---
title: "01-主流模型选型指南"
created: 2026-05-13
aliases:
  - 主流模型选型指南
tags:
  - 项目
---
# 主流模型选型指南

大模型这个领域发展太快了，几乎每周都有新模型、新版本发布。作为开发者，你不需要了解所有模型的细节，但需要有一张清晰的"模型地图"——知道主流模型有哪些、各自什么定位、什么优缺点、在什么场景下该选哪个。

选错模型的代价

选错模型的代价可能很大：

- **能力溢出**：用 Claude Code 做简单问答，花了冤枉钱
- **能力不够**：用 7B 模型做复杂推理，效果不达标
- **网络限制**：选了国外模型，结果国内用不了
- **成本失控**：没考虑长期成本，项目上线后账单爆炸

这篇帮你建立选型的完整框架，让你下次遇到选模型的问题时，能快速做出合理判断。

## 国际主流模型深度解读

先看看国际上的头部玩家。虽然国内使用有一定门槛，但了解它们能帮你建立能力的"参照系"，也为未来可能的国际化需求做准备。

### OpenAI GPT 系列

GPT 系列依然是目前公认的大模型综合能力天花板，也是整个行业的"标杆"。不过截至 2026 年 3 月，OpenAI 的主力产品线已经从 `GPT-4o / o1` 演进到了 `GPT-5.x` 家族。

**核心产品线**

| 模型 | 定位 | 上下文 | 特点 | API 定价参考 |
| --- | --- | --- | --- | --- |
| GPT-5.4 | 旗舰通用模型 | 1M | 复杂推理、代码、Agent 工作流综合最强 | 输入 \(2.5/M，输出\)15/M |
| GPT-5.4 pro | 极致性能版 | 1M | 更稳更强，适合关键链路和最复杂任务 | 输入 \(30/M，输出\)180/M |
| GPT-5 mini | 轻量主力 | 400K | 低延迟、高吞吐，适合大多数生产任务 | 输入 \(0.25/M，输出\)2/M |
| GPT-5 nano | 超轻量版 | 400K | 分类、抽取、路由、批处理最省钱 | 输入 \(0.05/M，输出\)0.4/M |

> 注：价格以 M（百万 Token）为单位，以上按 OpenAI 2026-03 官方 API 文档整理；`GPT-5.4` / `GPT-5.4 pro` 官方上下文窗口为 1,050,000 Token，文中按约 1M 记。

**GPT-5.4 详细能力分析**

GPT-5.4 是 OpenAI 截至 2026 年 3 月的主力旗舰模型，适合高复杂度的通用任务、编码和 Agent 工作流：

**优势领域**：

1. **复杂推理**：多步骤逻辑推理、数学证明、因果分析
2. **代码任务**：生成、重构、调试、大仓库理解都在第一梯队
3. **Agent 工作流**：工具调用、检索、网页搜索、MCP 集成更成熟
4. **长上下文**：约 1M Token，更适合多文件、多文档的大任务
5. **指令遵循**：严格按照复杂指令执行，格式控制精确
6. **多模态**：支持文本和图像输入

**相对不足**：

1. **成本偏高**：尤其 `GPT-5.4 pro`，不适合大规模高频调用
2. **简单任务不划算**：分类、摘要、改写更适合 `GPT-5 mini/nano`
3. **中文风格**：能力很强，但自然度通常不如头部中文模型
4. **网络门槛**：国内直连使用仍有一定门槛

**GPT-5.x 家族怎么选**

过去 OpenAI 需要在 `GPT-4o` 和 `o1` 之间分开选；现在主线更简单：

```text
高频简单任务：GPT-5 nano
日常生产任务：GPT-5 mini
复杂通用任务：GPT-5.4
关键推理/高价值任务：GPT-5.4 pro
```

