选型指南

学习目标: 掌握国产大模型的选型方法——从能力、成本、场景三个维度做决策
预计时间: 30 分钟
难度: ⭐⭐⭐☆☆
最后更新: 2026 年 10 月

先给结论：没有最好的模型，只有最适合你的模型。

但 2026 年 10 月的格局和一年前不一样了。第一梯队分裂成了两档价：

旗舰档：Qwen3.8-Max、豆包 Seed 2.1 Pro、Kimi K3、GLM-5.3、ERNIE 5.1 —— 单项能力最强，价格也最贵
Flash 档：DeepSeek V4.1 Flash、GLM-5.3-Flash、MiniMax M3.1 Flash、MiMo V2.6-Pro —— 便宜 5–10 倍，Agent 类任务已经够用

所以选型的第一步不是挑最强的模型，是先判断你的任务该进哪一档。第二步才是挑厂商。

这篇文章给你四样东西：能力表、价格表、按场景的抄作业清单、一棵决策树。所有数字都标了来源和核对日期，核不到的格子写 —，不是漏了。

能力对比矩阵（2026 年 10 月）

模型（API 模型名）	厂商	上下文	最大输出	多模态	一句话定位
DeepSeek V4.1 Flash（`deepseek-flash`）	DeepSeek	1M	384K	文本 + 图像	默认首选：最便宜的旗舰级 Coding/Agent 档
DeepSeek V4 Pro（`deepseek-v4-pro`）	DeepSeek	1M	384K	文本	更贵的深思档，复杂推理
Qwen3.8-Max（`qwen3.8-max`）	阿里	1M	131K	文本/图像/视频入，文本出	生态最全的企业旗舰，2.4T 参数 MoE
豆包 Seed 2.1 Pro（`doubao-seed-2.1-pro`）	字节	1M	—	文本/图像/文档/视频	多模态 + 字节系集成
豆包 Seed-Evolving（`doubao-seed-evolving`）	字节	1M	256K	多模态理解	周级迭代，Agent/Coding 自动跟随最新版
Kimi K3（`kimi-k3`）	月之暗面	1M	—	原生视觉（图像/视频）	长程任务 + 长上下文，2.8T 开源权重
GLM-5.3（`glm-5.3`）	智谱	1M	128K	纯文本（官方明确）	编程/终端 Agent 最强国产档之一
GLM-5.3-Flash（`glm-5.3-flash`）	智谱	1M	128K	图像/视频/文件/文本	原生多模态的廉价档
ERNIE 5.1（`ERNIE-5.1`）	百度	128K	—	文本（千帆计费页仅列文本）	搜索增强 + 政企合规
ERNIE 5.0（`ERNIE-5.0`）	百度	128K	—	全模态（视觉与深度思考同价）	原生全模态旗舰，2.4T 参数
Hy4 preview（`hy4-preview`）	腾讯	1M	—	—	腾讯云/WorkBuddy 生态，770B/49B 激活
MiMo V2.6-Pro（`MiMo-V2.6-Pro`）	小米	1M	—	图像/视频/音频/文本	开源权重里综合分最高的一档
MiniMax M3.1 Flash（`MiniMax-M3.1-Flash`）	MiniMax	1M	—	文本/图像/视频	Agent 场景的极致性价比

怎么读这张表：上下文和输出上限来自各厂商官方模型页/价格页（DeepSeek 2026-10-17、智谱定价页、火山方舟模型列表、千帆计费页、MiniMax 定价页、Kimi 模型页）。— 表示官方没在公开文档里写死，或者写的是"以控制台为准"——这种情况别猜，去控制台看一眼。
两点容易踩坑：GLM-5.3 是纯文本，要图文一起进就得用 GLM-5.3-Flash；Kimi K3、GLM-5.3、MiniMax M3.1 Flash 的思考模式无法关闭，你看到的"输出 token"里含思考 token。

基准数据怎么读

第三方榜单（可横向比）

Artificial Analysis 智能指数，2026-10 中旬页面快照：

模型	AA 智能指数	AA SciCode
MiMo-V2.6-Pro	46	60.9
GLM-5.3（max）	45	59.0
Kimi K3（max）	44	59.5
GLM-5.3-Flash	42	—
DeepSeek V4.1 Flash（max）	39	51.9

