AF 六月上新模型汇总｜GLM-5.2 逼平 Opus 4.8、Kimi K2.7-Code 价不变能力涨、Gemini 图像版转正

一、本期更新概览

六月，我们一共上线 4 款新模型，集中在两条能力主线上，外加一批老模型的退役排期需要各位提前安排迁移。

两条主线是这样分布的：

代码线最热闹。Moonshot 一口气上了 Kimi K2.7-Code 和它的高速变体，智谱的 GLM-5.2 同样把长程自主编码当成主战场。这条线本期的看点是「价格基本没动、能力明显往上走」。

图像线迎来一次「转正」。谷歌的 Gemini 3 Pro Image（也就是大家熟知的 Nano Banana Pro）从预览版进入正式版（GA），替换掉即将下线的 preview 版本，适合要把图像生成放进生产流程的团队。

下面先给按日清单，再逐个深度解读。

二、按日上新清单

6 月 17 日

GLM-5.2（智谱 AI）：GLM 系列最新语言模型，长程自主编码方向。

Kimi K2.7-Code 系列（Moonshot AI）：代码专精模型，含标准版与 highspeed 高速变体两个型号。

Gemini 3 Pro Image / Nano Banana Pro（谷歌）：图像生成模型正式版（GA），替换预览版。

同步说明：六月这批以新增为主，另有 Kimi K2、GLM、Gemini 三组老模型进入退役或弃用排期（详见第六节），请各位据此安排迁移。

三、重点模型深度解读

3.1 GLM-5.2（智谱 AI）—— 同价位，逼近第一梯队的编码分

上新时间：6 月 17 日上线 AF。

原厂计费：按 token 计费，输入 $1.4 / 1M、输出 $4.4 / 1M、缓存读 $0.26 / 1M。与上一代 GLM-5.1 价格保持一致。

主打场景：长程自主编码与工程任务、智能体工作流，100 万上下文、最高 131K 输出。

横向对比

自家纵向看，GLM-5.2 相对 GLM-5.1 在价格不变的前提下，把编码与智能体能力又推了一档，属于「加量不加价」的常规迭代节奏。

跨厂商看，智谱在 6 月 16 日公布的评测里，GLM-5.2 在 SWE-bench Pro 拿到 62.1，超过 GPT-5.5 的 58.6；FrontierSWE 上 74.4%，高于 GPT-5.5 的 72.6%，与 Claude Opus 4.8 的 75.1% 仅差不到一个点；MCP-Atlas 77.0，同样压过 GPT-5.5 的 75.3 [1][5]。而价格上，GPT-5.5 约 $10 / $30，Claude Opus 4.8 标准档 $5 / $25，GLM-5.2 的 $1.4 / $4.4 大约是前者的几分之一。

（表格）

本期最出圈的一条是安全方向：6 月底安全厂商 Semgrep 公布的网络安全测评里，GLM-5.2 在不加任何脚手架的情况下，IDOR（越权访问）漏洞检测拿到 39% F1，超过同样裸跑的 Claude Code（32%），单条漏洞发现成本约 $0.17；在 CyBT-CTF 等智能体型攻防任务上，它是当前最强的开放权重模型，解题率与 Anthropic Opus 4.7/4.8 持平 [9]。需要说明两点：这是「模型对模型、都不加专用流水线」的口径，GLM-5.2 仍落后于 Semgrep 自家多模态安全流水线（53–61% F1）；而在更硬的通用推理上（如 SWE-Marathon）GLM-5.2 仍明显落后 Opus 4.8。也就是说它的性价比优势在安全扫描这类「跑量、可批量」的场景最突出。

AF 用例分享：一家做 SaaS 的工程团队在 AF 上用项目管理功能给工程任务分类——回归测试修复、批量重构、依赖升级这类「跑量、能容忍偶发返工」的智能体任务划到 GLM-5.2，最难的核心模块评审划到 Opus 4.8，按任务类型匹配模型并各自分好预算与配额。同样的 token 预算下，跑量环节的成本压到原来的零头，整体迭代速度明显提上来。

