简短回答
先确认模型能完成你的任务，再比较效果、响应速度和实际费用。 不一定要选最新或最贵的模型，也不要只看单价。 完整型号与当前价格见模型价格，能力与接入说明见模型信息总览。常见场景怎么选？
以下候选基于 2026 年 10 月 14 日（UTC+8）的站内模型目录，可作为测试起点，不是固定排名，也不代表每个场景只有一种选择。接入前确认四件事
- 输入与输出能力：支持图片输入，不等于能生成图片；支持长上下文，也不等于能输出同样长度的内容。
- 接口与参数：确认客户端使用的接口、工具调用格式和参数受支持。换模型不一定只改
model就能完成。 - 令牌权限：确认令牌包含所需分组，没有被模型白名单或额度设置限制。详见令牌与分组。
- 实际成本：文本任务要考虑输入、输出、思考 tokens 和长上下文计费；图片任务还要考虑分辨率、画质、参考图及重试次数。以模型价格和实际调用日志为准。
怎么判断哪个模型更适合？
从真实业务中选一小批任务，例如 20～50 条，同时包含常规请求和容易失败的情况。- 使用相同的输入、明确的输出要求，比较两三个候选模型。
- 记录结果是否正确、格式是否符合要求、响应耗时、失败与重试情况，以及实际费用。
- 在满足质量要求的候选中，选择速度和总成本更合适的模型；复杂任务可以单独交给更强的模型。
示例：批量生成商品图片标题
这是「理解图片并输出文本」的任务，应选择支持图片输入的文本模型，而不是图片生成模型。 可以先用gpt-6-luna 或 claude-haiku-5-5 测试普通商品图，检查商品类别、颜色、材质等描述是否准确。若复杂图片的识别或描述效果不够，再对比 gemini-3.8-flash 或 gpt-6.1-sol，根据实际结果决定是否升级。
如果处理的是已有的商品文字资料，例如批量提取属性、整理描述或生成标题，也可以把 deepseek-v4.1-flash 加入对比。不要把文本任务的测试结果直接当成图片理解能力的证明。
常见问题
最新模型一定更适合吗？
最新模型一定更适合吗？
不一定。新模型可能改变接口、参数、响应结构或默认思考行为，需要用自己的业务样本验证。
单价低就一定更省钱吗？
单价低就一定更省钱吗？
不一定。输出长度、思考 tokens、失败重试和人工修正都会影响总成本，应该比较完成一条合格任务实际花了多少钱。
能不能只用一个模型？
能不能只用一个模型？
可以。需求比较单一时，先用一个能达标的模型即可；任务复杂度差异很大时，再考虑按任务分流，避免把所有请求都交给最贵的模型。
