑拓展至桌面端，面向更广泛的知识工作者——用户无需描述每一步操作，只需提出目标，AI 便会自动扫描文件、提取信息、整理内容，并将结果回传等候确认。

那么，作为 Anthropic 的竞争对手，OpenAI 拿出的对应产品是什么？答案正是 Codex。

Codex 是 OpenAI 的新一代 AI 编程代理，覆盖桌面应用、Web 端、命令行工具、IDE 插件及 SDK 等多个入口，几乎贯通了从灵感到落地的完整链条。你可以在桌面端直接启动任务，在终端内深度编排，在 IDE 里边编码边调试，也可以将其接入个人的自动化流程中，让它持续处理长任务、并行任务和审查任务。

如果你熟悉 Anthropic 的产品矩阵，可以按以下关系理解两家的对应布局：

当然，二者并非简单的镜像复制，它们在细节上各有侧重，设计理念也存在差异。

GPT-5.5 发布后，Codex 的迭代明显提速，桌面端功能持续增强，computer use、内置浏览器、桌面宠物、image2 图片生成等能力相继上线，产品体验大幅提升。反观 Anthropic 这边，限速、封号、额度紧张等问题确实让不少用户的体验有所下降。正是这样的反差，使越来越多用户开始将重心转移至 Codex。

2026年，龙虾项目横扫AI圈，短短一个月内，几乎所有中国互联网巨头都火速下场，推出各自的“虾”：无缝接入OpenClaw、一键到位部署、砸下大力补贴。

巨头们集体下场并不意外。当用户完成最初的市场启蒙，焦点早就不再是“好玩吗”，而是“能不能嵌进我的工作流”“能不能接进我的系统”“能不能沉淀成我自己的入口”。喧嚣已退，实用性成了唯一指标。

各大厂动作看似雷同，背后的战略意图却天差地别，大致可以分为三类核心较量：

• 入口争夺：谁抓住聊天窗口、工作台、协作起点，谁就能让AI成为默认动作。
• 生态卡位：谁能把手机、家居、内容、办公这些高频场景串起来，谁就能形成闭环体验。
• 底座鏖战：算力、部署、托管、调用等底层能力，看起来更“幕后”，却真正决定长期成本和规模化天花板。

腾讯一家就豪掷6只虾（WorkBuddy、QClaw、龙虾管家、云保安、乐享知识库·龙虾版、OneClaw），阿里跟了4只，百度派出3只……这轮“百虾点兵”已经调集了大半主力！)

不过，大战远未到终局。最新消息显示，还有至少10余只新虾正杀入战场：有的仍在內测，有的跨界硬件圈，有的专攻医疗/云端。或许真的能凑出一场“百虾大战”——就如一年前的“百模大战”，最后跑出了DeepSeek。

正当大厂们忙着建造虾塘时，Claude Code 正式推出 Channels 功能。

Claude Code（Anthropic 官方的编程 Agent）现在通过 Channels（官方 MCP 插件）可以直连 Telegram 和 Discord。主要亮点：

• 用手机发消息，就能远程操控正在运行的 Claude Code 会话
• 支持发送图片和文件附件（Telegram 单文件上限 50MB，Discord 更自由）
• 机器人会显示“正在输入…”，回复后还能编辑消息，实时更新进度
• Discord 额外提供拉取最近 100 条历史消息并下载附件（单次最多 10 个文件，每个 25MB）
• 拥有配对验证、白名单和群组权限控制，防止滥用

Claude Code 频道配置指南

适用版本：Claude Code v2.1.80+，需使用 claude.ai 账号登录（不支持 API Key）
Team / Enterprise 用户：管理员需在 Admin Settings → Claude Code → Channels 中开启权限

国内用户注意：仍需通过官方账号登录，Team/Enterprise 则需要管理员开启权限。这一步直接把 Claude Code “龙虾化”，即便出门在外也能随时指挥干活。

2026年5月，国内AI编程领域走过了一场从炽热巅峰到理性回归的起伏旅程。早先的Coding Plan（次卡）市场一度一卡难觅，或暗藏套路；而今，Token Plan（量卡）正稳步接管领地。本文依托arena.ai最新盲测排行榜，对国产主流大模型的编程实力展开硬核评级，并针对各厂商的订阅方案进行毫不留情的“锐评”。

