呢張表係路由指南，不係排行榜。現有來源包括官方文件、新聞報道、API 聚合平台和部分 benchmark 表，但未見一個獨立評測把四個模型放在完全相同 prompt、工具、sampling setting、延遲限制和成本口徑下比較 。所以 production 決策最好看 cost per successful task at your quality bar——即係每個達標答案實際要幾多錢、幾穩陣。

GPT-5.5：OpenAI 生態內最自然先測

如果你嘅產品、工作流、權限管理或者監控已經圍繞 OpenAI 建立，GPT-5.5 通常係最自然先測嘅高階模型。OpenAI 維護 GPT-5.5 的 API model page ；OpenAI 發佈頁指 GPT-5.5 於 2026 年 4 月 23 日推出，並於 4 月 24 日更新指 GPT-5.5 同 GPT-5.5 Pro 已可在 API 使用 。The New York Times 亦報道 OpenAI 推出 GPT-5.5；CNBC 則稱 GPT-5.5 是 OpenAI 最新 AI model，並正向付費 ChatGPT 和 Codex 訂戶推出 。

最有來源支持的賣點，是編碼、電腦操作和較深入研究流程。CNBC 報道 GPT-5.5 在 coding、using computers 和 pursuing deeper research capabilities 方面更好 。

至於 API 價格和上下文長度，本文可用來源中最清楚的數字主要來自二手 listing：OpenRouter 列出 GPT-5.5 有 1,050,000 token context window，價格為每 1M input tokens 5 美元、每 1M output tokens 30 美元 。The Decoder 亦報道 API context window 為 1M token，input/output token 價格為每 1M 5 美元／30 美元 。

因為呢啲明確價格和 context 數字主要來自二手來源，大規模部署前應直接向 OpenAI 核對最新 API 條款、模型限制和商務價格。

**適合用 GPT-5.5 的情況：**你要高階閉源模型處理推理、編碼、研究、文件工作或 computer-use workflow，而且 OpenAI 平台整合度同 token 單價一樣重要。

Claude Opus 4.7：1M 長上下文 production 文件最清楚

Claude Opus 4.7 在呢四個模型入面，長上下文官方文件最清楚。Anthropic 指 Opus 4.7 提供 1M token context window，按標準 API pricing 收費，沒有 long-context premium 。Anthropic 價格文件亦指 Opus 4.7 包括完整 1M token context window，900K-token request 會按同 9K-token request 一樣的每 token 費率計算 。

Anthropic 將 Claude Opus 4.7 定位為面向 coding 和 AI agents 的 hybrid reasoning model，並具備 1M context window 。Anthropic 產品頁亦指 Opus 4.7 在 coding、vision、複雜多步任務和專業知識工作方面有更強表現 。

價格方面，OpenRouter 列出 Claude Opus 4.7 為每 1M input tokens 5 美元、每 1M output tokens 25 美元，context window 為 1,000,000 token 。Vellum 亦報道 5 美元／25 美元的 input/output token pricing，並將 Opus 4.7 描述為適合 production coding agents 和長時間 workflow 的模型 。政策和計費結構應以 Anthropic 官方文件為準；二手 listing 則可用作市場參考 。

**適合用 Claude Opus 4.7 的情況：**你要處理長文件、大型 codebase、專業知識工作、多步工具調用，或者 asynchronous agents，而 1M token context 的穩定計價係核心要求。

DeepSeek V4：低成本長上下文有吸引力，但先當 preview 測

DeepSeek V4 最吸引的地方，是長上下文加上相對低的 token 價格。DeepSeek 官方文件列出 DeepSeek-V4 Preview Release，日期為 2026/04/24 。其 models and pricing page 列出 1M context length、384K maximum output、JSON output、tool calls、chat prefix completion，以及 non-thinking mode 下的 FIM completion 。

同一 DeepSeek pricing page 列出 V4 input pricing 會按 cache status 和 tier 分開：cache-hit input pricing 為每 1M tokens 0.028 美元和 0.145 美元，cache-miss input pricing 為每 1M tokens 0.14 美元和 1.74 美元；output pricing 則為每 1M tokens 0.28 美元和 3.48 美元，視乎顯示的 V4 tier 而定 。文件亦指舊模型名 deepseek-chat 和 deepseek-reasoner 日後會為兼容而對應至 deepseek-v4-flash 的 non-thinking mode 和 thinking mode 。

主要風險係成熟度。Preview 模型可以好適合受控內部測試，但 production 團隊應先驗證 reliability、latency、structured output、tool-call 行為、拒答行為和 regression risk。