适用场景：

- `GPT-5 nano`：分类、抽取、路由、批处理
- `GPT-5 mini`：客服、RAG 问答、批量内容处理、常规工具调用
- `GPT-5.4`：代码助手、复杂分析、Agent 编排
- `GPT-5.4 pro`：竞赛级数学题、复杂代码架构设计、多步骤逻辑推理、科学问题分析

不适用场景：

- 用 `GPT-5.4 pro` 做高并发简单问答（性价比太差）
- 用 `GPT-5.4 / pro` 跑海量批处理（优先用 `mini/nano`）
- 对延迟极其敏感的场景（优先用 `GPT-5 mini`）

**使用门槛**

在国内使用 OpenAI API 需要：

1. 海外手机号注册账号
2. 海外信用卡绑定付费
3. 稳定的科学上网环境
4. 或者通过国内代理服务（如 API2D、OpenRouter）

### Anthropic Claude 系列

Claude 是由 Anthropic 开发的大模型，Anthropic 的创始人是前 OpenAI 核心成员。截至 2026 年 3 月，Claude 的主力产品线已经来到 `4.6 / 4.5` 这一代，在代码、Agent 工具使用和长任务稳定性上依然非常强，是 GPT-5 系列最直接的竞争对手之一。

**核心产品线**

| 模型 | 定位 | 上下文 | 特点 | API 定价参考 |
| --- | --- | --- | --- | --- |
| Claude Opus 4.6 | 顶级旗舰 | 200K（1M beta） | 复杂推理、长任务、代码质量最强 | 输入 \(5/M，输出\)25/M |
| Claude Sonnet 4.6 | 主力旗舰 | 200K（1M beta） | 速度/能力最平衡，代码与 Agent 任务首选 | 输入 \(3/M，输出\)15/M |
| Claude Haiku 4.5 | 轻量版 | 200K | 延迟低、成本低，适合高频生产调用 | 输入 \(1/M，输出\)5/M |

> 注：以上按 Anthropic 2026-03 官方模型与定价文档整理；`1M context` 目前仍属于 beta 能力。

**Claude Sonnet 4.6 详细能力分析**

Claude Sonnet 4.6 是 Anthropic 当前最适合多数生产环境的主力模型，依然稳居**代码能力第一梯队**：

**优势领域**：

1. **代码生成与重构**：大仓库理解、重构、补测试、修 Bug 依然是 Claude 的强项
2. **长任务稳定性**：连续多轮执行复杂任务时，风格和目标一致性通常很好
3. **上下文能力**：默认 200K，部分场景可申请 1M beta，更适合大型代码库和超长文档
4. **工具生态**：Computer Use、Bash、文本编辑、Web Fetch/Search 等工具链成熟
5. **Agent 场景**：做 Coding Agent、研发助手、自动化流程表现突出
6. **企业可用性**：安全、审计和团队协作场景支持完善

**相对不足**：

1. **高阶多模态**：纯视频理解、搜索增强这类场景通常不如 Gemini 强
2. **中文自然度**：虽然能用，但通常不如 DeepSeek/Qwen 这类中文模型自然
3. **1M 上下文尚非默认**：需要注意 beta、额度和可用区限制
4. **网络限制**：国内直接访问仍然困难

**实际体验对比**

很多开发者的真实反馈：

- 写 Python/TypeScript/Rust：Claude 仍然很强
- 写 Java/Go：两者差不多
- 复杂推理：GPT-5.4 pro、Claude Opus 4.6、DeepSeek 思考模式都很能打
- 长文档和长任务：Claude Sonnet 4.6 的整体体验依然非常成熟
- 日常对话：GPT-5.4 更自然，Claude 更偏工程执行风格

### Google Gemini 系列

Google 的大模型，主打多模态、搜索增强和超长上下文。截至 2026 年 3 月，Gemini 的主力线已经从 `1.5/2.0` 过渡到 `3.1 / 2.5` 并行，官方预览版迭代也非常快。

