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： https://artificialanalysis.ai
天花板
来解决复杂问题和长任务编排，如：GPT-5.6 Sol Max、Claude Fable 5
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。
编程主力
能处理绝大部分的问题，如：GPT-5.6 Terra、GLM-5.2 / GLM-5.3、Kimi-k3
其他的例如 gemini-3.7-flash 当作备用也非常不错，速度快，成本低。
阿里的 qwen3.8-max 体感也不错，和 5.2 搭配使用效果更好，但是价格太贵。
多模态方面 grok-4.5、grok-4.6 好像挺不错，智力也够，价格也没那么离谱，也是一个不错的选择。
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，作为主力模型是个不错的选择
编程性价比
能处理绝大部分简单任务，非常便宜，速度飞快（很重要！）：deepseek-v4-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。
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。
涨价后的 deepseek-v4-flash 性价比不高了，甚至本地部署 qwen 3.8-27b 可以平替，3.8 27b 这个版本确实强。
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。
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
顶级：Codex（改名 ChatGPT）
极简：Pi，DeepSeek Harness（DSH）
CLI：Grok Build、Codex CLI、Claude Code CLI
细分：Reasonix（DeepSeek）、Claude Code（claude）
开源的套壳方向：
- Cherry Studio
- Cindy
- Alma
- Waku
安卓推荐：Kelivo
其他可以考虑的：
- omp（oh-my-pi）
- DimAgent
- Hermes Studio
- Hermes Web UI