模型选择指南

摘要: 根据实测结果，为不同场景选择最适合的模型，实现质量与成本的最优平衡。

背景与需求

了解各模型的实际表现和适用场景，避免资源浪费。

技术方案

模型质量梯队（实测）

1. GPT-5.2 / Codex → 最强代码能力
2. Gemini 3 Pro / 2.5 Pro → 前端/UI/多模态顶级
3. Kimi K2 付费 → 代码能力强，性价比高
4. Kimi K2.5 Free → 免费中较好
5. GLM 4.7 Free / MiniMax 2.1 Free → 略差，只做最简单任务

各模型专长

GPT-5.2 / Codex

• 适用场景：复杂架构、核心逻辑、深度编码
• 配置给：Sisyphus, Hephaestus, deep/ultrabrain 类别
• 成本：高，但质量最好

Gemini 3 Pro / 2.5 Pro

• 适用场景：UI还原、视觉设计、多模态（图片解析）
• 配置给：Frontend Engineer, Multimodal Looker, visual-engineering 类别
• 成本：中等，账户充足

Gemini 2.5 Flash

• 适用场景：快速响应、中等复杂度任务
• 特点：速度快、限制宽松
• 替代方案：如果 Kimi Free 限制太严，可以用 Flash 替代

Kimi K2 付费

• 适用场景：中高端代码、调试、架构规划
• 配置给：Oracle, Prometheus
• 优势：200k 长上下文，性价比高

Kimi K2.5 Free

• 适用场景：代码搜索、简单问答、日常探索
• 配置给：Librarian, Explore, quick 类别
• 限制：Rate limit 较严，需要 fallback

GLM 4.7 Free / MiniMax 2.1 Free

• 适用场景：最简单的执行、纯 fallback
• 配置给：simple/minimal 类别，fallback 链末端
• 特点：免费，但质量略差

前端开发场景选型（Vue3）

任务类型	推荐模型
页面还原	Gemini 3 Pro
组件架构	GPT-5.2 / Codex
代码搜索	Kimi Free (with fallback)
快速问答	Kimi Free
简单格式化	GLM/MiniMax Free

Provider 配置清单

需要绑定的 provider：

1. OpenCode Zen → 免费 Kimi/GLM/MiniMax
2. Moonshot AI → 付费 Kimi
3. OpenAI → Codex/GPT-5.2
4. Google → Gemini 3 Pro/Flash