**核心产品线**

| 模型 | 定位 | 上下文 | 特点 | API 定价参考 |
| --- | --- | --- | --- | --- |
| Gemini 3.1 Pro Preview | 前沿旗舰 | 1M | 多模态、代码、Agent、Search Grounding 最强 | 文本输入 \(3/M 起，输出\)15/M 起 |
| Gemini 2.5 Pro | 稳定旗舰 | 1M | 推理强、生产更稳，适合正式上线 | 文本输入 \(1.25/M 起，输出\)10/M 起 |
| Gemini 2.5 Flash | 平衡版 | 1M | 速度快、成本低，适合高频 API 调用 | 输入 \(0.3/M，输出\)2.5/M |
| Gemini 3.1 Flash-Lite Preview | 极致轻量 | 1M | 批处理、抽取、分类最省钱 | 输入 \(0.1/M，输出\)0.4/M |

> 注：Google 的 Preview 型号更新和下线速度很快。`Gemini 3 Pro Preview` 已于 2026-03-09 下线，官方建议迁移到 `Gemini 3.1 Pro Preview`。

**核心优势**：

1. **原生多模态**：文字、图片、音频、视频都在一个体系里处理
2. **搜索增强**：Search Grounding、URL Context 这类能力是 Gemini 的明显优势
3. **超长上下文**：1M Token 依然够用，适合超长文档、跨文件和多素材任务
4. **工具化能力**：代码执行、网页检索、Agent 场景支持很完整
5. **性价比分层清晰**：Pro、Flash、Flash-Lite 三档价格跨度很大，路由好做

**适用场景**：

- 分析超长文档（合同、论文、书籍）
- 视频内容理解和分析
- 需要 Google 搜索增强的场景
- 需要低成本多模态处理的批量任务

**限制**：

- 国内访问受限
- Preview 版本变化快，生产环境要盯紧迁移公告
- 单纯的开放式文本对话，综合看通常不如 GPT-5.4 和 Claude
- 中文支持有进步，但整体仍不算 Gemini 的最强项

### Meta Llama 系列

Llama 依然是开放权重模型里的标杆，但主线已经从 `Llama 3.x` 进入 `Llama 4` 时代，重点从纯文本模型转向了多模态和 MoE 架构。

**核心产品线**

| 模型 | 参数量 | 上下文 | 特点 |
| --- | --- | --- | --- |
| Llama 4 Maverick | 17B 激活 / 400B 总参数 | 1M | 当前主力多模态旗舰，性能和部署成本最平衡 |
| Llama 4 Scout | 17B 激活 / 109B 总参数 | 10M | 超长上下文，单张 H100 就能运行 |
| Llama 4 Behemoth（预告） | 288B 激活 / 2T 总参数 | - | 教师模型，Meta 主要用于蒸馏和对齐，暂未开放下载 |

**Llama 的独特价值**

Llama 不只是一个模型，更是一个**开放权重生态系统**：

1. **开放权重生态**：权重可下载、可部署、可微调，社区工具链极其成熟
2. **商用友好**：大多数公司可直接商用，但要遵守 Llama Community License
3. **多模态 + MoE**：Llama 4 开始明显强调图文任务和大上下文
4. **部署灵活**：vLLM、SGLang、TensorRT-LLM、Ollama 等生态都很完善

**为什么 Llama 很重要**

很多国内外的模型都是基于 Llama 架构或者受其影响：

- 直接基于 Llama 微调的：Alpaca、Vicuna、WizardLM...
- 架构借鉴 Llama 的：很多国产模型
- 训练方法借鉴的：几乎所有后来者

可以说，Llama 推动了整个开源大模型生态的繁荣。

**限制**：

- 这不是“无限制开源”，而是开放权重 + 社区许可；超大平台仍有额外授权要求
- 中文能力相对较弱，做中文应用往往不如 Qwen 和 DeepSeek 顺手
- 本地部署门槛依然不低，尤其是 Maverick 这一级别
- 没有 OpenAI/Claude 那样的一方托管 API 生态，需要自己部署或走第三方