3.2 Kimi K2.7-Code 家族（Moonshot AI）—— 价格不动，分数和 token 效率一起涨

本期 Moonshot 上了同系列两个型号，合并解读：

kimi-k2.7-code：输入 $0.95 / 1M、输出 $4 / 1M、缓存读 $0.19 / 1M。

kimi-k2.7-code-highspeed：输入 $1.9 / 1M、输出 $8 / 1M、缓存读 $0.38 / 1M，价格是标准版的两倍，换更低延迟，适合对响应速度敏感的交互式编码场景。

上新时间：6 月 17 日上线 AF。

架构与计费方式：1T 总参数的 MoE 架构、单 token 激活约 32B，256K 上下文；按 token 计费。

主打场景：长程软件工程——做规划、改代码、调工具、跨多步调试，面向编码智能体而非通用对话。

横向对比

自家纵向看，这是 K2.7-Code 最值得讲的一点：标准版价格和上一代 Kimi K2.6 的官方价（$0.95 / $4）完全一致，能力却明显上台阶——Moonshot 报告 Kimi Code Bench v2 相对 K2.6 提升 21.8%、Program Bench 提升 11.0%、MLS Bench Lite 提升 31.5%，同时推理 token 用量约降 30% [3]。也就是说同样一个编码任务，单价没涨、跑完所需的 token 还更少，实际账单往下走。

跨厂商看，对标同样主打编码的 GLM-5.2（$1.4 / $4.4）和 Claude Opus 4.8（$5 / $25），Kimi K2.7-Code 的 $0.95 / $4 是这一档里单价最低的开放权重选项之一，适合把它放在高频、跑量的编码智能体上。

（表格）

AF 用例分享：一个内部开发者平台把「自动修 lint、补单测、生成 PR 描述」做成常驻智能体，常态化跑标准版 kimi-k2.7-code 控成本；当工程师在 IDE 里实时结对、要求秒级返回时，临时切到 highspeed 变体换低延迟。两个型号同系列、同接口，切换零改造。

3.3 Gemini 3 Pro Image / Nano Banana Pro（谷歌）—— 预览转正，进生产可放心

上新时间：6 月 17 日上线 AF，作为正式版（GA）替换即将下线的 gemini-3-pro-image-preview。

原厂计费：按 token 计，输入 $2 / 1M，输出文本 $12 / 1M、输出图像 $120 / 1M。折算到每张图：1024×1024 及以下约 $0.039，1K–2K 档约 $0.134，4K（4096×4096）约 $0.24；走 Batch 批处理可在此基础上对半砍，代价是最长 24 小时处理时延 [4]。

主打场景：高质量图像生成与编辑，尤其是图内文字渲染、4K 出图、按指令精修。

横向对比

自家纵向看，正式版相对 preview 最大的意义是稳定性和可承诺的商用 SLA——preview 版已排进 7 月 17 日的下线名单，要进生产流程的团队应当直接用这个 GA 版本。同门的 gemini-2.5-flash-image 走更便宜、更快的轻量路线，但已排到 10 月 2 日弃用。

跨厂商看，字节的 Seedream 4.5 单张约 $0.03 起，单价明显低于 Nano Banana Pro 的 $0.134（1K–2K 档）[6]。价格之外，Nano Banana Pro 的强项在图内文字渲染、4K 分辨率和复杂指令编辑；追求极致单价、对文字渲染要求不高的批量出图，Seedream 这类更划算。两者并存、按图按需挑，是更稳的搭法。

AF 用例分享：一个电商团队用 Nano Banana Pro 批量生成带中文促销文案的主图和详情图——图内文字不变形、能按品牌规范精修，是它被选中的关键；而对纯背景图、氛围图这类不含文字的素材，则改用更便宜的图像模型跑量。

四、价格与计费对比

下表以 Anthropic 模型作对照锚点，列出本期关键模型的原厂计费（均按 token 计，单位 $/1M）：
（表格）

其余计费说明：

图像模型按 token 折算到每张图更直观，Gemini 3 Pro Image 约为每张 $0.039（≤1K）/ $0.134（1K–2K）/ $0.24（4K），Batch 批处理对半。

缓存命中对高频、长前缀的智能体任务最省钱，GLM-5.2、Kimi K2.7-Code 都给到很低的缓存读单价，配合项目里固定的系统提示词使用，账单能再降一档。

计费一切以模型原厂的计费方式与优惠政策为准，AF 与原厂定价一致。

五、企业选型建议

高频跑量的编码智能体：默认 kimi-k2.7-code（单价最低、token 效率高），延迟敏感时切 highspeed 变体。在 AF 上，你可以按自己的规则建一个「编码智能体」项目，把这两个型号配进同一条调用顺序里，自己定义什么场景走标准版、什么场景走高速版。

