OpenCode Go 套餐模型使用规划
一、我的用量画像（成本核算基础）
基于实际开发数据实测（两轮 agent 开发统计）：
⚠️ 关键结论：这种“重缓存读、轻输出”的负载下，缓存读取单价是唯一决定成本的变量，输入/输出单价几乎不影响总成本。
有效成本公式（$/百万 Token）：
99.8% × (2%~3%×输入价 + 97%~98%×缓存读价) + 0.2% × 输出价
二、额度机制说明
OpenCode Go 的限制是双轨制：
账户级三个滚动窗口（所有模型共享）：
$12 / 5 小时（滚动）
$30 / 周
$60 / 月（真正的总预算）
模型级月度封顶（价格表“使用额度”列）：
如 GLM-5.3 只有 $15/月，Hy3 有 $60/月
用完某个模型的独立额度后，本月该模型锁定，但不影响其他模型继续消耗共享池余额
示例：第一周烧完 GLM-5.3 的 $15 → 该模型本月锁定，但仍可用剩余 $45 共享池跑 Hy3。
实际单轮成本 $0.13~$0.31，$12/5h 和 $30/周窗口基本不会触发，只需管理月度 $60 池
建议开启 Use balance（Zen 余额兜底），仅用于月末关键任务
三、模型分工与月度预算分配（总池 $60）
合计 $60，理论容量 20 亿+，覆盖最大用量场景。
分层逻辑
四、模型能力对比
⚠️ 数据说明：以下跑分来自各厂商官方发布或第三方评测机构（Artificial Analysis、BenchLM、Vals AI 等）2026 年中下旬公开数据。不同厂商的评测条件（思考预算、工具调用、温度参数）存在差异，跨厂商的绝对数值不可直接横比，仅作能力定位参考。
4.1 核心基准对比
4.2 各模型卡片
GLM-5.2（架构审核）
厂商：Z.ai（智谱），2026 年 6 月发布，MIT 开源
架构亮点：IndexShare 稀疏注意力索引复用（1M 上下文下每 token FLOPs 降低 2.9 倍），MTP 推测解码接受长度 +20%
擅长：长时序工程任务、1M 上下文稳定工作、多档思考强度（high/max）平衡延迟
短板：智能体综合能力被后续发布的 DeepSeek V4 Flash（工具调用）和 GLM-5.3（编码）超越
Kimi K2.7 Code（硬骨头开发）
厂商：Moonshot AI，2026 年 6 月发布，Modified MIT 开源
架构亮点：1T 参数 MLA 注意力，384 专家选 8，160K 词表；思考 token 消耗较 K2.6 平均减少 30%（抑制推理过度思考）
擅长：长时序编码（4000+ 工具调用序列、12 小时连续执行）、Rust/Go/Python 跨语言、前端/DevOps/性能优化
短板：上下文 256K（同级竞品多为 1M）；SWE-bench Verified 绝对值不是最强；未提交 DeepSWE 独立评测；第三方评测显示其在前沿模型对比中整体落后
MiMo V2.5 Pro（日常开发主力）
厂商：小米，2026 年 4 月发布
架构亮点：1.02T MoE / 42B 激活，混合注意力，1M 上下文
擅长：SWE-bench Verified 78.9、SWE-bench Pro 73.7（持平 GPT-5.4）；通用 Agent 推理 1581；GDPVal-AA 72.9
短板：Claw-Eval 带工具 34.0（相对偏低）；Terminal-Bench 2.0 得分 68.4，低于 DeepSeek V4 Flash 的 82.7
DeepSeek V4 Flash（批量任务）
厂商：DeepSeek，2026 年 7 月发布
架构亮点：轻激活 MoE（约 13B 激活），但 Agent 能力逼近 Opus 4.8
擅长：Terminal Bench 2.1 82.7、Toolathlon Verified 70.3、NL2Repo 54.2、AutomationBench 25.1——工具调用和自动化任务是其强项
短板：Peak 时段价格翻倍；绝对编码强度（DeepSWE 54.4）弱于 GLM-5.3 / V4 Pro
MiMo V2.5（文档注释）
厂商：小米，2026 年 4 月发布
架构亮点：310B / 15B 激活（全场最轻激活），混合滑窗注意力，原生视觉+音频，1M 上下文
擅长：日常编码以约一半成本追平 Pro；SWE-bench Pro 71.8、Coding Agent 56.1、τ3-bench 62.3 均处于帕累托前沿
