打开一个 AI 工具，模型下拉框里列着十几个名字：有的带「Pro」，有的带「Flash」，有的写着「思考版」，后面还跟着一串版本号。网上的排行榜天天在变，今天这个第一，明天那个领先。普通人到底该怎么选？
答案可能有点反直觉：没有「最好的模型」，只有「最适合这个任务的模型」。这一节，我们把本系列学过的 Token、上下文窗口、幻觉、多模态、推理模型串起来，给你一套挑模型的思路。
先认识主流模型家族
模型的名字虽多，大多可以归到几个「家族」里。一个家族由同一个团队开发，会不断推出新一代，每一代又分出大小、快慢、是否带思考模式等不同版本。
| 家族 | 出品方 |
|---|---|
| GPT | OpenAI（美国） |
| Claude | Anthropic（美国） |
| Gemini | Google（美国） |
| Llama | Meta（美国） |
| DeepSeek | 深度求索（中国） |
| 通义千问（Qwen） | 阿里巴巴（中国） |
| 豆包 | 字节跳动（中国） |
| Kimi | 月之暗面（中国） |
| 文心 | 百度（中国） |
| 智谱 GLM | 智谱（中国） |
这张表不是排名，也远没有列全。认识家族名的意义在于：看到一个陌生的模型名字时，你大致知道它出自谁家、属于哪一类。
要注意，家族名不等于具体型号。「我用的是某某模型」这句话其实信息量很少：是哪一代？旗舰版还是轻量版？开没开思考模式？同一个家族里，不同版本的能力、速度和价格可能差别很大，不同的 AI 产品接入的版本也不一样。
开源与闭源
模型的「大脑」是训练出来的一大堆参数，也叫「权重」。权重公不公开，把模型分成两类：
| 闭源模型 | 开源（开放权重）模型 | |
|---|---|---|
| 怎么用 | 只能通过官方应用或接口使用 | 可以下载权重，部署在自己的电脑或服务器上 |
| 数据去向 | 数据要发送给服务方，需看其数据政策 | 自行部署时，数据可以留在自己手里 |
| 上手难度 | 低，打开就能用 | 自行部署需要算力和技术投入 |
| 定制程度 | 有限，按服务方提供的功能来 | 可以微调、改造，更灵活 |
| 要注意 | 服务条款和数据政策 | 许可证条款，商用前要看清楚 |
严格来说，很多所谓的「开源模型」只公开了权重，训练数据和训练代码并没有公开，所以更准确的叫法是「开放权重」。
对普通用户来说，开源还是闭源影响不大，直接在产品里用就好。对企业来说，如果数据很敏感、有合规要求，私有化部署开放权重模型是一个值得评估的选项；但它需要算力和技术团队，并不是「免费」的。
快模型、强模型与推理模型
同一家族里常常有不同「档位」。可以把它们想象成一个团队里的不同成员：
| 类型 | 好比 | 特点 | 适合 |
|---|---|---|---|
| 轻量快模型 | 手脚麻利的助理 | 反应快、成本低，复杂问题容易力不从心 | 分类打标签、简单问答、改写润色、大批量处理 |
| 旗舰模型 | 经验丰富的骨干 | 综合能力强，速度和成本居中或偏高 | 写作、分析、复杂指令、重要内容 |
| 推理模型 | 爱琢磨的专家 | 先想再答，慢，但在难题上更稳 | 数学、逻辑、编程、多约束规划 |
名字里带 mini、flash、lite、turbo 之类字样的，往往是更快、更便宜的轻量版；带 pro、max 的常是更强的版本；标着「思考」「推理」的，就是上一节讲的推理模式。不过各家命名习惯不同，这只是经验，不是规则，具体以官方说明为准。
杀鸡不用牛刀：给几千条评论打标签，用推理模型逐条深思，又慢又贵还未必更准；反过来，让轻量模型去解一道复杂的逻辑题，也可能力不从心。
按任务挑模型：一张速查表
| 你的任务 | 优先看什么能力 |
|---|---|
| 日常问答、改写润色、翻译 | 轻量快模型通常就够 |
| 读长报告、长合同、整本资料 | 上下文窗口要足够大 |
| 数学、逻辑、写代码、复杂规划 | 推理能力（深度思考） |
| 看截图、读图表、听录音 | 多模态能力 |
| 了解最近发生的事 | 联网搜索，并且能给出来源 |
| 对中文语境、本土知识要求高 | 多比较几个模型，包括国内团队的模型 |
| 大批量自动化处理 | 速度和成本，先用小样本测准确率 |
| 涉及敏感数据 | 服务方的数据政策，或考虑私有化部署 |
看模型说明时，重点看这几项
很多产品会在模型旁边附一段简介。与其看宣传语，不如找这几项信息：
- 上下文窗口： 一次能读多长的内容；
- 支持的输入类型： 能不能看图、听语音、读文件；
- 能否联网： 能不能查到最新信息；
- 知识截止时间： 它的「常识」更新到什么时候；
- 是否有思考模式： 能不能开深度思考；
- 消耗与速度： 同样的任务大约花多少额度、要等多久。
无论选哪个模型，幻觉都不会消失，关键信息照样要核实。如果你要把 AI 用在面向公众的产品或服务里，还要关注合规要求，比如《生成式人工智能服务管理暂行办法》（2023 年 8 月 15 日施行）。具体如何落实，以权威来源和专业人士意见为准。
别迷信排行榜：用自己的任务试一试
排行榜有参考价值，但有三个局限：榜单测的是通用题目，和你的具体工作未必一致；模型更新很快，榜单很快过时；不同榜单测法不同，结论也可能互相矛盾。
最靠谱的办法是做一次自己的「小评测」：
1. 挑 3~5 个你工作里最典型的真实任务（先去掉敏感信息）。
2. 每个任务写好同一段提示词，分别发给 2~3 个候选模型。
3. 按几个维度打分（1~5 分）：
- 准确性：有没有事实错误
- 听话程度：格式、字数、语气要求是否做到
- 质量：内容是否有用、是不是你想要的
- 速度与成本
4. 每类任务选出得分最高的，作为你的「默认模型」。三个常见误区
- 越贵越好。 强模型在难题上更有优势，但简单任务用它，多花的钱和时间换不来明显提升。
- 越新越好。 新版本通常更强，但也可能改变了写作风格或输出格式，原来好用的提示词最好重新测一遍。
- 一个模型用到底。 不同任务适合不同模型。很多人的做法是组合使用：轻量模型出初稿、做批量处理，旗舰模型或推理模型负责难题和最后把关。
模型更新换代很快，隔一段时间用同样的任务再测一遍，就知道要不要换。
本节要点
- 没有「最好的模型」，只有最适合当前任务的模型；家族名不等于具体型号。
- 闭源模型开箱即用，开放权重模型可以自己部署和定制，但需要算力投入并遵守许可证。
- 轻量快模型、旗舰模型、推理模型各有所长：简单任务用快的，难题用强的。
- 按任务所需的能力来挑：长文看上下文窗口，难题看推理，图片语音看多模态，新信息看联网。
- 排行榜只作参考，用自己的真实任务做小评测，并定期复测。