指数会随思考档位和版本变，引用时必须带日期和档位（这里都是 max 或默认档）。小米官方口径也是拿这张榜说事："MiMo-V2.6-Pro 智能指数 46 分，全球开源第一"。

厂方口径（只列官方文档写明的数字）

GLM-5.3 的官方技术说明里给了一组前后代对比：

基准	GLM-5.2	GLM-5.3
Terminal-Bench 3.0	4.6	28.3
DeepSWE v1.1	46.2	66.9
Agents' Last Exam	23.8	28.5
CyberGym（漏洞发现）	77.2	84.5

同页还有一句值得记住：GLM-5.3 在内部 Z.ai Code Bench 上 Max 档准确率 34.5%，Claude Fable 5 是 39.5%，Claude Opus 4.8 是 29.5%。差距是真的，但已经不是数量级。

反面例子：DeepSeek 发布 V4.1-Flash-1017 时说"各基准全面提升"，但正文只放了图表、没给具体数字。这种就只能当方向性信号，不能进你的对比表。

别再引用 HumanEval、AIME 这类老分数了。2026 年下半年各家早就不在这些题上卷了，测试集污染 + 题目过易，谁的分数都好看，参考价值接近零。

成本分析

API 价格（每百万 tokens，核对日 2026-10-23）

模型	输入	输出	缓存命中	币种	备注
DeepSeek V4.1 Flash	1（空闲）/ 2（高峰）	4 / 8	0.02 / 0.04	元	高峰=工作日 9:00-12:00、14:00-18:00
DeepSeek V4 Pro	4.5 / 9	13.5 / 27	0.15 / 0.30	元	同上，高峰翻倍
Qwen3.8-Max	12	36	—	元	华北2 按量
豆包 Seed 2.1 Pro	6	30	1.2	元	方舟在线推理，输入 ≤1024K
豆包 Seed-Evolving	6	30	1.2	元	与 Pro 同价
豆包 seed-translation	1.2	3.6	—	元	专用翻译模型
Kimi K3	$3.00	$15.00	$0.30	美元	官方价格页以美元标价
GLM-5.3	8	28	2	元	1M 上下文统一价
GLM-5.3-Flash	0.8	2.8	0.23	元	智谱最便宜的多模态档
GLM-5.3-FlashX	2	7	0.57	元	约 200 tokens/s
ERNIE 5.1	4（≤32K）/ 6（32K–128K）	18 / 22	—	元	按输入长度分档
ERNIE 5.0	6（≤32K）/ 10	24 / 40	—	元	同上
Hy4 preview	6	18	—	元	券商/渠道口径，以 TokenHub 结算页为准
MiMo V2.6-Pro	3	6	—	元	官方称沿用 V2.5 价格体系
MiniMax M3.1 Flash	1	4	0.1	元	Agent 场景主推

三个计价陷阱，不知道就会算错一半：

分时段：DeepSeek 空闲时段是高峰的一半价，夜间批量任务成本直接腰斩。
分段计费：ERNIE 按"本次请求的输入长度"整单换档位，输入 32K 以上全部按贵的那档算。
思考 token 计入输出：GLM-5.3、Kimi K3、MiniMax M3.1 Flash 思考常开，输出价 × 实际输出（含思维链）才是真成本。

算例 1：客服问答

参数：日均 10 万次会话，每次输入 800 tokens（系统提示词 + 历史），输出 200 tokens，输入:输出 = 4:1。日消耗 = 输入 80M + 输出 20M。

模型	日成本	月成本（30 天）
GLM-5.3-Flash	80×0.8 + 20×2.8 = ¥120	¥3,600
MiniMax M3.1 Flash	80×1 + 20×4 = ¥160	¥4,800
DeepSeek V4.1 Flash（空闲时段）	80×1 + 20×4 = ¥160	¥4,800
DeepSeek V4.1 Flash（全高峰）	80×2 + 20×8 = ¥320	¥9,600
豆包 Seed 2.1 Pro	80×6 + 20×30 = ¥1,080	¥32,400
Qwen3.8-Max	80×12 + 20×36 = ¥1,680	¥50,400