## 国内主流模型深度解读

国内大模型这两年发展飞快。在中文场景下，国内模型的表现已经非常出色，部分任务已经进入和 GPT-5.x、Claude 同一梯队。而且没有网络限制、合规风险低，对于国内项目来说优势明显。

### DeepSeek 系列

深度求索（DeepSeek）依然是国内最有代表性的高性价比模型厂商之一。截至 2026 年 3 月，官方 API 主线已经统一到 `DeepSeek-V3.2`，只是分成“非思考模式”和“思考模式”两个入口。

**核心产品线**

| 模型 | 版本/形态 | 上下文 | 特点 | API 定价参考 |
| --- | --- | --- | --- | --- |
| deepseek-chat | DeepSeek-V3.2（非思考模式） | 128K | 日常主力，工具调用、JSON、FIM 都很完整 | 输入 ¥2/M（缓存命中 ¥0.2/M），输出 ¥3/M |
| deepseek-reasoner | DeepSeek-V3.2（思考模式） | 128K | 深度推理、复杂代码、工具内思考能力更强 | 输入 ¥2/M（缓存命中 ¥0.2/M），输出 ¥3/M |
| DeepSeek-V3.2-Exp（开源） | 开源部署版 | 128K | 适合私有化、自建服务和二次微调 | 自部署 |

> 注：DeepSeek 的价格依然处于行业最低档位，特别适合做高并发生产流量和模型路由的基础层。

**DeepSeek-V3.2 / deepseek-chat 详细分析**

`deepseek-chat` 对应的是 `DeepSeek-V3.2` 的非思考模式，是当前最适合多数业务场景的日常主力：

**优势**：

1. **成本极低**：在顶级模型里依然是非常夸张的低价位
2. **中文能力强**：中文表达、问答、总结、改写都非常实用
3. **代码能力强**：当前 API 主线已经不再强调单独的 Coder 产品，主力通用模型本身就能扛代码任务
4. **API 能力完整**：Function Calling、JSON Output、FIM、Chat Prefix Completion 都有官方支持
5. **开源和私有化友好**：可以直接走 API，也可以自己部署开源权重

**相对不足**：

1. **上下文偏短**：128K 对大多数业务够用，但明显短于 GPT-5、Gemini、Claude 的长窗口档位
2. **多模态不占优**：官方 API 当前还是文本和代码任务更强
3. **版本节奏快**：论文名、开源名、API 名不完全一致，新人容易混淆

**deepseek-reasoner 深度推理模型**

`deepseek-reasoner` 对应 `DeepSeek-V3.2` 的思考模式，定位类似国际厂商的高推理档位：

适用场景：

- 数学推理
- 复杂逻辑分析
- 困难 Bug 排查
- 需要显式思考过程的复杂代码任务

不适用场景：

- 高并发简单问答
- 低延迟客服
- 批量改写和摘要

**非思考模式 vs 思考模式 怎么选**

- 日常问答、对话、简单任务：用 `deepseek-chat`（更快、更便宜）
- 数学推理、复杂逻辑、深度分析：用 `deepseek-reasoner`（更稳，但更慢）
- 代码生成：两者都可以；日常写代码优先 `chat`，架构和疑难问题再切 `reasoner`

**使用 DeepSeek**

DeepSeek 提供多种使用方式：

1. **官网 App/Web**：官方对话产品，个人体验门槛最低
2. **API 调用**：platform.deepseek.com，按量付费
3. **本地部署**：开源权重可自己部署
4. **第三方平台**：硅基流动、阿里云百炼等都提供 DeepSeek 服务

