中国 LLMs 对比 GPT、Gemini 与 Claude：按契约选路由，而不是看品牌

这个问题的无效问法是：“中国 LLMs 和 GPT、Gemini、Claude 相比，哪个更好？”它让“更好”这一个词，去代替产品功能、服务商合同、模型能力、延迟、预算、数据处理，以及纠正错误答案的成本。

真正有用的问题是： 这个任务要成功，哪些条件必须成立，以及哪条路由能满足这份契约？ 模型品牌不是验收标准。

先说清一条边界：ChinaAPI 通过自己的 OpenAI-compatible 端点，提供其模型目录中列出的中国模型。它 不 提供访问 GPT、Gemini 或 Claude API 的途径。如果你的任务依赖某个上游服务商特定的产品、账号、条款、部署或工具，请让这部分工作负载继续直接使用该服务商。本指南要讨论的是：什么情况下值得把中国模型路由与这条直连路由放在一起认真评估——而不是假装所有 API 都可以互换。

简短结论

• 当任务契约明确要求某项服务商自有的依赖时，保留直连前沿模型服务商的路由。 必需的托管工具、特定模型的 API 行为、企业协议、数据驻留承诺、身份边界或现有的产品集成，都是真实存在的约束。更便宜的替代品不会仅仅因为生成的文本相似，就与之等价。
• 当契约要求的是模型能力加上通过验收的结果——而不是某个指定的上游产品时，把中国模型纳入候选集。 2026-07-24 的 ChinaAPI 网关快照包含 25 个已上线、按 token 计费的 LLMs，来自 10 家中国厂商。 有十一个 标称 1M tokens 上下文窗口，其中 六个 同时具备 1M 上下文、视觉输入和工具支持。这样的路由多样性，足以让你按任务适配度来测试，而不是把“中国 LLM”当成一个模型。
• 从模态和运行限制出发。 deepseek-v4-flash 是面向大批量文本工作的 1M 文本与工具候选； qwen3.7-plus、 MiniMax-M3和 mimo-v2.5-pro 是支持文件、视觉和工具的 1M 候选； glm-5v-turbo 和 kimi-k3 则是证据中包含视频输入时可选的目录路由。对于需要理解图像或视频的任务，不要拿纯文本路由来比较。
• 不要把刊例价当作总成本或质量的替代指标。 直连服务商的价格、缓存策略、批处理条款、用量层级限制和地区可用情况都因服务商而异。ChinaAPI 展示的中国模型价格由其经网关对账的目录生成。只有在每个候选都能通过同样的验收检查之后，才进行比较。

我们的立场很简单： 当服务商依赖本身就是任务的一部分时，使用直连国际服务商的路由；否则，就测试成本最低、且能读取输入、遵守管控要求并产出通过验收结果的路由。升级要凭证据，而不是凭品牌。

决策看的是契约，而不是国别标签

下表把不可妥协的依赖与模型选型问题区分开来。它刻意不对不同服务商的模型智能水平排名：ChinaAPI 尚未发布能够支撑这种结论的、多次重复的跨服务商基准测试。

前沿模型服务商的格局变化很快。在决定采用某个服务商特有的依赖之前，请先阅读最新的 OpenAI 模型指南、 Gemini 模型文档和 Anthropic 模型文档。它们的能力、生命周期标签和商业条款，应以各服务商自己的信息为准——而不是 ChinaAPI 的目录。

当前的中国模型选型清单与价格适用范围

以下是 ChinaAPI 目录中可作为起点的候选，并不表示它们胜过任何外部模型。所列价格由当前经网关对账的数据源生成；价格可能变动，而且只在候选满足任务的输入和管控要求之后才适用。

价格比较刻意止步于此。我们不会把 GPT、Gemini 或 Claude 的价格手工抄进 ChinaAPI 的营销页面，也不会把各服务商在缓存、批处理、模型版本、速率限制或合同上的差异抹平，做成一张虚假的单位成本表。对于一条实际运行的路由，真正重要的数字是：

accepted-output cost =
  (model tokens + tool/runtime charges + retries + review time + repair time)
  / accepted outputs

