上一篇我们聊了 2026 年大模型的整体格局和性能对比。
这篇我们直接上干货：不同场景怎么选模型、混合策略怎么搭、踩过的坑有哪些。
• • •
一、不同场景怎么选？
?? 编程/代码开发
首选：Claude Opus 4.6
Terminal-Bench 65.4 分，行业最高。架构理解能力强，代码重构质量高，幻觉率低。
备选：
GPT-5.3 Codex — 快速原型开发，HumanEval 93%
Claude Sonnet 4.5 — 日常开发，性价比最高（$3/$15）
DeepSeek V3 — 成本敏感场景，$0.14/$0.28
? 通用对话/内容生成
首选：Claude Sonnet 4.5
对话质量高，指令遵循能力强，200K 上下文。大规模部署最优。
? 复杂推理/数学/科学
首选：GPT-5.2 (xhigh)
AIME 2025: 87.5%，GPQA Diamond: 85%+。推理能力强，价格合理。
性价比方案：DeepSeek R1 — 推理能力接近 o1，价格仅 $0.55/$2.19（1/20）
? 长文档处理
首选：Gemini 2.5 Pro（$1.25/$10）
1M tokens 上下文，RULER benchmark 高分，实际可用 900K+。多模态支持好。
中文长文档：Kimi K2.5 — 1M+ tokens，中文优化
? 高频/大规模部署
首选：DeepSeek V3（确实便宜，我的 deepinfo.io 网站用的 DeepSeek）
极致性价比，性能 60-70 分够用。ToC 产品、高并发场景最优。
成本对比示例：日均 100M tokens → DeepSeek $14K/月 vs Claude Sonnet $300K/月。节省 95%。
? 中文任务
首选：GLM-5 / Qwen 3.5
中文理解深刻，API 国内稳定无障碍，响应速度快。
• • •
二、选型决策树
照着这个选，基本不会错：
需要最强性能（90分+）？
├─ 预算充足 → Claude Opus 4.6（编程）/ GPT-5.4（通用）/ Gemini 3.1 Pro（多模态）
└─ 预算有限 → Claude Sonnet 4.5（性价比之王）
高频场景（百万级调用）？
├─ 60-70分够用 → DeepSeek V3（极致性价比）
└─ <60分 → Gemini Flash-Lite（最便宜）
按任务类型选择：
├─ 编程 → Claude 系列（Opus > Sonnet > Haiku）
├─ 推理 → GPT-5.2（高端）/ DeepSeek R1（性价比）
├─ 中文 → GLM-5 / Qwen 3.5 / Kimi K2.5
├─ 长文档 → Gemini 2.5 Pro（通用）/ Kimi K2.5（中文）
└─ 多模态 → Gemini 3.1 Pro
• • •
三、混合策略：省钱 75%，质量不变
单一模型策略的最大问题：简单任务浪费成本，复杂任务可能不够用。
? 智能路由策略
80% 简单任务 → DeepSeek V3 / Gemini Flash（$0.2/M）
15% 中等任务 → Claude Sonnet 4.5（$6/M）
5% 复杂任务 → Claude Opus 4.6（$30/M）
? 成本对比（日均 10M tokens）
全部 Claude Sonnet：$60K/月
全部 DeepSeek V3：$1.4K/月
智能路由混合：$15K/月（质量 88 分）
结论：混合策略比单一 Claude 节省 75% 成本，质量损失仅 2 分。
• • •
四、踩过的 7 个坑
❌ 坑1：过度追求 Benchmark
90 分 vs 85 分，实际业务可能感知不到。成本可能差 10 倍。正确做法：先定义"够用"标准（如 70 分），在够用范围内选性价比最高的。
❌ 坑2：忽视延迟
o3/GPT-5.2 等推理模型比普通模型慢 5-10 倍。实时场景（聊天/客服）用快速模型，异步场景用推理模型。
❌ 坑3：盲目追求大上下文
实际业务中 85% 场景 <10K tokens。超过 200K 后性能普遍下降。正确做法：评估真实需求，超长文档用分段+总结策略。
❌ 坑4：忽视国内 API 稳定性
OpenAI/Anthropic 国内访问不稳定，延迟 600-1500ms。国内产品优先用 GLM/Qwen/Kimi。
❌ 坑5：单一模型策略
简单任务浪费成本，复杂任务可能不够用。建立模型矩阵，按任务复杂度动态路由。
❌ 坑6：忽视幻觉率
高风险场景（医疗/法律）用低幻觉率模型（Claude Opus）。增加事实验证层，界面提示"AI生成，请验证"。
❌ 坑7：测试数据污染
很多模型在训练时见过测试集。HumanEval 已饱和（93%）。建立自己的测试集，用户反馈 > Benchmark 分数。
• • •
五、按预算的选型建议
? 预算 <$500/月（小团队）
主力：DeepSeek V3 / 备用：Gemini Flash-Lite / 偶尔：Claude Sonnet 4.5
? 预算 $500-5K/月（中小企业）
主力：Claude Sonnet 4.5 / 辅助：DeepSeek V3 / 长文档：Gemini 2.5 Pro
? 预算 $5K-50K/月（中大企业）
通用：Claude Sonnet 4.5 / 高端：Claude Opus 4.6 / 长文档：Gemini 2.5 Pro / 推理：GPT-5.2
? 预算 >$50K/月（大型企业）
全家桶：Claude 全系列 + GPT-5 全系列 + Gemini 3.1 Pro + 自部署开源模型（内网）
• • •
记住四点：工具服务于目标，不要为了用 AI 而用 AI；成本优化 = 利润增长；质量足够即可，追求极致往往不值得；不同场景选择适合的模型。
• • •
? 精选推荐
▶ OpenClaw 官方仓库
▶ OpenClaw 官方文档
