模型格局与怎么读模型卡¶

这一页会过时——所以它教你的不是"现在哪个最强"，而是"怎么自己判断"。快照部分每月核实。 🔴 易变｜对位：常备参考｜最后核实：2026-09-08

为什么要懂¶

agent 系统的性能、成本和可维护性，一半取决于模型选型。而模型市场每 2–3 个月洗牌一次——你需要的是选型方法论 + 可靠的核查渠道，而不是一张很快过期的排名表。

选型时按这张清单核对（重要性按你的场景排序）：

维度	看什么	为什么（对 agent）
工具调用质量	是否原生支持 function calling、并行调用、结构化输出	agent 的发动机，一票否决项
上下文窗口	标称窗口 + 有效上下文评测（不是越大越好，看用得好不好）	决定你的上下文工程策略
推理模式	有无 reasoning 模式、能否开关、思考 token 怎么计费	简单步骤用普通模式省钱，关键决策用推理模式
价格	输入/输出每百万 token 单价（输出通常贵 3–5 倍）	agent 循环是 token 碎钞机，长对话成本滚雪球
稳定性	API 的 SLA、国内可达性、版本是否静默更新	QC 思维：版本固定才能复现
权重	开源（可本地部署）还是纯 API	阶段 4 本地部署模块的前瞻

你的主力线（已决策，不变）：DeepSeek 为主力 + 一个备用渠道兜底。

DeepSeek：V4 世代已发布（V4 Pro 主打低成本文本推理）；今天（9/8）V4.1-Flash 开启内测，原生多模态、成本更低，base_url 不变、改模型名即可调用——值得关注，它可能是你 W2 之后的默认模型。开源 + 国内直连 + 价格杀手，对你的学习计划是最优解
OpenAI：GPT-6 Astra（2026-09-04 发布，新华网报道）：105 万 token 上下文、12.8 万输出上限，主打编程、计算机操作与复杂多步任务，可按用户模板产出文档/电子表格/演示文稿——「文档模板化生成」与你关注的临床写作自动化同向，值得留意。分批开放中（企业可信访问 → API → 订阅用户）。国内直连不便，仍是 Codex CLI 的参照系与备选
Anthropic Claude：第 5 代——2026-06 发布 Fable 5，2026-09-01 发布 Fable 5.1 / Mythos 5.1（当前旗舰，编程与知识工作最强梯队、各榜单头部）。Coding Agent 场景的事实标杆——读 Codex 时会发现很多设计以 Claude Code 为参照
Google Gemini：长上下文与原生多模态路线激进，frontier 对比常客（具体版本以官方为准）
阿里 Qwen（通义）：开源线最活跃的国产模型之一，阶段 4 本地部署的主要候选

⚠️ 排名网站鱼龙混杂（很多是 SEO 内容农场编造的名字），只信两个渠道：官方文档 + LMArena（lmarena.ai）。

❌「最强模型 = 最适合我的模型」→ agent 场景的稳定性和成本往往比跑分重要。DeepSeek 对你的组合（中文 + 便宜 + 直连 + 开源）就是最优解
❌「模型名不变 = 模型不变」→ 部分厂商会静默更新同名校验。复现性要求高的实验，记录调用日期 + 返回的完整响应
❌「 benchmark 高分 = 我的任务表现好」→ 通用跑分和你的临床场景是两回事。W8 的 mini-eval 就是教你建立自己的小评测