**適合用 DeepSeek V4 的情況：**你最重視每個成功任務成本，工作負載受惠於 1M context，而且可以先做受控驗證，再決定是否上 production。

Kimi K2.6：開放權重、多模態和 coding 實驗的候選

如果你重視 open weights 和部署彈性，Kimi K2.6 值得列入測試。Artificial Analysis 形容 Kimi K2.6 是 2026 年 4 月推出的 open-weights 模型，支援文字、圖片和影片輸入，輸出為文字，並有 256K token context window 。Artificial Analysis 另一篇文章亦指 Kimi K2.6 原生支援 image 和 video input，而最大 context length 仍為 256K 。

不同 provider listing 顯示大約 256K 至 262K 的 context range，但價格會按路由或平台而變。OpenRouter 列出 Kimi K2.6 於 2026 年 4 月 20 日推出，context window 為 262,144 token，價格為每 1M input tokens 0.60 美元、每 1M output tokens 2.80 美元 。Requesty 列出 kimi-k2.6 為 262K context，input/output 價格為每 1M tokens 0.95 美元／4.00 美元；AI SDK 亦列出相同 0.95 美元／4.00 美元 pricing 。

moonshotai/Kimi-K2.6 的 Hugging Face page 包含多個 benchmark table，涵蓋 OSWorld-Verified、Terminal-Bench 2.0、SWE-Bench Pro、SWE-Bench Verified、LiveCodeBench、HLE-Full、AIME 2026 等測試 。呢啲 benchmark table 可用作初步篩選，但唔應取代你自己的 workload 測試；prompt、harness、model setting、provider 和 latency 限制都會影響真實結果。

**適合用 Kimi K2.6 的情況：**open weights、多模態輸入、coding workflow 或部署彈性，比依賴成熟閉源 enterprise stack 更重要。

價格和 context：實用對照

長上下文系統最平的 token，未必等於最平的答案。如果模型要更多 retry、長 prompt 漏資料、輸出 invalid JSON，或者需要更多人手覆核，標價較低都可能變成總成本較高。

點解公開 benchmark 唔能夠一錘定音

公開 benchmark 好有用，可以幫你 shortlist；但佢哋通常答唔到採購問題。本文來源包括官方 model pages、pricing docs、新聞報道、API aggregator，以及 Kimi K2.6 的 benchmark table 。但未有一個共享的獨立測試，在相同條件下同時比較 GPT-5.5、Claude Opus 4.7、DeepSeek V4 和 Kimi K2.6。

原因好簡單：prompt 格式、context 長度、准用工具、timeout、temperature、response budget、評分準則和 provider infrastructure，都可以改變結果。企業真正要看的唔係 leaderboard 排名，而係：在你要求的準確度和覆核標準下，每花一蚊可以產生幾多個可接受答案。

上線前，一個簡單但實用的測試方法

用你真實工作去測，每個模型用同一組 prompt、context、工具、timeout 和 scoring rule。至少測五類任務：

1. **Coding：**debug、refactor、code generation、repo-level reasoning。
2. **長上下文：**合約、會議逐字稿、研究包、政策文件、大型 codebase。
3. **結構化抽取：**嚴格 JSON、schema completion、可直接入 database 的欄位。
4. **工具使用：**browser、code execution、internal APIs、database、workflow automation。
5. **Domain work：**finance、legal、healthcare、sales engineering、support、product analysis，或者你團隊真正懂得判斷對錯的職能。

每個模型都要評 accuracy、source faithfulness、long-context retention、tool-call correctness、structured-output validity、latency、retry rate、safety behavior、人手覆核時間，以及 total cost per accepted answer。

結論

如果你想要 OpenAI 生態內的高階預設選項，先測 GPT-5.5；尤其係高價值 reasoning、coding、research 和 computer-use workflow，但要直接向 OpenAI 核對最新 API pricing 和 context 條款 。

如果你重視長上下文 production work，而且想要官方文件清楚寫明 1M token context 以標準 pricing 收費，先測 Claude Opus 4.7 。

如果 budget 和 1M context 是硬約束，可以把 DeepSeek V4 放入 evaluation，但在通過 reliability 測試前，應把它視為 preview 。

如果 open weights、多模態輸入和 coding experimentation 是核心要求，就測 Kimi K2.6，同時留意 provider-specific pricing 和 serving 行為 。