同一件事，最贵和最便宜差 14 倍。客服这种短输入短输出、答案容错率高的场景，Flash 档就是答案，上旗舰档纯属浪费。

算例 2：代码 Agent

参数：每天 500 个任务，每任务输入 60K tokens（其中 45K 是可命中前缀缓存的仓库上下文，15K 未命中），输出 8K tokens（含思考）。按 30 天算。

模型	单任务	日成本	月成本
GLM-5.3-Flash	0.015×0.8 + 0.045×0.23 + 0.008×2.8 ≈ ¥0.045	¥22	¥670
MiniMax M3.1 Flash	0.015×1 + 0.045×0.1 + 0.008×4 ≈ ¥0.052	¥26	¥773
DeepSeek V4.1 Flash（高峰）	0.015×2 + 0.045×0.04 + 0.008×8 ≈ ¥0.096	¥48	¥1,440
豆包 Seed 2.1 Pro	0.015×6 + 0.045×1.2 + 0.008×30 ≈ ¥0.38	¥192	¥5,760
GLM-5.3	0.015×8 + 0.045×2 + 0.008×28 ≈ ¥0.43	¥217	¥6,510
Kimi K3	0.015×3 + 0.045×0.3 + 0.008×15 ≈ $0.18	$89	约 ¥1.9 万（按 $1≈¥7.1 粗算）

缓存命中率是代码 Agent 的成本开关。 上表里 45K 命中缓存按 1/50 到 1/100 的价格计费，如果你的框架每轮都重传全量上下文（不做前缀缓存），成本立刻翻三到四倍。

还有一条现实约束：便宜不等于总成本低。GLM-5.3-Flash 单任务 ¥0.045，但如果任务成功率比 GLM-5.3 低一档、需要重试两次，总成本就反超了。先算成功率，再算单价。

场景推荐

场景	首选	备选	理由
创意写作	Kimi K3	豆包 Seed 2.1 Pro / DeepSeek V4 Pro	K3 长文组织与风格稳定性最好，1M 上下文写长篇不丢线
编程开发	GLM-5.3	DeepSeek V4.1 Flash / Kimi K3	厂方数据在 Terminal-Bench 3.0 与 DeepSWE 上大幅领先前代；日常补全用 Flash 省钱
翻译（中英）	DeepSeek V4.1 Flash	豆包 `seed-translation` / ERNIE 5.1	通用模型已够用；量大且只要翻译就走专用模型，1.2/3.6 元最便宜
长文档分析	Kimi K3	GLM-5.3 / Hy4 preview	1M 上下文 + 自动前缀缓存，传 PDF、合同、论文最省事
多模态任务	豆包 Seed 2.1 Pro	GLM-5.3-Flash / Qwen3.8-Max	豆包图文视频理解最全面；要便宜就用 GLM-5.3-Flash
企业级部署	Qwen3.8-Max	ERNIE 5.1 / GLM-5.3	阿里云生态、私有化路径、开源版兜底（qwen3.8-2.4t-a95b）
语音	MiniMax（TTS/ASR）	智谱 GLM-TTS / GLM-ASR-2512	MiniMax: ASR 2.5 元/小时、TTS 2–3.5 元/万字符；智谱按 token/字符计费
搜索集成	DeepSeek Search + Fetch API	ERNIE 5.1 / GLM Search 工具	DeepSeek 搜索 5 元/千次；文心多年做搜索增强，政企场景熟
个人学习	DeepSeek V4.1 Flash	MiMo V2.6-Pro / GLM-5.3-Flash	¥1/¥4 起，OpenAI 兼容，权重还能自己下

只能记一句话的版本：日常和 Agent 用 DeepSeek V4.1 Flash，编程重活用 GLM-5.3，长文档用 Kimi K3，多模态用豆包，企业合规看云厂商，语音用 MiniMax。

