5 款 LLM 的實戰路由結論
15 個模型、38 項真實任務顯示：Sonnet 適合主力，MiniMax 擅長結構化輸出，Flash 最省最快，GPT-oss-20b 可本地免費跑。
這份基準測試用 15 個模型、38 項真實任務，整理出主力、低成本、結構化輸出和本地免費模型的分工。
| 項目 | 品質 | 通過率 | 中位時間 | 總成本 |
|---|---|---|---|---|
| Claude Sonnet 4.6 | 100% | 38/38 | 4.6s | $0.20 |
| Claude Opus 4.6 | 100% | 38/38 | 4.1s | $0.69 |
| MiniMax M2.5 | 98.6% | 38/38 | 15.9s | $0.07 |
| Gemini 2.5 Flash | 97.1% | 35/38 | 1.1s | $0.003 |
| GPT-oss-20b | 98.3% | 37/38 | 4.1s | $0.00 |
1. Sonnet 是最穩的主力
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Claude Sonnet 4.6 是這批模型裡最平衡的選擇，38/38 全過，總成本只有 $0.20，還能把中位回應時間壓在 4.6 秒。對多數團隊來說，這代表它可以直接當預設路由。
它的價值不只是準，而是準得夠便宜。若你的工作包含程式、抽取、摘要與一般寫作，Sonnet 很適合放在「大多數任務先送它」的位置。
- 38/38 任務通過
- 172.5/172.5 分
- 4.6 秒中位回應
- $0.20 總成本
2. Opus 不是更划算的升級
Claude Opus 4.6 同樣拿到 38/38，但總成本升到 $0.69，沒有在這組任務裡展現出足以說服人的品質差距。也就是說，它贏在名義定位，不一定贏在實際回報。
這不代表 Opus 沒用，而是它更像高難度任務的保險。當你已經知道問題很棘手，或需要更保守的推理空間時，它才比較值得加價。
- 38/38 任務通過
- 4.1 秒中位回應
- 與 Sonnet 同分
- 成本最高
3. MiniMax 最適合嚴格格式輸出
MiniMax M2.5 的亮點不是只看分數，而是它很少亂加包裝文字。對要接 API、要進 parser、要直接寫入資料庫的流程來說，這種輸出紀律很重要。
它在這份測試裡拿到 98.6% 品質與 38/38 通過率，成本也只有 $0.07。若你的重點是結構化資料而不是長篇推理，這是值得先測的模型。
- 98.6% 品質
- 38/38 通過
- $0.07 總成本
- 多數輸出為純 JSON
4. Flash 最省錢也最快
Gemini 2.5 Flash 把速度與價格壓到很低：中位時間 1.1 秒，總成本只有 $0.003。它的 97.1% 品質不算最高，但對大量批次處理已經很夠用。
如果任務是清洗、轉換、分類或其他規則明確的工作，Flash 很適合當高吞吐路由。它不是最強，但常常是最划算的那個。
- 97.1% 品質
- 35/38 通過
- 1.1 秒中位回應
- $0.003 總成本
5. GPT-oss-20b 提供免費本地路線
GPT-oss-20b 的驚喜在於它是本地跑、總成本 $0.00，卻還能拿到 98.3% 品質與 37/38 通過率。對重視內網部署或固定成本控制的團隊，這很有吸引力。
它的定位不是全能王，而是可用的免費工作馬。若你的任務不屬於深度推理型，本地模型已經可以進入正式流程，而不只是測試環境。
- 98.3% 品質
- 37/38 通過
- $0.00 總成本
- 可本地部署
怎麼挑
想要一個主力模型，先選 Sonnet。想要最穩的結構化輸出，先測 MiniMax。想要最低延遲和最低成本，Flash 最有說服力。想要零邊際成本與本地控制，GPT-oss-20b 值得優先試。
這份測試真正傳達的不是單一冠軍，而是路由思維。把簡單任務交給便宜模型，把難題留給高階模型，通常比押寶單一模型更有效。