AI大模型选择与趋势
模型迭代速度还是太快了，平均一两个月就出一个版本，目前各家的方向还都是重点训练 FunctionCalling（或者说工具调用能力） 和安全挖掘方向的能力，个人认为实际还是编程方向的特化，通用知识方面目前看已经很难有大的进步了。
这篇就是来更新记录当前环境下流行的模型、工具，仅代表主观感受。
最近正好看到有个新闻，说是用小学内的知识集来训练 LLM，最终的成品很难回答超过知识范围的东西，即无法提升超出知识范围的能力；
于是有人说现在的 LLM 也类似，实际上没有突破现有知识的边界；当学生过于依赖 LLM 时，会导致学习能力上的退化，意思就是有 AI 能考 100 分，没有 AI 的辅助就只能 80 分。
另一部分网友类比计算器，计算器会导致心算能力下降，但是并不影响创造力，反而提高效率，关键还是要有节制的使用；
这个类比不是很恰当，但是提供了另一个角度（认知卸载，计算器是卸载执行，LLM 可以卸载理解）。
还有一个角度是说当知识量范围达到某一个量级才会出现“智能的涌现”，也就是说小学知识面太窄，达不到，不能说明 LLM 创造力的问题。
评分参考：
个人经验（预算充足的无视）：大部分情况优先选择性价比模型，解决不了的上主力模型，再解决不了的尝试天花板；特殊场景使用本地部署的模型。
更新记录
- 2026-09-13：新增 Fable 5.1、GPT-6 Astra、gemini-3.8-flash、GLM-5.3-Flash、DeepSeek V4.1 Flash
- 2026-09-25：新增 GPT-6 Sol、opus 5.5
- 2026-10-11：基于当前的风向，降低对 OAI 的评价
天花板
来解决复杂问题和长任务编排，不在意价格的请作为主力使用，如：
GPT-6 Astra- Claude Fable 5 系列
根据 Pi 发布的研究，现在模型和 Harness 的绑定越来越深，也就是你用 GPT 的模型，那么只有搭配官方的 Codex 才能达到最佳效果；A\ 也是一样的道理，使用其他的 Harness 在工具调用等方面会出现幻觉，可能和训练方向有关。
GPT-6 系列评价很差，基本被 Opus 5.5 按着打；目前也就 GPT-6 Astra 还能顶一顶，但是已经没有那么风光；如果实在要用，至少是 6.1 Sol，Astra 性价比不如 Opus 5.5
编程主力
能处理绝大部分的问题，如果对价格不是非常敏感，可以日常主力使用，如：
- GPT-5.6 Terra / Sol / GPT-6.1 Sol
- GLM-5.2 / GLM-5.3
- Kimi-k3
- Claude Opus 5.5 （很强）
阿里的 qwen3.8-max 体感也不错，和 5.3 搭配使用效果更好，但是价格太贵。
得益于模型的越来越聪明（起码是编程方向），普通的模型搭配任意的 Harness 就可以处理大部分的任务，如果不是特别复杂的任务，到这一层基本都能处理。
编程性价比
能处理绝大部分日常任务，非常便宜，速度飞快（很重要！）对价格敏感的人群选择主力使用：
- DeepSeek V4.1 Flash
- GPT-5.6-luna
- GLM-5.3-Flash
- Qwen3.8-Flash
这一部分模型就主打一个便宜，一般的任务也都能用，在额度紧张时当作主力也问题不大。
DeepSeek V4.1 Flash 还不错，如果价格回到之前，那将是绝杀。
体感方面 GLM-5.3-Flash 思考太慢了，Qwen3.8-Flash 可能是更好的选择？，不过这个层级，还是谁便宜用谁。
其他的例如 gemini-3.7-flash、grok-4.5、grok-4.6 当作备用也非常不错，速度快，成本低。
如果处理问题效果或者效率不理想，切换到上一层模型；对于复杂问题，即使智力低的模型最终通过 Loop 可以解决，总耗费的 token 可能比用高智力的模型还多，所以感觉不对就直接切模型，别犹豫。
本地部署
之前是 qwen 3.6 系列，现在 qwen 3.8-27b 出来后相当惊艳，从可用到了能有不错的体验，甚至可以平替 deepseek-v4-flas。
需要注意的是，这里说的是个人部署，相比 DeepSeek V4、Kimi K3 这类开源模型，参数量过于恐怖，别说个人，一般公司能部署的也没几个，部署上甚至综合成本都比官方价格高，除了云计算厂商和特殊需要本地化的场景，对个人用户没有什么意义。
但是 qwen 系列的小模型对个人来说就很香了，尤其是真能干活，开源小模型方面无敌。
特殊领域
图像、视频生成方向成本太高，暂时不关注，个人可以搞个本地部署的玩玩就行了。
ASR 可以直接用 Mimo 或者阿里的千问系列，Mimo 更便宜，10 块钱就能用好久，或者这种直接自己部署就行了，参数量少都能跑得动。TTS 也是一样的道理。
我整理了一篇本地部署的文章，还没弄好 TODO
Agent（Harness）
目前来看，编程和通用 Agent 已经趋于整合一起，不再单独细分，只是界面的调整，内部逻辑区别不大，这也符合 AI 模型进化的趋势，因为通用 Agent 往往也要先掌握编程能力才做得成复杂任务。
并且，当模型足够聪明，上下文足够多，Agent 的差异也不会太大了。
好用的工具
聚合网关：CCS / magpie
其他 Agent 代表：
顶级：Codex（改名 ChatGPT），更新后和搭配目前最新的 GPT-6 系列体验没有那么好，思考时间长，过度思考的嫌疑。
极简：Pi，DeepSeek Harness（DSH）
CLI：Grok Build、Codex CLI、Claude Code CLI
细分：Reasonix（DeepSeek）、Claude Code（claude）、Cherry Studio（LLM 前端）
国产：WorkBuddy、Qoder
WorkBuddy 和 Qoder 都在送积分，能免费薅才是最香的！
WorkBuddy 办公方向可能强一些，Qoder 的 UI 很舒服。
敏感代码选择 Agent 时，非开源的要慎重，ZCode 和 Claude Code 就是前车之鉴
开源的套壳多 Agent 编排型桌面客户端方向（ADE，Agent Development Environment）：
安卓推荐：Kelivo
其他可以考虑的：
- omp（oh-my-pi）
- DimAgent
- Hermes Studio
- Hermes Web UI