如同 @xzyun2011 所说的，在2B领域，如果限于编程，模型的能力之间的微妙差距变得极为明显。
就我个人感受以及刻意观察的结果，就软件项目而言：
opus 4.5像一个有3~5年优秀职场习惯的985小弟，靠谱，执行力强，知识面极广，是值得信任的工作伙伴。
sonnet 4.5属于扎实的中部211小弟，执行力强，有时候呆一点，或者傻傻的过于勤快，适当分配在他能力范围内的话还是不错的。
chatgpt [codex] 5.2 属于做事慢腾腾的985小弟，有时候能解决点难题。
gemini3-pro 属于散漫的985小弟，但是智力挺高，知识面更高；gemini3-flash笨不少，但是老实很多。
glm-4.7 低端211, minemax2.1 大致是一本，后者老实低端经验较多，前者稍微跳脱知识面广一点，但是都需要掰开来揉碎了管理。
deepseek 3.2 大致纯智力在985，但上下文短（散漫），然后工作经验也一般，编程能力靠泛化得来。
就生产力增幅而言，opus大概增幅5~10倍（看个人精力和项目难度）；sonnet 4.5、gemini3、chatgpt [codex] 5.2 大概在 1.5~2.5倍；glm-4.7 / minemax2.1 / deepseek 3.2 在 1.2~1.5倍。
如果有人没看过智谱唐杰、kimi杨植麟、还有Qwen的林和腾讯的姚，上周的那个对话，建议去找来看看。
下面是姚在对话发言的开始部分
“
很核心的一点是，对于 To C 来说，大部分人大部分时候其实不需要用到这么强的智能。可能今天用 ChatGPT 和去年相比，写抽象代数或者去解伽罗瓦理论的能力变强了，但是大部分人感受不到。大部分人其实可能还是在，尤其在中国，更多像是一个搜索引擎的加强版，很多时候你也不知道该怎么样去用，去把它的智能给激发出来。
但是对于 To B 来说，很明显的一点是，智能越高很多时候就代表生产力越高，就代表你可以赚的钱越多，这一切东西都相关联。那对于 To B 来说，还有一个很明显的点：大部分时候其实很多人愿意用最强的模型。可能一个模型它是 200 美元一个月，第二强或者差一些的模型是 50 美元一个月或者 20 美元一个月。我们今天发现很多，起码美国的人，是会愿意花那个溢价去用最好的模型。因为可能他的年薪是 20 万美元，他每天要做 10 个任务，那一个像 Opus 4.5 这样一个非常强的模型，它可能会 10 个任务八九个直接做对了，那差的模型它可能做对五六个。问题是你不知道这五六个是哪五六个的情况下，就要花很多额外精力去监控这个事情。所以在 To B 这个市场上，强的模型和稍微差点的模型，分化会变得越来越明显，这是第一点观察。
”