模型选择指南

最新推荐文章于 2026-08-19 20:53:00 发布

原创最新推荐文章于 2026-08-19 20:53:00 发布 · 312 阅读

6 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

收录于

AI时代的程序员

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏，讲透 AI 如何接管脏活累活

一键订阅

模型选择指南

整理时间：2026-08-13
说明：基准数字来自第三方评测博客，不同来源口径有差异，仅作量级参考；价格随平台路由变化，实际以接入网关计费为准。

结论速览

日常编码用 Opus 5，大批量/简单任务用 Sonnet 5 或 GPT-5.6 Luna，最难的架构和调试用 Fable 5，超长上下文（整仓库、超长日志）用 Kimi K3 / DeepSeek V4 Pro / MiniMax M3，看图生码用 GLM-5v-Turbo。

一、按场景选（决策表）

场景	首选	备选
日常写代码、改 bug、多文件重构	Opus 5	Opus 4.8、GLM-5.1
最难的架构设计、疑难 debug、失败代价高	Fable 5	GPT-5.6 Sol、Opus 5
明确范围的小改动、批量跑测试、代码走查	Sonnet 5	Gemini 3.6 Flash、GPT-5.6 Terra
极高并发/成本敏感（日志分类、批量摘要）	GPT-5.6 Luna	Haiku 4.5、DeepSeek-V4-Flash、MiniMax M3
长时程 agent（跑几十步不跑偏）	GLM-5.2、Kimi K3	Opus 5、grok-4.5
整仓库/超长文档一次性喂进去（1M 上下文）	Kimi K3、DeepSeek V4 Pro、MiniMax M3	Gemini 3.6 Flash
设计稿/截图 → 代码，看图理解	GLM-5v-Turbo	Kimi K3、MiniMax M3、Gemini 3.6 Flash
深度检索 / 研究型任务	Kimi K3	Gemini 3.6 Flash
CLI agent 工具调用要稳、要便宜	GLM-5-Turbo	grok-4.5

二、同系列内部的区别

Claude（Anthropic）—— 三档 + 一个"超 Opus"档

命名逻辑：Haiku（快/便宜） < Sonnet（均衡） < Opus（强） < Fable（最强，新增在 Opus 之上）
Haiku 4.5：最便宜最快，适合固定套路的小任务。
Sonnet 4.6 → Sonnet 5：Sonnet 5 是官方说的"最 agentic 的 Sonnet"，能力接近 Opus 4.8 但便宜约 40%，是免费档默认模型。有 Sonnet 5 就没必要再用 4.6。
Opus 4.6 → 4.7 → 4.8 → Opus 5：单调递进，Opus 5 在 Opus 4.8 同价位上明显更强，所以 4.6/4.7 基本只在需要复现旧行为时才用。
Fable 5：约 $10/$50，是 Opus 之上的新档，FrontierCode 类硬核编码 SOTA。贵 2 倍，只在 Opus 5 反复失败时上。

GPT（OpenAI）—— 5.6 换成了天体命名的三档制

GPT-5.5：上一代旗舰，已被 5.6 全面覆盖。
GPT-5.6 Sol = 旗舰（太阳，最强最贵）
GPT-5.6 Terra = 均衡生产档（智能基准持平 GPT-5.5 但只要一半价）
GPT-5.6 Luna = 最快最便宜（比 Sol 便宜约 80%）
2026-07-30 OpenAI 又给 Luna 降价 80%、Terra 降价 20%，Luna 现在的性价比非常极端。
选法：默认 Terra，量大用 Luna，出错代价高才上 Sol。

Gemini（Google）—— 注意这里"Pro"不等于更强

Gemini 3.1 Pro Preview 自 2 月起冻结，虽然挂着 Pro，但在编码/agent 基准上已被 Gemini 3.6 Flash 全面超过（SWE-Bench Pro 约 58.7 vs 54.2），而 Flash 还快约 2 倍、输出便宜最多 58%。
结论：这两个里几乎总选 3.6 Flash，除非要复现 3.1 Pro 的特定行为。

GLM（智谱 / z.ai）—— 主线 vs Turbo vs 视觉

主线递进：GLM-5（开源编码/agent SOTA，可用性接近 Claude Opus 4.5 级）→ GLM-5.1（面向 agentic engineering，编码大跳跃，SWE-Bench Pro 开源 SOTA）→ GLM-5.2（当前旗舰，主打长时程任务，比 5.1 又是一次大跃升，1M 上下文）。
GLM-5-Turbo：不是更强，是同代的降本加速版，专门针对 CLI agent 场景优化，工具调用错误率低，纯智力略低于 GLM-5。适合高频、循环多、预算敏感的 agent 任务。
GLM-5v-Turbo：Turbo 的原生多模态版，从预训练阶段就是视觉原生（不是给文本模型外挂视觉），设计稿/截图直出代码是强项。纯文本任务用 GLM-5-Turbo 就够，涉及图像才换它。

DeepSeek V4（2026-04-24，MIT，1M 上下文）

V4 Pro：开源权重榜首，SWE-bench Verified 约 80.6%，比 Kimi K2 高十几个点。要开源里最强推理/编码就选它。
V4-Flash：便宜快的路线，能力档次明显低一截。定位相当于 DeepSeek 版的 “Luna”。

Kimi（Moonshot）

Kimi K2.5：老一代，文本为主。
Kimi K3（2026-07-16）：2.8T MoE，1M 上下文，原生图像/视频理解，在 BrowseComp、DeepSearchQA、FrontierSWE、GPQA、HLE、MMMU-Pro 等 10 项上全面压过 K2.5，K2.5 一项都没赢。有 K3 就不要用 K2.5。K3 在"深度检索 + 长时程 agent"上尤其突出。

其他单点模型

grok-4.5：不是全面最强（第三方 Intelligence Index 排第 4，在 Fable 5、GPT-5.5、Opus 4.8 之后），但性价比和 token 效率非常好，Terminal Bench 约 83%，SWE-bench Pro 约 64.7% 反超 GPT-5.5。和 Cursor 联合训练过，工具调用循环里的可靠性、少幻觉函数调用是卖点。适合放进"编码 agent 候选池"跑实测。
MiniMax M3：约 428B 总参 / 23B 激活，Sparse Attention，文本+图像+视频，1M 上下文，价格约 $0.30/$1.20 —— 最便宜的长上下文多模态，1M 上下文下解码比 M2 快约 15 倍。适合海量长文档处理。

三、实用原则

不要看名字猜强弱。反例两个：Gemini 3.6 Flash > Gemini 3.1 Pro；GLM-5-Turbo 比 GLM-5 弱（Turbo = 便宜快，不是更强）。
两档策略比单档划算：主力用 Opus 5 / GLM-5.2 做规划和难点，把批量、机械的活派给 Sonnet 5 / Luna / Haiku 4.5。
1M 上下文别滥用：上下文越长，注意力质量和成本都下降。能靠检索定位就不要整仓库硬塞。
本仓库场景（ipcp，Java Maven 多模块）：文件长、依赖深，这类任务对"长时程不跑偏"的要求高于对"单点智力"的要求，所以 Opus 5、GLM-5.2、Kimi K3 这类长时程强的模型比纯基准分高的更实用。