一、2026模型代码实力排行榜

选购之前，先看基本盘。依据arena.ai/leaderboard/code截至2026年5月6日的盲测数据，国内大模型在全球舞台上依然占据一席之地。

总体来看，国内能在编程竞技场占据前排的只剩这六家：智谱、月之暗面、小米、阿里、深度求索、MiniMax。

• GLM-5.1（智谱）：全球第5

  • 评分： 1532
  • 定位： 严谨架构师。
  • 能力： 硬核问题攻克与严谨的算法推导是其长项，适合复杂系统设计和高难度算法挑战。

• Kimi-K2.6（月之暗面）：全球第7

  • 评分： 1525
  • 定位： 工程协作者。
  • 能力： 真实项目开发表现卓越，多智能体协同是杀手锏。稍显遗憾的是未支持1M上下文。

• MiMo-v2.5-Pro（小米）：全球第11

  • 评分： 1475
  • 定位： Agent执行器。
  • 能力： 构建高手，能出色完成连续自动化任务链。

• Qwen3.6-Plus（阿里）：全球第13

  • 评分： 1465
  • 定位： 均衡型选手。
  • 能力： 企业级稳定开发的首选，通用能力最扎实，无差错即最大亮点。

• DeepSeek-V4-Pro-Thinking（深度求索）：全球第15

  • 评分： 1455
  • 定位： 推理分析师。
  • 能力： 擅长把复杂问题拆解清晰，长程推理能力突出。

• MiniMax-2.7：全球第26

  • 评分： 1408
  • 定位： 轻量工具人。
  • 能力： 适合快速编写小工具，性价比之选。

场景化推荐

结合各模型特质，实用建议如下：

• 复杂架构与算法攻坚： 首选GLM-5.1、DeepSeek-V4-Pro-Thinking。
• 真实项目工程落地： 推荐Kimi-K2.6、MiMo-v2.5-Pro。
• 企业级稳定输出： Qwen3.6-Plus不二之选。
• 轻量日常快捷编码： MiniMax-2.7足够胜任。

二、订阅方案横评：真夯还是拉胯？

模型之外，更要看平台方案。结合最新市场动向与用户声音，看看谁在裸泳。

纵观2025至2026年国内大模型平台的用户体验走势，本质上是两条路线的交锋：Coding Plan看似美好（包月/包量/按次），却暗藏坑点；Token Plan表面价格高昂，但逐步走向透明化和标准化。很多平台口碑反转，正是在从Coding Plan切换到Token Plan的过程中体验崩盘。

2026 国内 AI 编程选购指南：
Coding Plan 纷纷退场，Token Plan 正面对决

阿里云百炼 Coding Plan 彻底售罄，腾讯云 Token Plan 强势入局——国内 AI 编程市场正式进入 Token 计费时代。

2026 年 4 月选购指南，约 8 分钟阅读。

国内 AI 编程市场的格局，在 2026 年 4 月彻底变了天。Coding Plan 纷纷退场，Token Plan 正式成为主角。

阿里云百炼的 Coding Plan 彻底抢不到，Lite 版取消后 Pro 版也长期售罄。就在大家以为阿里云要一家独大时，腾讯云迅速跟进推出了 Token Plan，甚至在活动期间打出 5 折低价。各平台套餐越来越眼花缭乱，本文帮你彻底理清思路。

01

腾讯云 Token Plan：双线出击，GLM-5.1 的“救星”

腾讯云用超低价的Hy Plan留住喜欢混元的用户，用全模型的通用 Plan吸引想要“全家桶”的开发者。

限时 5 折优惠：2026.04.30 – 05.12，Hy Token Plan Lite 仅 ¥14/月（原价 ¥28），Standard 仅 ¥39/月（原价 ¥78）。

量子计算的种子于1981年由费曼播下——“用自然本身计算自然”的理念，促使用量子系统模拟量子现象。如今，2026年的全球量子赛道已呈三足鼎立：Google凭借105量子比特的Willow芯片首次实现纠错阈值突破；IBM以成熟的Qiskit生态与模块化架构持续领跑；而中国本源量子推出的悟空180，以单芯片180计算比特的规模成为当前超导路线的新坐标。量子与人工智能正展开双向赋能，但业界普遍认为，距离实用的容错量子计算仍需要五到十年的跋涉。

1981
费曼提出量子模拟构想

180
悟空180计算比特

105
Google Willow量子比特

2026年5月9日，中国本源量子向全球正式开放第四代超导量子计算机——起源悟空180，它在单一芯片上集成了180个计算量子比特和251个耦合比特。同一时间，Google Quantum AI正沿着量子纠错路线图步步推进，而IBM的Heron R3已在云端默默运行了数月。量子计算早已脱离实验室的奇趣实验，演变为一个可交付、可编程、多方竞逐的技术新战场。