质量优先、又想控成本的工程任务：用 GLM-5.2 跑大头，把最难的核心评审交给 Claude Opus 4.8。在 AF 上自由切换这几家的 API、自定义模型调用顺序，再用项目管理给不同模型分预算、配额和权限，跑量的部分压成本、关键的部分保质量。

图像生成进生产：用 Gemini 3 Pro Image 正式版承接要文字渲染、4K、精修的高价值素材，纯背景/氛围图等批量素材搭配更便宜的图像模型。AF 上按项目把图像任务和文本任务分开管预算，避免一条线超支拖垮全局。

整套思路就一句话：选型的控制权留在你和你的 agent 手里——按自己的规则建项目、自由切 API、自定义调用顺序，再用项目管理把预算、配额、权限分好。

六、退役与迁移通知

本期同步三组老模型的退役/弃用排期，请提前安排迁移，避免服务中断。

6.1 Kimi K2 系列退役（已于 5 月 25 日生效）

Moonshot AI 已在 2026 年 5 月 25 日正式退役 Kimi K2 系列，不再维护与支持。

（表格）

此外，旧的 moonshot-v1-*-vision-preview 三个视觉预览模型（8k / 32k / 128k）已标记弃用，请尽快迁移到 Kimi K2 系列。

6.2 GLM 模型弃用

智谱 AI 宣布以下 GLM 模型进入弃用流程：
（表格）

请尽快规划迁移。需要技术协助可直接联系我们。

6.3 Gemini Preview 模型弃用排期

谷歌计划清理并弃用部分 Gemini Preview 模型，排期如下：
（表格）

建议迁移到 gemini-3.5-flash、gemini-3.1-pro-preview 等替代模型。其中 gemini-3-pro-image-preview 的替代就是本期上线的正式版 Gemini 3 Pro Image，直接换上即可。

本月的主线很清楚：代码模型在「同价更强、token 更省」的方向上集体往前走，图像模型把预览转成可进生产的正式版。把跑量的活交给便宜模型、把关键的活留给高端模型，再用项目把预算和权限管好，是这批更新最值钱的用法。

需要我们帮你梳理迁移清单、或按你的任务类型搭一套模型组合，随时找 AF 团队对接。

参考链接

[1] VentureBeat — Z.ai's open-weights GLM-5.2 beats GPT-5.5: https://venturebeat.com/technology/z-ais-open-weights-glm-5-2-beats-gpt-5-5-on-multiple-long-horizon-coding-benchmarks-for-1-6th-the-cost

[2] CloudPrice — GLM-5.2 pricing & specs: https://cloudprice.net/models/zhipu-glm-5-2

[3] MarkTechPost — Moonshot AI Releases Kimi K2.7-Code: https://www.marktechpost.com/2026/06/12/moonshot-ai-releases-kimi-k2-7-code-a-coding-model-reporting-21-8-on-kimi-code-bench-v2-over-k2-6/

[4] PricePerToken — Nano Banana Pro (Gemini 3 Pro Image) pricing: https://pricepertoken.com/pricing-page/model/google-gemini-3-pro-image-preview

[5] EdenAI — GLM-5.2 Benchmark vs GPT-5.5, Claude Opus 4.8, Gemini 3.1 Pro: https://www.edenai.co/post/glm-5-2-benchmark-vs-gpt-5-5-claude-opus-4-8-and-gemini-3-1-pro

[6] OpenRouter — Seedream 4.5 API pricing & benchmarks: https://openrouter.ai/bytedance-seed/seedream-4.5

[7] Anthropic / Claude API 定价: https://platform.claude.com/docs/en/about-claude/pricing

[8] TokenMix — Kimi API Pricing 2026（K2.6 $0.95 等）: https://tokenmix.ai/blog/kimi-k2-api-pricing

[9] Semgrep — GLM 5.2 beats Claude in our Cyber Benchmarks（IDOR F1 测评）: https://semgrep.dev/blog/2026/we-have-mythos-at-home-glm-52-beats-claude-in-our-cyber-benchmarks/