选型决策树

你的硬约束是什么？
│
├─ 要开放权重自部署（数据不出域 / 信创 / 长期成本可控）
│   ├─ 综合能力优先  → MiMo V2.6-Pro（AA 开源第一档，全模态）
│   │                  或 Kimi K3（2.8T 参数，1M 上下文）
│   ├─ 集群不够大    → GLM-5.3-Flash（320B 总参 / A18B 激活，稀疏+线性注意力）
│   ├─ 要 2.4T 底座  → qwen3.8-2.4t-a95b（2.4T 总参 / 95B 激活 / 1M 上下文）
│   └─ 已适配国产芯片 → GLM 系列 / Qwen 开源系列（信创适配最多）
│
├─ 要最低成本（成本是第一优先级）
│   ├─ 高频短对话    → GLM-5.3-Flash（0.8/2.8）
│   ├─ Agent 类任务  → DeepSeek V4.1 Flash（空闲时段 ¥1/¥4）
│   └─ 大批量离线    → 各家 Batch / 低优推理（约标准价 5 折）
│
├─ 要 Agent 长任务（跨文件改代码、跑终端、多步规划）
│   ├─ 预算充足      → Kimi K3 / GLM-5.3 / Qwen3.8-Max
│   ├─ 性价比        → DeepSeek V4.1 Flash / GLM-5.3-Flash
│   └─ 想自动跟随版本 → doubao-seed-evolving（周级迭代，注意不可复现）
│
├─ 要合规国内云（等保、数据落地、要发票、要专线）
│   ├─ 阿里云  → Qwen3.8-Max（百炼）
│   ├─ 百度云  → ERNIE 5.0 / 5.1（千帆）
│   ├─ 腾讯云  → Hy4 preview / Hy3（TokenHub）
│   └─ 火山引擎 → 豆包 Seed 2.1 Pro（方舟）
│
└─ 以上都不是，只是个人玩
    → DeepSeek V4.1 Flash。¥1/¥4 起，OpenAI 兼容，权重开源，踩坑最少。

价格与版本会变，怎么不踩坑

这一节比上面所有表格都重要。国产模型的版本节奏是周级的，价格页三个月不改算长寿。三条做法：

1. 锁 snapshot，别用"最新版"别名

能写死日期的模型名就写死日期。同一个模型名背后悄悄换版本，是线上事故最常见的来源：

python

import os
from openai import OpenAI

# 锁死快照：结果可复现，出了问题能定位到版本
MODEL = "DeepSeek-V4.1-Flash-1017"   # 而不是 deepseek-flash
# 火山方舟同理：doubao-seed-2-1-pro-260915
#             而不是 doubao-seed-evolving（自动跟随最新版）

client = OpenAI(
    base_url="https://api.deepseek.com/v1",
    api_key=os.environ["DEEPSEEK_API_KEY"],
)

resp = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "把这段 SQL 改成窗口函数写法"}],
)
print(resp.choices[0].message.content)

用 Evolving / latest 别名的唯一场景是"我要一直吃最新的能力提升"，那就要接受两件事：不可复现，以及随时可能出现的回归。

2. 按周复核官网定价，把价格写进配置

把单价写进代码注释是最常见的慢性 bug。价格进配置，每周花五分钟对一遍这几个页面：

厂商	核对入口
DeepSeek	`api-docs.deepseek.com` 模型 & 价格页
阿里百炼	`alibabacloud.com/help/zh/model-studio` 模型列表
火山方舟	`docs.volcengine.com/docs/ark/model-pricing`
智谱	`docs.bigmodel.cn/cn/guide/start/pricing`
Kimi	`platform.kimi.com/docs/pricing/chat`
百度千帆	`cloud.baidu.com/doc/qianfan` 模型服务计费
MiniMax	`platform.minimax.cn/docs/pricing/overview`

复核时特别留意两类字眼："限时价""活动价"（一定记下截止日期，例：千帆 DeepSeek-V4-Pro 缓存命中限时价 9 月 9 日–10 月 30 日；DeepSeek 的 Search/Fetch 接口 11 月 1 日起开始按次收费）和**"即将下线"**（旧模型下线后请求会被自动路由到新版，价格和表现都跟着变）。