从费曼之问出发

1981年，物理学家理查德·费曼在麻省理工学院的演讲中抛出一个直指本质的问题：经典计算机模拟量子系统的复杂性会随粒子数呈指数爆炸，为何不反过来让量子系统自己承担计算任务？这一直觉奠定了量子计算的逻辑起点。四年后，戴维·多伊奇将通用量子图灵机的概念形式化，理论证明了量子计算能够超越经典图灵机。

真正的爆发点在1994年。彼得·肖尔提出量子质因数分解算法，展示了指数级的加速能力，直接威胁到RSA加密的安全性——在密码学界无异于投下一枚深水炸弹。1996年，洛夫·格罗弗的搜索算法带来了二次加速，虽不如肖尔算法那么轰动，却拥有更广泛的适用性。至此，量子计算的理论支柱已经笔直地立起：肖尔算法揭示了颠覆性的潜能，格罗弗算法则展现了通用性的一面。

然而硬件层面，物理学家们整整跋涉了七年。1998年，IBM与斯坦福的联合团队借助核磁共振技术，首次搭建出3量子比特系统。2001年，同一团队在7量子比特系统上运行了肖尔算法，成功分解了数字15——尽管只是“3×5”，却无可辩驳地证明理论可以落脚于现实。

三强争霸：量子巨头十年竞速

2010年代是量子计算从学术圈迈向工业界的分水岭。2016年，IBM率先将量子处理器搬上云端，让全球用户能通过互联网编写量子程序。2019年，Google应用53量子比特的Sycamore芯片完成随机电路采样任务，高调宣示“量子优越性”——尽管IBM马上公开质疑，这一事件仍然将量子计算推入了大众视野。

自此，三条技术路径并行展开：

• Google：主打纠错突破。2024年12月发布的Willow芯片（105量子比特）首次跨越“越纠越少”的阈值，这是量子纠错研究三十年来最耀眼的实验进展。2025年10月，Google又公布Quantum Echoes实验，以65量子比特在特定任务上的速度比经典超算快13000倍，取得“可验证量子优势”。但到了2026年初，CEO皮查伊将实用量子计算的时间表重新调回到“5至10年”。

• IBM：以生态与模块化路线构筑护城河。从2016年的5量子比特一路扩展到2023年Condor的1121个物理比特，IBM在规模上始终领跑。不过更值得关注的是Heron系列（2023年133比特→2024年156比特→2025年R3），它在门保真度与可编程性上不断精进。Qiskit生态仍是业界最完备的量子编程框架，而IBM Quantum System Two的模块化架构也为多芯片互联扫清了道路。

• 中国：战略核心是全栈自主可控。中国科学技术大学的光量子路线“九章”和超导路线“祖冲之”均拿出过国际级成果，但真正走向商业交付的是本源量子的悟空系列：从2024年的72比特到2026年的180比特，两年间超导量子比特规模翻番不止，且实现了芯片、测控、制冷设备到操作系统的全链条国产化，在当前地缘环境下尤具战略分量。

悟空180：中国超导量子的新坐标

悟空180的核心参数在超导路线中稳居第一梯队：单比特门保真度99.9%、双比特门99%、读取保真度99%，T1相干时间约40微秒。与IBM Heron R3（156比特）和Google Willow（105比特）相比，悟空180在单芯片计算量子比特数量上领先，但在纠错能力与软件生态方面仍存在差距。

关键对比：超导量子计算路线，2026年5月

数据来源：各公司官网及《自然》论文，2026年5月公开信息

值得注意的是，悟空180额外加入了251个耦合比特，专门用于精确调控量子比特间的相互作用，这很可能是双比特门保真度达到99%的关键工程决策。这与IBM采用的可调耦合器思路一脉相承，但实现路径上选择了单芯片高密度集成。

非超导路线同样紧追不舍。Quantinuum的离子阱处理器H2以56个全连通量子比特实现了业界最高的>99.9%门保真度，IonQ则规划向256量子比特迈进。中性原子路线上的QuEra和Atom Computing在扩展性上更具想象力，Atom Computing早在2023年就已演示过1180物理比特的系统。

量子AI双向赋能

量子与AI的交叉点正从概念走向实操。2025年，本源量子为悟空平台嵌入了量子知识大模型Origin Brain与QPanda3 Runtime MCP，使用者只需用自然语言描述需求，就能将任务提交给量子计算机，大幅拉低了使用门槛。类似地，IBM打通了Qiskit与Watsonx AI平台，Google也在量子芯片设计中用机器学习优化门操作参数。

