OpenCode 模型能力排行

非 OpenCode 官方页面，仅为个人学习研究用途的第三方整理。
本页全部排名与点评由 AI 自动生成，仅供参考，不构成任何购买或使用建议；模型能力、价格与额度以 Zen 官方文档 · Go 官方文档为准。
数据来源： zen/v1/models · zen/go/v1/models · Zen 文档 · Go 文档，模型规格来自 models.dev，基准成绩来自 vals.ai / Artificial Analysis / 各厂商模型卡。
数据版本：2026-09-05（每次数据更新时由维护者手动填写；官方文档随时可能调整，请以官方页面为准）　·　点击任意行展开「长处 / 短板 / 定位 / 推荐场景 / 备注」，点击顶部标签切换排序维度。

—OCGO 模型

—OCZen 模型

—免费模型

5核心基准维度

五项核心基准为什么选这 5 个

SWE-bench Verified: 500 个真实 GitHub issue，模型生成补丁后跑单元测试。编码 Agent 的头号指标，vals.ai 用统一的 mini-swe-agent（仅 bash 工具）复现，可比性最好。
SWE-bench Pro: 1865 个任务、41 个仓库、跨文件平均改动 107 行，且用 copyleft/专有代码抗污染。衡量「能不能干生产级重活」，与 Verified 拉开层次。
Terminal-Bench 2.1: 真实 Shell / 运维 / DevOps 任务，考察规划、迭代、工具协调与错误恢复 —— 这正是 OpenCode 这类终端 Agent 的日常。
GPQA Diamond: 博士级物理/化学/生物问答，衡量推理深度与知识密度（Artificial Analysis 榜单，覆盖 174 个模型）。
HLE: Humanity's Last Exam，极难跨学科知识考试，是目前最有区分度的推理基准 —— 前四项已接近饱和，HLE 仍能拉开差距。

评分方法

综合能力评分结合公开基准成绩与编辑评定得出；公开成绩越全，所占比重越大。分数后的 3/5 标记表示该模型有几项公开成绩，展开详情可见构成说明。
可连续调用时长以「小时:分钟」显示（≈ 表示估算值）。Go 按官方额度折算，Zen 按月预算折算，免费档按保守估算；时长越长得分越高。
综合最推荐同时考虑能力与连续可用时长，能力占更大比重；存在数据收集风险的模型会适当下调。
价格按日常使用成本估算，仅 Zen 表提供价格排序（价格越低越靠前）；Go 表按额度使用，详情中的价格仅供参考。

读表提醒
1. 不同基准的 harness、上下文上限、超时、评分程序并不统一，厂商自报值与第三方独立复现值混用，2–3 分之差通常小于口径误差，别把它当决定性依据。
2. SWE-bench Verified 已高度饱和（7 个模型 ≥95%），真正区分度在 SWE-bench Pro 与 HLE。OpenAI 内部审计发现约 30% 的 SWE-bench Pro 任务存在问题，该列需谨慎解读。
3. Terminal-Bench 2.1 与 3.0 差异极大（同一模型可从 88 掉到 28），引用时请带上版本号。
4. 标注「弃用」的模型仍可从 API 拉到，但官方已停止支持，不建议新项目使用。
5. 带有「数据收集」标记的模型可能会留存提示词与补全内容，或将其用于模型训练，请勿用于涉密或商业代码。该标记按官方「隐私」条款逐个模型核对（免费期间收集反馈的模型，以及用训练数据换取优惠的贡献者版本，均已标注）。
6. 免费范围以官网「定价 › 免费模型」清单为准。部分接口 id 带有 -free 后缀，但不在官网清单内（如 DeepSeek V4 Flash 在官网为按量付费），未列入本页免费排行。
7. 「综合额度」结合月请求数、$ 月额度、5 小时请求数、周请求数给出综合评分（0~100），不是只按 $ 档位排。单价越贵、同档 $ 能跑的次数越少，所以 $ 档高不等于额度充裕。额度未全部公开的型号不参与该项排序，排在末尾。
8. Go 与 Zen 计费方式不同：Go 按额度使用，表中没有价格排序与价格列；Zen 按量付费，表中有价格排序（价格越低越靠前），没有额度相关列；免费表两者都没有。「可连跑」列统一显示为「小时:分钟」。