### 通义千问 Qwen 系列

阿里云出品，是国内开源生态最完善的模型系列。

**核心产品线**

| 模型 | 参数量 | 上下文 | 特点 |
| --- | --- | --- | --- |
| Qwen2.5-72B | 72B | 128K | 旗舰版，能力最强 |
| Qwen2.5-32B | 32B | 128K | 主力版，平衡性能和成本 |
| Qwen2.5-14B | 14B | 128K | 中等版，适合多数场景 |
| Qwen2.5-7B | 7B | 128K | 轻量版，部署门槛低 |
| Qwen2.5-3B | 3B | 32K | 超轻量，端侧部署 |
| Qwen2.5-1.5B | 1.5B | 32K | 极轻量，嵌入式场景 |
| Qwen2.5-0.5B | 0.5B | 32K | 最小版，资源极度受限 |
| Qwen2.5-Coder | 多种 | - | 代码专用系列 |
| Qwen2.5-Math | 多种 | - | 数学专用系列 |

**Qwen 的独特优势**

1. **尺寸选择最丰富**：从 0.5B 到 72B，覆盖所有部署场景
2. **中文能力一流**：国内语料、国内团队，中文表达最自然
3. **开源生态完善**：HuggingFace、ModelScope 资源丰富，文档详细
4. **Agent 能力强**：工具调用、多步骤任务做得好
5. **企业支持**：阿里云全套云服务支持，企业级SLA

**不同尺寸的选择建议**

| 尺寸 | 显存需求(FP16) | 适用场景 |
| --- | --- | --- |
| 0.5B-1.5B | 1-3GB | 端侧部署、IoT 设备、简单分类 |
| 3B | ~6GB | 入门级显卡、简单对话、基础任务 |
| 7B | ~14GB | 消费级显卡(16GB)、日常开发使用 |
| 14B | ~28GB | 中端显卡、生产级简单应用 |
| 32B | ~64GB | 专业显卡、生产级复杂应用 |
| 72B | ~144GB | 多卡服务器、顶级应用 |

**Qwen2.5-72B 能力评估**

在多个主流评测中，Qwen2.5-72B 的表现：

- **中文能力**：评测第一梯队，中文表达非常自然
- **代码能力**：很强，已经进入第一梯队
- **数学能力**：强，Qwen2.5-Math 版本更强
- **综合能力**：国内开源最强之一

**使用方式**

1. **阿里云百炼**：通义千问的官方 API 服务
2. **魔搭社区**（ModelScope）：下载模型自己部署
3. **硅基流动**：第三方 API 服务，价格有竞争力
4. **本地部署**：Ollama、vLLM 等工具

### 智谱 GLM 系列

清华系背景，在复杂工程任务和 Agent 场景有特色。

**核心产品线**

| 模型 | 特点 |
| --- | --- |
| GLM-4-Plus | 旗舰版，综合能力强 |
| GLM-4 | 标准版 |
| GLM-4-Flash | 轻量版，速度快 |
| GLM-4V | 多模态版，支持图片 |

**核心优势**：

1. **长程 Agent 任务**：面向复杂多步骤任务设计
2. **工具调用**：Function Calling 能力强
3. **代码能力**：持续强化的方向
4. **国产支持**：本土公司，合规性好

**适用场景**：

- 需要复杂规划的 Agent 应用
- 企业级智能助手
- 长程任务自动化

### 其他值得关注的国产模型

**Kimi（月之暗面）**

- **核心特点**：超长上下文处理（最高 200K）
- **擅长场景**：长文档分析、论文阅读、合同审查
- **使用方式**：网页版免费使用，有 API 服务