短板：深度推理和复杂工程不及 Pro 及 GLM 系列
Hy3（机动储备）
厂商：腾讯混元，2026 年 4 月 Preview、7 月正式版
架构亮点：295B / 21B 激活 + 3.8B MTP 层，模型与推理框架深度协同优化（推理效率 +40%）
擅长：同尺寸性价比（“媲美 2-5 倍参数旗舰”）、推理效率高、搜索 Agent 任务（BrowseComp、WideSearch）
短板：SWE-bench Pro 57.9、Terminal-Bench 2.1 71.7，与 GLM-5.2 有明显差距——硬编码任务不适用
LongCat-2.0（中间层执行）
厂商：美团，2026 年 6 月发布，MIT 许可
架构亮点：1.6T / 48B 激活，LongCat 稀疏注意力，1M 上下文，35T token 预训练
擅长：SWE-bench Pro 59.5（超越 Gemini 3.1 Pro 和 GPT-5.5）、SWE-bench Multilingual 77.3（持平 Opus 4.6 的 77.8）、Terminal-Bench 2.1 70.8；通用 Agent 能力接近国际一线闭源模型
短板：实测编码能力弱于 GLM-5.2 和 DeepSeek V4 Flash，建议作为执行层补充而非主力；训练全程由国产芯片完成，生态兼容性需验证
GLM-5.3（未选用——仅供对比参考）
厂商：Z.ai（智谱），2026 年 8 月发布
架构亮点：基于 GLM-5.2 同款 700B 参数基座，纯后训练优化；引入 Effort Level 四档思考深度机制
擅长：Terminal-Bench 2.1 88.2、CyberGym 84.5（全榜第一）、DeepSWE v1.1 66.9、GDPVal-AA v2 1769——编码与安全能力做到极致
短板：与 GLM-5.2 单价完全相同，但额度仅 $15；安全评估完成前权重延迟开源
Kimi K3（未选用——仅供对比参考）
厂商：Moonshot AI，2026 年 7 月发布
架构亮点：2.8T 参数，896 专家选 16；Kimi Delta Attention（解码加速 6.3 倍）；原生视觉理解能力
擅长：Terminal-Bench 2.1 88.3、FrontierSWE 81.2、BrowseComp 91.2、AA Intelligence Index 57（#4/189）
短板：输出 $15/M 全表最贵；输出速度约 62 token/s，低于同价位中位数 72.7；幻觉率高达 51%；$15 额度仅够 ~3600 万 token——对个人项目审核场景 ROI 过低
4.3 选型逻辑回扣
结合能力对比与本方案预算分配：
GLM-5.2 做审核：Terminal-Bench 81.0 + SWE-bench Pro 62.1，编码硬实力足以胜任架构把关；虽然 GLM-5.3（TB 2.1 88.2）更强，但 $15 额度对于审核环节的用量不划算
DeepSeek V4 Flash 做批量：Toolathlon 70.3 / AutomationBench 25.1 全面碾压 GLM-5.2，工具调用与自动化任务是其主场，正好匹配“大量读 + 少量写 + 工具链调用”的批处理画像
Kimi K2.7 Code 啃硬骨头：SWE-bench Verified 76.8%~78.2% 逼近 Claude Opus 4.8，长时序编码 + 思考 token 节省 30% 恰好匹配复杂模块的深度推理需求
MiMo Pro 当主力、V2.5 做文档：SWE-bench Verified 78.9、SWE-bench Pro 73.7（持平 GPT-5.4）已属前沿；V2.5 以约一半成本追平 Pro 的日常编码表现，能力梯度平缓适合降级链路
LongCat-2.0 作为 DeepSeek V4 Flash 的有效补充：SWE-bench Pro 59.5 超越 GPT-5.5（58.6）和 Gemini 3.1 Pro（54.2），SWE-bench Multilingual 77.3 持平 Claude Opus 4.6（77.8）。当 DeepSeek V4 Flash 额度耗尽或需要在国产芯片环境下运行长时序 Agent 任务时，LongCat-2.0 是理想的降级/替补选择
