2026 程序员模型选型指南：模块一完整总结

笃北天涯

387人浏览 · 2026-07-11 06:44:07

笃北天涯 · 2026-07-11 06:44:07 发布

模块一"LLM 平台与模型"从第 1 期到第 9 期，测了 11 个模型/变体、3 个聚合平台，累计 400+ 次 API 调用，花了大约 $25 的测试经费。

这篇文章把所有的结论压缩成一张总表 + 一张决策图 + 六个场景推荐。你可以收藏，以后选模型时直接查。

如果这篇文章只读一段——读最后面的 “六个常见场景，我的推荐”。

总表：所有模型 × 所有任务

以下数据全来自模块一 1-9 期实测（2026 年 5 月 22-24 日）。评分 /5，长上下文为 20 万字符文档中后段 (40-60%) 事实召回率。

模型	代码生成	Bug修复	Code Review	中文文档	长上下文	输出价格 $/M	速度 t/s
DeepSeek V4 Pro	4.6	4.5	4.0	4.5	60%	3.48	48
DeepSeek V4 Pro-Think	4.6	5.0	4.2	4.5	—	3.48	48
DeepSeek V4 Flash	3.4	3.0	3.0	3.2	—	0.28	35
GPT-4o	4.5	4.4	3.5	3.6	62%	10.00	62
Claude Sonnet 4	4.4	4.5	4.8	3.8	62%	15.00	55
Gemini 2.5 Pro	3.8	3.8	4.0	3.5	84%	免费*	265
Qwen-Max API	4.6	4.0	3.5	4.5	—	2.80	48
文心一言 4.0 Turbo	3.9	3.5	3.5	4.5	—	0.41	35
智谱 GLM-4-Plus	3.6	3.3	3.2	4.2	—	1.23	30
Kimi	3.2	—	—	4.0	78%	0.70	25
DeepSeek Coder V2 16B 本地	4.2	4.0	3.5	4.0	—	免费	15
Qwen-Coder-14B 本地	3.4	3.0	3.0	3.7	—	免费	18

* Gemini 2.5 Pro 通过 Google AI Studio 有免费额度（100次/天）。"—"表示未在此维度测试。本地模型速度取决于 GPU。

六个常见场景，我的推荐

场景 1：日常开发（写 CRUD、新功能、脚手架）

首选：DeepSeek V4 Pro
省钱：DeepSeek V4 Flash（质量打骨折）
英文项目：GPT-4o（CRUD 一步到位，少写很多代码）

DeepSeek V4 Pro 在代码生成和 Bug 修复两项分别拿了 4.6 和 4.5 分——都是最高或并列最高。价格在可接受范围（$3.48/百万 token 输出），月成本大约 $2-3。

如果你的项目偏英文生态，GPT-4o 的 CRUD 代码"一步到位"——它给的代码结构更完整（model → repo → service → handler → middleware 五层都写好），DeepSeek 倾向于给更精简的实现。

场景 2：修 Bug / 线上排查

首选：DeepSeek V4 Pro-Think（唯一全找出的）
次选：Claude Sonnet 4 或 GPT-4o

这是唯一一个我会开"思考模式"的场景——架构分析和 Bug 修复。第 1 期的测试里，Pro-Think 是唯一能找全 4 个并发 Bug 的配置。第 3 期里，Claude 在 Bug 修复上跟 GPT-4o 打了平手（9:8），两者都靠谱。

如果你遇到的是安全相关的 Bug（SQL 注入、权限绕过），Gemini 2.5 Pro 是唯一的"做了安全影响分析"的模型——它不只说"这里有 SQL 注入"，还会说"这个注入可被攻击者通过 X 方式利用"。

场景 3：Code Review

首选：Claude Sonnet 4
安全向：Gemini 2.5 Pro

Claude 在 Code Review 上的 4.8/5 是碾压级的——它按 Critical / Major / Minor / Suggestion 分级，每条给出了具体行号、原因、和修复代码。第 3 期的测试里，Claude 14 胜 vs GPT-4o 4 胜。