最強模型唔一定係榜上最高分嗰個，而係能夠在你真實任務入面，以最低可靠成本交出合格答案嗰個。

呢張表係路由指南，不係排行榜。現有來源包括官方文件、新聞報道、API 聚合平台和部分 benchmark 表，但未見一個獨立評測把四個模型放在完全相同 prompt、工具、sampling setting、延遲限制和成本口徑下比較 。所以 production 決策最好看 cost per successful task at your quality bar——即係每個達標答案實際要幾多錢、幾穩陣。

GPT-5.5：OpenAI 生態內最自然先測

如果你嘅產品、工作流、權限管理或者監控已經圍繞 OpenAI 建立，GPT-5.5 通常係最自然先測嘅高階模型。OpenAI 維護 GPT-5.5 的 API model page ；OpenAI 發佈頁指 GPT-5.5 於 2026 年 4 月 23 日推出，並於 4 月 24 日更新指 GPT-5.5 同 GPT-5.5 Pro 已可在 API 使用 。The New York Times 亦報道 OpenAI 推出 GPT-5.5；CNBC 則稱 GPT-5.5 是 OpenAI 最新 AI model，並正向付費 ChatGPT 和 Codex 訂戶推出 。

最有來源支持的賣點，是編碼、電腦操作和較深入研究流程。CNBC 報道 GPT-5.5 在 coding、using computers 和 pursuing deeper research capabilities 方面更好 。

至於 API 價格和上下文長度，本文可用來源中最清楚的數字主要來自二手 listing：OpenRouter 列出 GPT-5.5 有 1,050,000 token context window，價格為每 1M input tokens 5 美元、每 1M output tokens 30 美元 。The Decoder 亦報道 API context window 為 1M token，input/output token 價格為每 1M 5 美元／30 美元 。

因為呢啲明確價格和 context 數字主要來自二手來源，大規模部署前應直接向 OpenAI 核對最新 API 條款、模型限制和商務價格。

**適合用 GPT-5.5 的情況：**你要高階閉源模型處理推理、編碼、研究、文件工作或 computer-use workflow，而且 OpenAI 平台整合度同 token 單價一樣重要。

Claude Opus 4.7：1M 長上下文 production 文件最清楚

Claude Opus 4.7 在呢四個模型入面，長上下文官方文件最清楚。Anthropic 指 Opus 4.7 提供 1M token context window，按標準 API pricing 收費，沒有 long-context premium 。Anthropic 價格文件亦指 Opus 4.7 包括完整 1M token context window，900K-token request 會按同 9K-token request 一樣的每 token 費率計算 。

Anthropic 將 Claude Opus 4.7 定位為面向 coding 和 AI agents 的 hybrid reasoning model，並具備 1M context window 。Anthropic 產品頁亦指 Opus 4.7 在 coding、vision、複雜多步任務和專業知識工作方面有更強表現 。

價格方面，OpenRouter 列出 Claude Opus 4.7 為每 1M input tokens 5 美元、每 1M output tokens 25 美元，context window 為 1,000,000 token 。Vellum 亦報道 5 美元／25 美元的 input/output token pricing，並將 Opus 4.7 描述為適合 production coding agents 和長時間 workflow 的模型 。政策和計費結構應以 Anthropic 官方文件為準；二手 listing 則可用作市場參考 。

**適合用 Claude Opus 4.7 的情況：**你要處理長文件、大型 codebase、專業知識工作、多步工具調用，或者 asynchronous agents，而 1M token context 的穩定計價係核心要求。

DeepSeek V4：低成本長上下文有吸引力，但先當 preview 測

DeepSeek V4 最吸引的地方，是長上下文加上相對低的 token 價格。DeepSeek 官方文件列出 DeepSeek-V4 Preview Release，日期為 2026/04/24 。其 models and pricing page 列出 1M context length、384K maximum output、JSON output、tool calls、chat prefix completion，以及 non-thinking mode 下的 FIM completion 。

同一 DeepSeek pricing page 列出 V4 input pricing 會按 cache status 和 tier 分開：cache-hit input pricing 為每 1M tokens 0.028 美元和 0.145 美元，cache-miss input pricing 為每 1M tokens 0.14 美元和 1.74 美元；output pricing 則為每 1M tokens 0.28 美元和 3.48 美元，視乎顯示的 V4 tier 而定 。文件亦指舊模型名 deepseek-chat 和 deepseek-reasoner 日後會為兼容而對應至 deepseek-v4-flash 的 non-thinking mode 和 thinking mode 。

主要風險係成熟度。Preview 模型可以好適合受控內部測試，但 production 團隊應先驗證 reliability、latency、structured output、tool-call 行為、拒答行為和 regression risk。

