模型选择
为你的用例选择合适的模型
认识这些模型
Astra
最先进的智能
适合处理模糊问题、深度分析和具有挑战性的交付成果。
GPT-6.1 Sol
出色的日常主力模型
适合写作、编码和需要判断力的工作。
Luna
智能且高效
适合范围明确的任务、分类处理和高频自动化。
可用性、工具、推理设置和用量限制会因产品及 模型版本而异。请查看 ChatGPT 中可用的模型或 API 模型目录。
为你的工作流找到合适的模型
选择你的工作类型和任务，获取推荐。
何时考虑使用 GPT-6.1 Sol
对于需要考虑成本的复杂项目，可以考虑使用 GPT-6.1 Sol，例如 根据财务结果制作董事会演示文稿，或根据产品简介 构建网站。在同一任务上将它与 Astra 进行比较，以评估 质量与成本之间的权衡。
查看 API 模型页面，了解规格 和 API 定价；或查看 Codex 和 ChatGPT Work 的可用性， 了解如何通过你的 ChatGPT 套餐使用该模型。
如何理解模型和推理强度
Luna 是最高效的模型，而 Astra 是最先进、功能最强大的模型。如果你不需要考虑用量或任务 完成时间，可以默认使用 Astra。若要优化用量，请参考 以下指南，根据需求选择模型和推理强度。
Luna · 低
细粒度编辑、范围明确的问题解决以及简单的数据提取。
Luna · 超高
在多个应用中查找当前上下文、确定工作优先级，以及解决约束明确的问题。
GPT-6.1 Sol · 中
复杂的技术工作，以及你预计会继续修改的相互配套的交付成果。
GPT-6.1 Sol · 超高
精良的交付成果、相互关联的视觉系统，以及基于相互矛盾的证据作出的决策。
Astra · 低
在保留事实和细微含义的同时，进行简洁写作和内容改编。
Astra · 中
需要广泛上下文、可靠交互和完整结果的高目标项目。
Astra · 超高
要求严苛的分析，以及具有精确要求的复杂交付成果。
尝试
将本页指南视为起点。为工作流找到合适模型的最佳方式， 是尝试不同的模型和推理设置，看看哪种最适合你。
首先考虑：
- 你的工作流多久运行一次？ 与偶尔运行的项目相比，高频自动化会更快累积用量和成本。
- 你需要多快获得结果？ 与整夜运行的任务相比，需要等待结果的任务可能需要 更快的设置。
- 你将如何使用输出？ 供你审阅的草稿所需的完善程度，可能低于 要对外分享的内容。
- 结果质量有多重要？ 具体取决于你的用例或 行业，你可能需要使用更强的模型来优先保证质量。
如果可以，请使用相同输入进行尝试以比较结果，并保留 能够达到质量标准的最轻量设置。