反过来，量子计算也承诺为AI提供算力突破。量子机器学习在特定任务上——例如量子化学中的势能面计算、金融领域的组合优化——已展现出潜在的加速优势。但需要清醒认识到，目前所有量子+AI应用都运行在含噪中等规模量子硬件上，尚未对经典AI形成压倒性优势。

要点：眼下量子与AI最务实的结合，不是替代经典机器学习，而是用量子计算去高效处理经典AI无法胜任的量子系统原生问题——比如药物分子模拟、催化剂设计、材料基态计算等。

容错计算何时到来

整个行业至今仍身处NISQ时代，尚未跨入容错量子计算的大门。Google在Willow上演示的“表面码纠错阈值以下”突破固然可喜，但那仅验证了单个逻辑量子比特的纠错效果。若要实现实用级别的容错计算，需要成百上千个逻辑量子比特协同运行，而每个逻辑比特又必须由数十至数百个物理比特共同守护。

本文目录：

一、国内篇：六大模型轮番登场

二、国外篇：GPT‑5.5 与 Claude Opus 4.7 巅峰对决

三、模型能力对比：代码、知识推理、Agent 全方位较量

四、后奇点时代：分钟级对话被小时级工程取代

2026 年注定成为 AI Agent 时代的分水岭。国内六大模型集中爆发，小米、智谱、月之暗面、阿里、腾讯、DeepSeek 先后登台；海外 OpenAI 与 Anthropic 在短短六周内接连推出旗舰换代，推动整个行业迈入新阶段：Agent、工具调用、长链路任务与工程交付成为核心主线。今天，我们就来系统梳理 4 月国内外主流模型的最新进展。

一、国内篇：六大模型轮番登场

1. DeepSeek V4：千呼万唤终亮相，国产算力全面适配

DeepSeek V4 的发布时间历经多次调整，4 月终于正式发布。在讨论性能之前，有一件事值得特别拎出来：架构设计清晰指向摆脱对单一硬件生态的依赖，全力适配国产算力。主要有三点：引入 MXFP4 降低对 NVIDIA FP8 的依赖，可更顺畅地运行在华为昇腾、寒武纪、壁仞科技等国产芯片上；用 TileLang 替代 CUDA，算子层跨硬件迁移成本更低；优化 MegaMoE 并行通信，减少等待，目前在昇腾平台已稳定跑通。

V4 不只是性能优化，更是以技术栈重构为牵引，率先引领中国大模型迈向自主可控、软硬协同的国产算力新时代。

双版本 + MoE 架构
V4‑Pro（约 1.6T，～49B 激活）与 V4‑Flash（约 284B，～13B 激活）均采用 MoE，支持 1M context，长上下文能力显著领先上一代。

Agent 能力：开源第一梯队

Agentic Coding 的体验优于 Sonnet 4.5，交付质量接近 Opus 4.6（非思考模式），工具调用稳健，但长链路任务仍有一定局限。它对 Claude Code、OpenClaw、OpenCode、CodeBuddy 等主流 Agent 产品做了适配，代码任务和文档生成均有提升。然而，从实际接入 Claude Code 的测试来看，模型对 skill 的调用存在明显理解偏差——同样的 Prompt，GLM‑5.1、Kimi K2.6、MiMo‑V2.5‑Pro 均能正确触发自定义 skill，V4‑Pro 却需要极其精确的表述才能响应，约束遵守能力也弱于预期。这一点仍须持续观察是适配问题还是模型本身局限。

AI工具实战手册 · 月度资费盘点

深度解析：阿里、腾讯、字节、百度、智谱、MiniMax
六大厂商CodingPlan与TokenPlan 4月最新计费方案

2026年4月，国内主要AI开发平台的定价策略持续分化，CodingPlan（包月按次）与TokenPlan（按量词元计费）之间的博弈仍在进行。对于开发者与AI智能体使用者而言，选择合适的方案直接关系到成本与响应稳定性。本文全面梳理六家厂商当月最新的资费标准与调用限制，供实际选型参考。

Token，常被直译为“词元”，从实际使用体验来看，或许把它看作“算力消耗的基本计量单元”更容易理解。

近期，因固定包月模式带来的成本压力日益显著，多家大厂的CodingPlan服务陆续调整，原本按次计费的方案逐渐收缩，转向更加精细的按Token消耗量计费的TokenPlan。这一转变引发了市场对两种计费模式的持续讨论。以下为截至2026年4月阿里云、腾讯云、字节跳动、百度、智谱与MiniMax的详细资费信息。

