模型选型指南

Modelink 聚合多类主流模型，适合用统一接入方式覆盖不同业务任务。选型时不要只看“最强模型”，应综合任务复杂度、响应速度、上下文长度、稳定性和成本。

按任务选择

常见模型系列定位

• Claude / GPT 系列：适合复杂推理、长上下文、专业写作和代码任务。
• DeepSeek 系列：适合高性价比推理、代码、通用文本任务。
• Qwen / 通义千问系列：适合中文理解、多模态和通用企业场景。
• Kimi 系列：适合长上下文、中文资料分析和复杂对话。
• Doubao / 豆包系列：适合低延迟、高并发、成本敏感的对话场景。
• GLM / Minimax 等模型：适合多模态、工具调用、创意生成或特定任务评估。

选型流程

1. 明确任务输入：文本、图片、文件、视频，或多模态组合。
2. 明确输出要求：自然语言、JSON、代码、图片、视频或动作结果。
3. 评估上下文长度：是否包含长文档、知识库、代码库或多轮历史。
4. 评估实时性：是否要求低延迟、流式输出或批量离线处理。
5. 评估成本：按输入、输出和缓存命中情况估算 token 用量。
6. 做 A/B 测试：用真实样例比较多个模型的质量、耗时和成本。

降级策略

生产系统建议准备至少两档模型：

• 主模型：质量最优，承担关键任务。
• 备用模型：成本更低或延迟更低，在主模型异常、限流或超时时接管。

对高价值任务，可采用“先低成本模型处理，再由强模型复核”的组合策略。