**MiniMax**

- **核心特点**：超长上下文、角色扮演能力强
- **擅长场景**：虚拟角色、游戏 NPC、内容创作
- **使用方式**：API 服务

**百度文心一言**

- **核心特点**：和百度生态紧密结合
- **擅长场景**：搜索增强、企业应用
- **使用方式**：百度智能云

**讯飞星火**

- **核心特点**：语音技术结合
- **擅长场景**：语音交互、教育场景
- **使用方式**：讯飞开放平台

## 模型能力矩阵

为了方便对比，这里给出一个综合能力矩阵（基于各种评测和实际使用经验，仅供参考）：

### 综合能力评分

| 模型 | 综合 | 中文 | 代码 | 数学 | 推理 | 创意 | 多模态 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| GPT-5.4 | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ |
| Claude Sonnet 4.6 | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ |
| GPT-5.4 pro | ★★★★★ | ★★★★☆ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ | ★★★★☆ |
| Gemini 3.1 Pro Preview | ★★★★★ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★★ |
| DeepSeek-V3.2（非思考） | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★☆☆☆ |
| DeepSeek-V3.2（思考） | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★☆☆ | ★★☆☆☆ |
| Qwen2.5-72B | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ |
| Qwen2.5-32B | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★☆☆ |
| Qwen2.5-7B | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★★☆☆ | ★★☆☆☆ |
| Llama 4 Maverick | ★★★★☆ | ★★★☆☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ |
| GLM-4 | ★★★★☆ | ★★★★★ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ | ★★★★☆ |

### API 定价对比（参考价格，可能有变动）

| 模型 | 输入价格 | 输出价格 | 性价比评价 |
| --- | --- | --- | --- |
| GPT-5.4 | \(2.5/M |\)15/M | 旗舰能力，复杂任务首选 |  |
| GPT-5.4 pro | \(30/M |\)180/M | 效果最强，但只适合关键链路 |  |
| GPT-5 mini | \(0.25/M |\)2/M | 生产环境通用轻量主力 |  |
| GPT-5 nano | \(0.05/M |\)0.4/M | 分类/抽取/路由最省钱 |  |
| Claude Sonnet 4.6 | \(3/M |\)15/M | 代码和 Agent 任务很值得 |  |
| Gemini 2.5 Flash | \(0.3/M |\)2.5/M | 多模态高频任务很能打 |  |
| Gemini 3.1 Flash-Lite Preview | \(0.1/M |\)0.4/M | 批处理和抽取极省钱 |  |
| deepseek-chat | ¥2/M（缓存命中 ¥0.2/M） | ¥3/M | **性价比之王** |
| deepseek-reasoner | ¥2/M（缓存命中 ¥0.2/M） | ¥3/M | 推理任务很强且仍然便宜 |
| Qwen2.5-72B | ¥4/M | ¥12/M | 国产高端选择 |
| Qwen2.5-7B | ¥0.5/M | ¥2/M | 轻量部署首选 |

> M = 百万 Token

## 场景化选型指南

不同的应用场景，对模型的要求不同。下面按场景给出具体建议：

### 场景一：智能客服/问答系统

**需求特点**：

- 响应速度要快
- 准确性要高
- 调用量可能很大
- 中文能力重要

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 首选 | deepseek-chat | 性价比最高，中文好，响应快 |
| 备选 | Qwen2.5-14B/32B | 中文能力强，选择灵活 |
| 预算充足 | GPT-5 mini | 能力强，但需要考虑网络问题 |

**成本估算**（假设日均 10 万次调用，每次约 500 Token 输入 + 200 Token 输出）：

- deepseek-chat：约 ¥160/天 ≈ ¥4800/月（按缓存未命中估算）
- Qwen2.5-32B：约 ¥200/天 ≈ ¥6000/月
- GPT-5 mini：约 \(52.5/天 ≈\)1575/月 ≈ ¥1.1万/月

### 场景二：代码助手/编程辅助

**需求特点**：

- 代码生成准确性重要
- 需要理解复杂代码逻辑
- 调用量中等
- 响应延迟可以接受稍长

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 首选 | Claude Sonnet 4.6 | 代码能力和 Agent 体验依然最好 |
| 备选 | GPT-5.4 / deepseek-chat | 前者上限高，后者性价比高 |
| 复杂架构 | GPT-5.4 pro / deepseek-reasoner | 需要深度推理时用 |

**实际经验**：

- 写日常代码：Claude、GPT-5.4、DeepSeek 都在第一梯队
- 调试复杂 Bug：Claude / GPT-5.4 往往更稳
- 设计架构：优先 GPT-5.4 pro、Claude Opus 4.6 或 deepseek-reasoner 这类强推理模型

