模型选择

模型选择

按任务、速度、成本、输出质量和推理强度选择 ChatGPT Work 与 Codex 模型,并用相同输入比较结果。

模型选择没有对所有任务都最优的答案。可用模型、工具、推理设置和用量限制会因产品、套餐、工作区和模型版本不同而变化;开始前先查看模型页面和当前模型选择器。

认识模型#

  • Astra:适合最复杂的端到端工作,例如跨服务定位问题、分析多份资料或制作需要遵循模板的交付物。
  • Sol:适合日常编码、写作,以及把多个来源整理成计划或报告。
  • Terra:适合清晰写作、视觉理解和在受支持应用中处理信息。
  • Luna:适合目标明确、可重复且高吞吐的摘要、提取、分类和结构化转换。

上面的定位用于开始比较,不代表每个账号都能看到全部模型,也不把模型名称当成固定的 API ID。

按工作流选择#

优先事项可以先试检查重点
复杂判断和多步骤任务当前可用的 Astra结论是否有依据,是否完成了所有步骤
日常编码、写作和资料整理Sol速度、用量和修改次数是否合适
图像、屏幕和应用中的信息Terra是否正确读取标签、数字和界面状态
大量重复的结构化任务Luna格式一致性、遗漏率和批量处理时间

理解推理强度#

推理强度指导模型为规划、分析和检查投入多少工作。较高强度可能改善复杂任务的结果,但会增加等待时间和 token 用量。先用客户端提供的默认设置;当任务需要更多规划、来源比较或验证时再提高。

Max 给单个任务更多推理时间,适合深度优先的难题;Ultra 会使用子智能体并行处理可以拆分的部分。多数任务不需要 Max 或 Ultra,且不同模型的推理档位不能简单等价。

用相同输入做小实验#

为比较模型,先定义验收标准,再用同一组代表性输入测试:

  • 写作:核对必需事实、语气、受众和格式。
  • 计算机操作:重新打开受影响的页面或记录,确认保存结果并检查无关数据没有被改动。
  • 代码和界面:运行回归测试,并在桌面和移动端查看渲染结果。

同时记录完成时间、评审和修复所花的时间,以及实际用量。保留满足质量标准的最轻设置,而不是仅凭一次流畅回答做决定。

继续阅读#

本站实践建议#

模型、权限和价格可能调整。迁移配置前从当前客户端复制实际模型 ID,并在非生产项目中验证工具调用和输出质量。

Codex API 与国内使用#

如需为 Codex 配置 OpenAI-compatible API,可以前往 APIBest 获取 API Key。第三方服务的模型映射、价格、额度、兼容性和数据处理方式以 APIBest 当前说明为准。