**適合用 DeepSeek V4 的情況：**你最重視每個成功任務成本，工作負載受惠於 1M context，而且可以先做受控驗證，再決定是否上 production。

Kimi K2.6：開放權重、多模態和 coding 實驗的候選

如果你重視 open weights 和部署彈性，Kimi K2.6 值得列入測試。Artificial Analysis 形容 Kimi K2.6 是 2026 年 4 月推出的 open-weights 模型，支援文字、圖片和影片輸入，輸出為文字，並有 256K token context window 。Artificial Analysis 另一篇文章亦指 Kimi K2.6 原生支援 image 和 video input，而最大 context length 仍為 256K 。

不同 provider listing 顯示大約 256K 至 262K 的 context range，但價格會按路由或平台而變。OpenRouter 列出 Kimi K2.6 於 2026 年 4 月 20 日推出，context window 為 262,144 token，價格為每 1M input tokens 0.60 美元、每 1M output tokens 2.80 美元 。Requesty 列出 kimi-k2.6 為 262K context，input/output 價格為每 1M tokens 0.95 美元／4.00 美元；AI SDK 亦列出相同 0.95 美元／4.00 美元 pricing 。

moonshotai/Kimi-K2.6 的 Hugging Face page 包含多個 benchmark table，涵蓋 OSWorld-Verified、Terminal-Bench 2.0、SWE-Bench Pro、SWE-Bench Verified、LiveCodeBench、HLE-Full、AIME 2026 等測試 。呢啲 benchmark table 可用作初步篩選，但唔應取代你自己的 workload 測試；prompt、harness、model setting、provider 和 latency 限制都會影響真實結果。

**適合用 Kimi K2.6 的情況：**open weights、多模態輸入、coding workflow 或部署彈性，比依賴成熟閉源 enterprise stack 更重要。

價格和 context：實用對照

長上下文系統最平的 token，未必等於最平的答案。如果模型要更多 retry、長 prompt 漏資料、輸出 invalid JSON，或者需要更多人手覆核，標價較低都可能變成總成本較高。

點解公開 benchmark 唔能夠一錘定音

公開 benchmark 好有用，可以幫你 shortlist；但佢哋通常答唔到採購問題。本文來源包括官方 model pages、pricing docs、新聞報道、API aggregator，以及 Kimi K2.6 的 benchmark table 。但未有一個共享的獨立測試，在相同條件下同時比較 GPT-5.5、Claude Opus 4.7、DeepSeek V4 和 Kimi K2.6。

原因好簡單：prompt 格式、context 長度、准用工具、timeout、temperature、response budget、評分準則和 provider infrastructure，都可以改變結果。企業真正要看的唔係 leaderboard 排名，而係：在你要求的準確度和覆核標準下，每花一蚊可以產生幾多個可接受答案。

上線前，一個簡單但實用的測試方法

用你真實工作去測，每個模型用同一組 prompt、context、工具、timeout 和 scoring rule。至少測五類任務：

1. **Coding：**debug、refactor、code generation、repo-level reasoning。
2. **長上下文：**合約、會議逐字稿、研究包、政策文件、大型 codebase。
3. **結構化抽取：**嚴格 JSON、schema completion、可直接入 database 的欄位。
4. **工具使用：**browser、code execution、internal APIs、database、workflow automation。
5. **Domain work：**finance、legal、healthcare、sales engineering、support、product analysis，或者你團隊真正懂得判斷對錯的職能。

每個模型都要評 accuracy、source faithfulness、long-context retention、tool-call correctness、structured-output validity、latency、retry rate、safety behavior、人手覆核時間，以及 total cost per accepted answer。

結論

如果你想要 OpenAI 生態內的高階預設選項，先測 GPT-5.5；尤其係高價值 reasoning、coding、research 和 computer-use workflow，但要直接向 OpenAI 核對最新 API pricing 和 context 條款 。

如果你重視長上下文 production work，而且想要官方文件清楚寫明 1M token context 以標準 pricing 收費，先測 Claude Opus 4.7 。

如果 budget 和 1M context 是硬約束，可以把 DeepSeek V4 放入 evaluation，但在通過 reliability 測試前，應把它視為 preview 。

如果 open weights、多模態輸入和 coding experimentation 是核心要求，就測 Kimi K2.6，同時留意 provider-specific pricing 和 serving 行為 。

最強模型唔一定係榜上最高分嗰個，而係能夠在你真實任務入面，以最低可靠成本交出合格答案嗰個。