### 场景三：内容创作/文案生成

**需求特点**：

- 创意和文采重要
- 中文表达要自然
- 可能需要特定风格
- 调用量不大

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 中文创作 | Qwen2.5-72B | 中文表达最自然 |
| 英文创作 | GPT-5.4 | 英文创意写作和指令遵循更稳 |
| 预算有限 | deepseek-chat | 性价比高，创作能力也不错 |

**Tips**：

- 调高 Temperature（0.8-1.2）增加创意
- 用 Few-shot 提供风格示例
- 可以让模型先生成多个版本再选择

### 场景四：数据分析/报告生成

**需求特点**：

- 准确性第一
- 需要处理结构化数据
- 可能涉及数学计算
- 输出格式要规范

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 首选 | deepseek-reasoner | 推理能力强，数学和结构化输出都很稳 |
| 备选 | GPT-5.4 / Gemini 2.5 Pro | 前者综合强，后者结构化与多模态更灵活 |
| 预算有限 | Qwen2.5-32B | 性能均衡 |

**Tips**：

- 用低 Temperature（0-0.3）确保一致性
- 明确要求输出 JSON 或 Markdown 格式
- 对于关键数据，让模型展示计算过程

### 场景五：RAG 知识库问答

**需求特点**：

- 需要基于检索结果回答
- 准确性和相关性重要
- 上下文可能较长
- 调用量可能较大

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 首选 | deepseek-chat | 性价比最高 |
| 长文档 | Claude Sonnet 4.6 / Gemini 3.1 Pro | 上下文和长文档处理能力都很强 |
| 预算有限 | Qwen2.5-14B | 成本低，效果够用 |

**RAG 特别建议**：

- 不需要用推理模型（deepseek-reasoner / GPT-5.4 pro / Claude Opus 4.6），因为答案在检索结果中
- 上下文不要塞太满，精选最相关的内容
- 可以用 Temperature=0 确保输出稳定

### 场景六：复杂推理/数学问题

**需求特点**：

- 需要多步推理
- 准确性非常重要
- 响应时间可以较长
- 调用量通常不大

**推荐方案**：

| 优先级 | 模型 | 理由 |
| --- | --- | --- |
| 首选 | deepseek-reasoner | 推理能力强，性价比高 |
| 备选 | GPT-5.4 pro / Claude Opus 4.6 | 国际闭源上限更高，但贵 |
| 预算有限 | deepseek-chat + CoT Prompt | 手动触发思维链 |

### 场景七：本地/私有化部署

**需求特点**：

- 数据不能出外网
- 需要自己控制模型
- 有硬件资源
- 可能需要微调

**推荐方案**：

| 硬件条件 | 推荐模型 | 说明 |
| --- | --- | --- |
| 80GB+显存(A100×1) | Qwen2.5-72B-Q4 | 量化后可单卡部署 |
| 24-48GB显存 | Qwen2.5-32B-Q4 | 消费级顶配 |
| 16GB显存 | Qwen2.5-7B-FP16 | 不量化也能跑 |
| 8GB显存 | Qwen2.5-7B-Q4 | 量化后轻松跑 |
| 纯CPU | Qwen2.5-7B-Q4(GGUF) | 用 llama.cpp 或 Ollama |

## 预算导向选型

实际项目中，预算往往是最关键的约束。

### 零成本：学习实验阶段

**推荐方案**：

1. **优先用免费额度**：
   - 阿里云百炼新用户免费额度
   - 硅基流动新用户赠送额度
   - DeepSeek 官网对话免费使用
2. **本地部署小模型**：
   - Ollama + Qwen2.5-7B：普通笔记本就能跑
   - 完全离线，无任何成本

