选模型可以从输入和验收条件开始：截图里的数字是否读对，代码修改后测试是否通过，工单字段能否直接入库。下面把六篇接入指南按任务串起来，便于先跑一个小样本，再决定用哪个模型。
这是一份选型与测试入口，不代表六款模型已经在同一基准上完成横向实测。价格、上下文限制和可用渠道以各模型页为准。
按任务找到调用示例
| 你要完成的任务 | 可先测试的模型 | 接入与验证指南 |
|---|---|---|
| 中文后台截图、表单和界面问答 | Qwen3.8 Flash | Python 与 cURL 图片识别示例 |
| 图表、坐标轴和表格截图提取 | DeepSeek V4 Flash Vision Exp | 图片输入与图表 JSON 提取 |
| 中文数学题、CSV 数据与代码解释 | GLM-5.3 Flash | 中文 STEM 任务与结果校验 |
| 跨文件定位问题、结合长文档修复代码 | Kimi K3.1 Pro | 代码库上下文组织与 API 调用 |
| 短步骤编码或 Agent 循环 | MiniMax M3.1 Flash | Python 调用与重试策略（英文） |
| 从客服对话提取工单 JSON | Qwen 3.8 Flash / Max | 字段判分与每条合格工单成本 |
视觉任务先用一张清晰截图验证；代码任务先提交相关文件、错误日志和测试命令。不要一开始就上传整套资料，否则很难判断错误来自模型能力、输入组织还是接口配置。
用同一批样本比较
先准备 10–20 条已脱敏的真实任务，每条写下可检查的正确结果。分别记录：
- 质量：关键数字、订单号或测试结果是否正确；格式正确不等于内容正确。
- 耗时：从发出请求到应用拿到可用结果的时间，包含重试和复核。
- 费用：成功请求、失败重试和备用模型的实际扣费。
- 人工介入：需要人工检查的条数和平均耗时。
对代码修改，用自动化测试或人工代码审查验收；对图表问答，把关键数字与原图逐项核对；对工单提取，用人工标签计算字段错误率。不要让同一个模型单独给自己的结果判分。
按“合格结果”算成本
每条合格结果成本 =（全部 API 费用 + 人工复核成本）÷ 最终合格结果数
例如，100 条样本花费 2 元 API 费用和 3 元人工复核成本，最后 80 条验收合格，则每条合格结果成本为 0.0625 元。这些是假设数字，仅演示算法，不是模型报价或实测结果。 不同候选模型必须使用同一验收标准；合格数为零时，不计算这一比值。
先选质量达标的方案，再比较成本和延迟。需要备用模型时，只对格式错误、证据不足或测试失败的任务升级，并保留重试上限。
开始接入
在控制台创建 API Key，按上表进入对应教程。完整的鉴权与接口说明见 API 接入文档，当前价格和可用模型见模型目录。