01

阿里云百炼平台

CodingPlan（包月按次模式）

阿里云百炼的包月方案正在逐步缩减：40元/月的Lite版本已停止新购与续费，200元/月的Pro版也已全面下架，目前用户仅能通过存量套餐继续使用。

TokenPlan（按量词元模式）

作为替代方案，阿里云推出了以Credits为中介的Token消耗计费方式，消耗量与模型调用直接相关。以qwen3.6-plus模型为例，一次典型请求的资源消耗明细如下：

Token消耗明细

📌 策略建议：在OpenClaw、Hermes等需要大量输入上下文的AI智能体场景中，此前200元/月的CodingPlan相比198元的TokenPlan更具性价比，包月模式可有效锁定高输入量下的成本上限。已购买Pro套餐的用户，在有效期内可继续享受稳定输出。

可用模型阵容

核心推荐：Qwen3.6-Plus（图文）、Kimi-K2.5（图文）、GLM-5、MiniMax-M2.5

其他可选：Qwen3.5-Plus、Qwen3-Max、Qwen3-Coder系列、GLM-4.7等

实测表现

基于200元/月CodingPlan进行的高负载及复杂智能体任务中，输出表现相当平稳。即使处于流量高峰期，平均响应时间也基本控制在10秒以内，部分高度复杂任务可在30至60秒内完成。

02

腾讯云

腾讯云的CodingPlan长期处于售罄状态，目前业务主线已全面转向TokenPlan模式。

TokenPlan

该方案基于纯Token计量进行计费，不使用中间货币单位。

可用模型阵容

智能路由：Auto模型（系统自动匹配最优算力）

自研系列：腾讯混元系列（Tencent HY 2.0 Instruct、Tencent HY 2.0 Think、Hunyuan-T1等）

第三方引入：MiniMax-M2.5、MiniMax-M2.7、GLM-5、GLM-5.1、Kimi-K2.5

03

字节跳动（火山引擎·方舟平台）

火山引擎目前仍然提供CodingPlan的直接购买入口。据市场反馈，该方案在高峰时段可能出现响应延迟的情况。

可用模型阵容

本文目录：

PART 1 CodingPlan和TokenPlan

PART 2 国内各家Plan定价

PART 3 国内Plan推荐

全文3000字左右，预计阅读时间8分钟。

DeepSeek V4发布次日（4月25日），Pro版输出价格大幅下调：从24元/百万Token降至6元（降幅75%），缓存命中输入价格降至0.25元。4月26日二次降价：全系缓存输入价格降至原价的十分之一，Flash缓存输入仅需0.02元/百万Token，Pro版叠加2.5折优惠后低至0.025元。

（最新消息：Pro模型2.5折优惠延续至5月31日）

DeepSeek依然坚持API按量计费，而国内其他厂商纷纷推出各自的月度订阅计划。本文将梳理各家现状，关注计费方式是否贴合个人使用习惯，以及响应速度、额度限制和稳定性能否满足编程场景的实际需求。

PART.01

Coding Plan与Token Plan的深层逻辑

采用 Coding Plan 的厂商（按请求次数计费）
方舟（火山引擎）、讯飞星辰、百度千帆、无问芯穹、移动云、MiniMax、天翼云、阶跃星辰

计量方式：每5小时N次 / 每周N次 / 每月N次，每次调用消耗一次配额。

采用 Token Plan 的厂商（按 Credits / Tokens 计费）
智谱（与Claude Pro额度等值）、小米（MiMo Credits/月）、阶跃星辰（Credits/月）、腾讯云、阿里云百炼、九章云极

计量方式：根据实际消耗的 token 或 Credits 从月度池中扣除，长对话、大文档场景消耗更快。

Coding Plan 的经济逻辑
✅ 对用户有利的情形：执行复杂任务，如长上下文分析、大型仓库代码审查，每次调用实际 token 消耗极高，但仍只计为一次请求。
✅ 对厂商有利的情形：用户执行简单任务，例如一问一答、短代码补全，token 消耗极少，但同样被计为一次调用。

Token Plan 的经济逻辑
✅ 对用户有利的情形：轻量查询、短对话时 token 消耗少，月度 Credits 可以使用更长时间。
✅ 对厂商有利的情形：当用户进行长文档处理、大上下文或多轮 Agent 任务时，token 消耗激增，Credits 迅速耗尽。