如果低 token 价格的路由产出不合规的 JSON、漏掉引用的证据、无法读取输入，或者带来的返工多到抵消了节省，那它就是亏的。同样，如果高成本直连路由的服务商专属优势与任务无关，它也是亏的。用同一张任务卡片来衡量这两种情况。

把比较当作受控的路由测试来做

不要因为一个演示提示词就迁移生产工作流。先冻结任务契约，包括正确答案是“这必须继续留在直连服务商”的情况。下面的模板让这一决策可以被审查。

{
  "task_id": "claims-extraction-01",
  "must_use_provider": null,
  "provider_owned_dependencies": [],
  "source_modalities": ["pdf", "image"],
  "context_band": "1m",
  "needs_tools": true,
  "needs_video_input": false,
  "data_and_procurement_approved": true,
  "max_attempts": 2,
  "max_tool_rounds": 6,
  "acceptance_checks": [
    "every claim points to a supplied page",
    "JSON validates against the schema",
    "no unsupported claim",
    "human reviewer accepts the result"
  ],
  "candidate_routes": [
    "direct-provider-route",
    "qwen3.7-plus",
    "MiniMax-M3"
  ],
  "human_approval_required": true
}

然后按以下步骤执行：

1. 在发送提示词之前先排除无效路由。 如果 must_use_provider 已设置，或需要某项服务商自有的依赖，就不要把中国替代方案当作替代品来打分。如果输入包含图像、视频、文件或工具，就移除无法支持它们的路由。
2. 保持任务和验收检查不变。 对每条有效路由使用相同的源材料集、允许的工具、输出 schema、脱敏策略、重试上限和人工审核规则。
3. 记录结果，而不只是你最喜欢的那个答案。 保存通过/驳回状态、驳回原因、tokens、工具调用轮数、耗时、重试次数和人工修复分钟数。原始源材料要保留在已批准的边界之内。
4. 拆分默认、升级和审核角色。 成本较低的中国模型路由可以作为默认的候选生成器；直连服务商可以保留给依赖特定产品的步骤；另一条独立路由可以审核高影响的输出。一条路由不必在所有角色上都胜出。
5. 有了可重复的证据之后才升为默认。 当模型版本、上游行为、服务商条款或你的任务 schema 发生变化后，重新测试。

ChinaAPI 的内部路由简报目前定义了 60 项任务的候选集 涵盖文本 RAG、结构化抽取、编码、工具使用、长文档、图像/视频理解和最终审核。它是一份测试计划产物，而不是公开的评分表。对于所有这些路由，我们尚未发布经重复测试的跨服务商完成率、延迟分布、工具调用成功率或质量排名。

三种不应被合并成一个答案的结果

1. “保持直连。” 你的应用使用了某个服务商特有的托管功能，或者你的组织已经批准了某一家供应商的合同与管控措施。保留直连路由。中国 LLM 仍可以在另一个不涉及该依赖的独立工作流中接受评估，但不能作为未经披露的替代品。

2. “以中国模型为默认，并保留直连升级通道。” 你的工作负载是大批量文本、抽取、分类或起草，而且没有指定任何产品依赖。从一个能力足够的 ChinaAPI 候选开始，强制执行验收检查，并为那些界定清楚、确有必要的情况保留升级到直连服务商的通道。这通常比让每一项都走同一条旗舰路由更稳健。

3. “输入不同，就使用多条路由。” 纯文本候选、1M 多模态路由和视频输入路由并不重复。根据任务需要读取什么、必须遵守哪些管控要求来选择它们。路由层应当让选择足够明确，使运维人员日后能够解释清楚。

本指南不做哪些声明

本文并不声称中国 LLMs 普遍比 GPT、Gemini 或 Claude 更便宜、更好、更安全或更容易获得。本文不发布跨服务商基准测试、延迟排行榜、企业合规结论，也不对上游行为作任何保证。本文也不意味着可以通过 ChinaAPI 使用 GPT、Gemini 或 Claude。

不过，本文确实给出一条实用建议： 当服务商确实是任务契约的一部分时，就把它当作契约的一部分；否则，就用可重复的验收数据和合格输出成本来比较有效的模型路由。 先查看当前的 ChinaAPI 模型目录 和 实时价格，然后留下在你自己的工作流中真正证明了价值的那条路由。