**注意事项**：

- 免费额度有调用频率限制
- 小模型复杂任务效果有限
- 学习阶段别过度优化成本，先把功能跑通

### 小预算：几十到几百元/月

**推荐方案**：

- **主力**：deepseek-chat（当前 DeepSeek API 主力）
- **备选**：Qwen 系列（通过硅基流动等平台）

**预算分配建议**：

- 日均 1-5 万次调用完全够用
- 预留一些额度测试其他模型

### 中等预算：几百到几千元/月

**推荐方案**：

- **主力**：deepseek-chat / deepseek-reasoner
- **按需切换**：简单任务用便宜模型，复杂任务用强模型
- **可以考虑**：Qwen2.5-72B（阿里云百炼）

**成本优化思路**：

- 实现模型路由：简单问题用小模型，复杂问题用大模型
- 缓存常见问答，减少重复调用
- 优化 Prompt，减少 Token 消耗

### 充足预算：企业级应用

**推荐方案**：

- 根据效果需求自由选择
- 可以考虑 GPT-5.4、Claude、Gemini（如果能访问）
- 自建模型服务（一次投入，长期使用）
- 阿里云、腾讯云的企业级 AI 服务

**企业级考虑因素**：

- SLA 保障
- 数据安全和合规
- 技术支持
- 可审计性

## 选型决策框架

选型框架

总结一下，选模型可以按这个框架来思考：

### 第一步：确定基本约束

1. **网络约束**：能否访问国际服务？
   - 能 → 可以考虑 GPT-5.x、Claude、Gemini
   - 不能 → 限定国内模型
2. **部署方式**：API 还是私有化？
   - API → 继续下一步
   - 私有化 → 看硬件条件选 Qwen/Llama
3. **预算范围**：大致预算是多少？
   - 据此确定可选模型范围

### 第二步：匹配场景需求

根据你的具体场景，参考上面的场景化指南，确定 2-3 个候选模型。

### 第三步：快速验证

不要纸上谈兵，拿真实的业务 Case 去测试。

```text
# 准备一批测试用例
test_cases = [
    {"input": "xxx", "expected": "yyy"},
    {"input": "aaa", "expected": "bbb"},
    # ...
]

# 在候选模型上跑一遍
for model in candidate_models:
    results = run_tests(model, test_cases)
    print(f"{model}: 准确率 {results['accuracy']}, 平均延迟 {results['latency']}ms")
```

### 第四步：做出决策

综合考虑：

- 效果（是否满足需求）
- 成本（是否在预算内）
- 延迟（是否能接受）
- 稳定性（服务是否可靠）
- 可迁移性（以后换模型的成本）

### 第五步：持续优化

上线后持续监控，根据实际情况调整：

- 发现效果不够 → 考虑升级模型
- 发现成本太高 → 考虑降级或优化 Prompt
- 发现某些场景效果差 → 考虑针对性优化

## 小结

这篇咱们系统梳理了主流大模型的选型指南：

**国际模型**：

- GPT-5.4：综合能力天花板，适合复杂通用任务
- Claude Sonnet 4.6：代码和 Agent 任务第一梯队，长任务稳定
- Gemini 3.1 Pro / 2.5 Flash：多模态和搜索增强强，但版本迭代快
- GPT-5.4 pro：推理和关键任务最强，但最贵
- Llama 4 Scout / Maverick：开放权重标杆，适合私有化和自建服务

**国内模型**：

- DeepSeek-V3.2 / deepseek-reasoner：性价比之王，推理能力强
- Qwen 系列：中文最强，生态最全
- GLM 系列：Agent 能力强

选型原则

**选型原则**：

1. 国内项目优先国内模型
2. 效果够用就行，别追求最强
3. 先跑通再优化
4. 考虑长期成本和可迁移性

**快速决策流程**：

1. 确定约束（网络、部署、预算）
2. 匹配场景
3. 快速验证
4. 做出决策
5. 持续优化

下一篇咱们来聊聊大模型的能力边界——它擅长什么、不擅长什么、遇到局限怎么破解。这对于设计合理的应用架构、避免踩坑非常重要。

---

**企业级项目导航**：⬅️ [[02-整理|02-整理]] | 01-主流模型选型指南 | ➡️ [[02-大模型基础入门|02-大模型基础入门]]