Kimi K3 / GLM-5.3 被排除的原因：K3 的 AA 智力指数 57 虽达 Opus 级，但输出 $15/M、幻觉率 51%、$15 额度只够 ~3600 万 token，对个人项目审核场景 ROI 过低；GLM-5.3 能力更强但额度仅 $15，在 GLM-5.2（$60）已够用的前提下无升级必要
五、单轮成本参考表（按我的负载画像实测核算）
以“输入 21.8M / 输出 44.9K / 命中 98%”为基准：
六、开发流程（优化版）
┌─────────────────────────────────────────────────┐
│ 第一阶段：需求与设计（免费资源） │
│ 网页版免费 AI 优化需求文档 / 架构设计 / 原型设计 │
│ TraeWork（每日签到 200 积分，月底清零） │
├─────────────────────────────────────────────────┤
│ 第二阶段：文档审核与细化 │
│ ★ GLM-5.2 —— 审核需求/架构文档，查遗漏、细化功能点 │
├─────────────────────────────────────────────────┤
│ 第三阶段：开发 │
│ ★ 复杂模块（并发/内存/Qt架构/Android互操作） │
│ → Kimi K2.7 Code │
│ ★ 日常功能开发 → MiMo V2.5 Pro（撞顶降级 V2.5） │
│ ★ 批量大上下文任务 → DeepSeek V4 Flash（Off-Peak） │
│ ★ 国产芯片环境 / 长时序 Agent → LongCat-2.0 │
├─────────────────────────────────────────────────┤
│ 第四阶段：模块级审核（改进点：即时审，不攒到最后） │
│ ★ GLM-5.2 —— 每个模块完成即审，错误趁热修 │
├─────────────────────────────────────────────────┤
│ 第五阶段：知识回流（改进点） │
│ ★ GLM-5.2 输出问题规则清单 → 存入个人开发平台规范 │
│ ★ 后续开发自动携带规范，提升低端模型质量 │
├─────────────────────────────────────────────────┤
│ 第六阶段：文档注释补全 │
│ ★ MiMo V2.5 —— 纯体力活，最便宜模型 │
└─────────────────────────────────────────────────┘流程改进要点（相比旧流程）
审核前置化：从“最后统一审核”改为“模块完成即审”——上下文还热着，返工成本低
知识回流机制：审核发现的问题（如 WPF 绑定泄漏、Qt 父子对象生命周期）沉淀为规则清单，一次高价值投入持续提升低端模型质量
Off-Peak 批处理：DeepSeek 峰时（北京时间约 09:00–12:00、14:00–18:00）单价翻倍，批量任务全部安排在晚间/深夜跑
七、日常操作节奏
八、监控与降级预案
监控要点
每周看一次月度池消耗速率（预期 ≈ $15/周）
GLM-5.2 超 $2.5/周 → 审核环节过重，下放部分给 Kimi K2.7
MiMo Pro 接近 $15 封顶 → 提前切换基础版 V2.5
DeepSeek V4 Flash 接近 $8 封顶 → 切换至 LongCat-2.0 或 MiMo V2.5
降级顺序（质量梯度平缓，成本反而更低）
开发环节：MiMo Pro → MiMo V2.5 → DeepSeek Flash（Off-Peak）
批量环节：DeepSeek Flash → LongCat-2.0 → MiMo V2.5 → Muse Spark
审核环节：GLM-5.2 → Kimi K2.7（复杂场景可短暂上 Kimi K3）
国产芯片/长时序：LongCat-2.0 → DeepSeek Flash额度告急时
开启 Use balance，Zen 余额只用于月末关键任务
满负载月（20 亿）贴着容量上限，需优先保开发环节，压缩文档环节 token 量
九、待验证事项
一句话总结：97% 的 token 走缓存读 → 谁家缓存读便宜，谁就是为我设计的。贵模型只出现在“判断”环节（GLM-5.2 审核 + Kimi 啃硬骨头），所有“执行”环节压到 MiMo / DeepSeek / LongCat-2.0 上，$60 月池即可覆盖 5~20 亿 token 的全部需求。
OpenCode Go 套餐模型使用规划
http://blog.larpx.cn/1787808842711
Comments