3. 用评测集自测，别只看榜单

榜单考的是公开题，你的业务考的是你自己的题。花半天做这件事，比读十篇横评有用：

python

import json, os, time
from openai import OpenAI

CANDIDATES = {
    "deepseek-flash":  ("https://api.deepseek.com/v1", "deepseek-flash"),
    "glm-5.3-flash":   ("https://open.bigmodel.cn/api/paas/v4", "glm-5.3-flash"),
    "minimax-m3.1f":   ("https://api.minimax.chat/v1", "MiniMax-M3.1-Flash"),
}
cases = json.load(open("eval_50.json"))  # 50 条你自己的真实请求 + 参考答案

for name, (base_url, model) in CANDIDATES.items():
    client = OpenAI(base_url=base_url, api_key=os.environ["API_KEY"])
    hit, cost = 0, 0.0
    for c in cases:
        t0 = time.time()
        r = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": c["prompt"]}],
        )
        hit += c["check"](r.choices[0].message.content)
        cost += r.usage.prompt_tokens + r.usage.completion_tokens * 3  # 粗估权重
        print(name, round(time.time() - t0, 1), "s")
    print(f"{name}: 通过 {hit}/{len(cases)}，相对成本 {cost/1e6:.1f}")

五十条真实请求、三个候选、一个下午。你会得到比任何榜单都可信的结论：你的场景下哪个模型够用、每个任务的真实成本、以及最慢的那 10% 请求到底有多慢。

待发布 / 传闻（均未官宣）

Kimi K3.1：10 月 23 日放出预热视频，尚未官宣。Arena 上出现的匿名代号 Kibitz 被社区推测是它，未证实。
GLM-5.5：社区传 10 月底至 11 月初、2.5–3.5 万亿参数，智谱未确认。
DeepSeek V4.1 Pro / Qwen4：都没有官宣（Qwen4 在 Arena 上的传闻代号是 Kalmia），别提前做架构决策。
MiMo V2.7 Pro：未官宣。
MiniMax M3.1（非 Flash）：正式版尚未官宣。注意别和 Space Bunny 搞混——那个匿名模型已被官方认领为 M3.1 Flash 的早期版本。

传闻只用来做"预案"，不用来做"决策"。真要押注，等 changelog 落地再说。

学习检验

完成本模块所有文章学习后，你应该能够：

[ ] 说出 2026 年国产大模型"旗舰档 / Flash 档"的两档格局，以及各自代表模型
[ ] 区分 DeepSeek V4.1 Flash 与 V4 Pro 的定位差异，并说明为什么 1017 快照值得锁定
[ ] 说出 Qwen3.8-Max、豆包 Seed 2.1 Pro、Kimi K3 三者各自的核心差异化（生态 / 多模态 / 长程任务）
[ ] 解释 GLM-5.3 与 GLM-5.3-Flash 不是"同一模型的大小号"，而是两个不同模型
[ ] 说明豆包 seed-evolving 与 seed-2-1-pro-260915 的区别，以及各自适用场景
[ ] 对比至少 4 个国产模型的 API 定价，并用输入:输出比例估算一次客服场景成本
[ ] 解释为什么代码 Agent 的成本对"缓存命中率"极度敏感
[ ] 给「创意写作、编程、翻译、长文档、多模态、语音、搜索」七个场景各推荐一个模型并说明理由
[ ] 判断当前项目是否适合使用开放权重模型自部署，并说出关键判断依据
[ ] 说出价格复核的三个动作，以及为什么"看榜单选型"不够

本节小结

✅ 2026 年 10 月的选型第一步是分档：旗舰档拼能力上限，Flash 档拼单位成本 ✅ 同一个任务在不同模型上能差 14 倍成本，客服类场景用 Flash 档就够 ✅ 代码 Agent 的成本由缓存命中率决定，不是由单价决定 ✅ 榜单要看，但要看带日期和档位的第三方数据；厂方自报的数字只能作方向参考 ✅ 锁 snapshot、每周核价、用自己的评测集自测——这三件事比选哪个模型更重要

← 返回章节目录 | 继续学习:AI 音频与音乐生成 →

选型指南 ​

能力对比矩阵（2026 年 10 月） ​

基准数据怎么读 ​

第三方榜单（可横向比） ​

厂方口径（只列官方文档写明的数字） ​

成本分析 ​

API 价格（每百万 tokens，核对日 2026-10-23） ​

算例 1：客服问答 ​

算例 2：代码 Agent ​

场景推荐 ​

选型决策树 ​

价格与版本会变，怎么不踩坑 ​

1. 锁 snapshot，别用"最新版"别名 ​

2. 按周复核官网定价，把价格写进配置 ​

3. 用评测集自测，别只看榜单 ​

待发布 / 传闻（均未官宣） ​

学习检验 ​

本节小结 ​