我们在自己机子上把 3 个模型挨个接进 PDFMathTranslate 跑了 2 轮：deepseek-v4-flash 是全部任务都过、单轮又最便宜的（$0.000094）。
compare_models) at https://ainetcafe.com/mcp.
把每个模型真的接进一个跑着的 PDFMathTranslate 实例，按 2 项任务各跑 2 轮，
成本从实际账单读，不是按标价估算。通过指 2 轮全过；只要有一轮崩了就算未通过——
这些应用对结构化输出很敏感，偶发失败在生产里就是坏的。数据更新于 2026-09-27。
| 模型 | 通过率 | 整段翻译 | 术语一致性 | 单轮成本 | 平均耗时 |
|---|---|---|---|---|---|
| deepseek-v4-flash | 100% | 通过 | 通过 | $0.000094 | 1.3s |
| claude-sonnet-5 | 100% | 通过 | 通过 | $0.000949 | 3.1s |
| gpt-5.6-luna | 50% | 未通过 | 通过 | $0.000000 | 6.1s |
全部 2 项任务都过，单轮 $0.000094——比这张表里最贵的便宜 10.1 倍。跑 PDFMathTranslate 这类任务，贵的模型没买到更高的通过率。
换句话说，1 个模型接上去看着能用，实际会在某项任务上翻车。这就是为什么值得先看实测再选型。
机子是现成的，不用装环境、不用自己的 Key。也可以让 agent 直接调 compare_models 重跑这张表。
GPT Researcher · GPT Academic · LobeChat · NextChat · Presenton