Gemini 2.5 Pro 的独特价值在安全方面——它是唯一会分析安全影响范围（“这个漏洞可被如何利用”）的模型。如果你的项目涉及支付、隐私、权限管理，建议 Claude Review 完再用 Gemini 做一次安全检查。

场景 4：写中文技术文档

首选：文心一言 4.0 Turbo（综合 4.5/5）
次选：DeepSeek V4 Pro（综合 4.5/5，代码更强）

第 5 期测试里，文心一言在 API 文档（4.4）、技术文章（4.1）、错误文案（4.3）、README（4.5）四个中文文档场景拿了第一。但它的代码生成（3.9）和 Bug 修复（3.5）不如 DeepSeek。

所以如果你的任务是"生成一篇纯中文技术文章"——用文心一言。如果任务是"写代码的同时生成中文文档"——用 DeepSeek V4 Pro，一步到位。

代码注释这个细分场景：智谱 GLM-4-Plus 拿了 4.25/5——唯一超过文心一言的。智谱写代码注释更"程序员视角"，关键分支上给的行内注释有实际参考价值。

场景 5：长文档问答 / 读技术书

首选：Gemini 2.5 Pro（84% 召回率，免费）
超长文档（200K+）：Kimi（128K 限制？实际可处理 200 万汉字）

第 4 期测了 Gemini 2.5 Pro（100 万 token 上下文），第 6 期测了 Kimi（200 万汉字上下文）。在 20 万字符的 PostgreSQL 文档测试中：

文档中后段（40-60%）召回率：Gemini 80% ≈ Kimi 80%，两者相当
文档尾部（60-80%）召回率：Kimi 70% > Gemini 落后但未在此区域单独测试
最重要的差异：Gemini 在安全相关文档上会做"安全影响分析"，Kimi 不会

实操建议：如果你需要精确查参数——Kimi。如果你需要读安全/合规文档并理解风险——Gemini 2.5 Pro。两者用同一个文档并行问更好。

一个重要发现（第 6 期）：不管你用哪个模型，文档尾部 20% 的内容准确率都崩塌（最好只有 50%）。别一次性塞一本 20 万字的书——拆成 5 个片段分批提问。

场景 6：数据不能出内网 / 离线

首选（12GB 显存）：DeepSeek Coder V2 16B (Q4)
次选（8GB）：Qwen-Coder-7B (Q4)
没有显卡：别折腾，申请 API 白名单

第 2 期和第 7 期的本地部署测试一致显示：本地最强模型（DeepSeek Coder V2 16B）大约等于 API 版 DeepSeek V4 Pro 的 85% 水平。能接受这个差距，再考虑本地部署。

硬件要求参考（第 7 期）：

6-8GB 显存 → 只能跑 7-8B，代码质量一般
12GB 显存 → 14-16B 刚好，别开其他 GPU 应用
16-24GB 显存 → 本地部署开始有性价比

聚合平台选择（第 9 期结论）

你的情况	平台
国内、常用 DeepSeek + Qwen	SiliconFlow（同价、快、开票）
用 3+ 不同厂商的模型	OpenRouter（唯一全接）
开源模型批量推理	DeepInfra（最便宜，但稳定性差）
只用 DeepSeek	官方直连（不走平台，省钱）

每月成本估算

按"一个普通程序员的日常使用量"估算（约 2000 次 API 调用/月，含代码生成、Bug 修复、文档生成、Code Review）：

方案	配置	月成本
丐版	DeepSeek V4 Flash + Gemini 免费	< $1
标准	DeepSeek V4 Pro 为主 + Claude Review	$3-5
顶配	GPT-4o + Claude + DeepSeek Pro-Think 全上	$15-20
零成本	Gemini 免费 + 本地模型	$0

我的推荐：标准方案，$3-5/月。 你少喝一杯咖啡就省出来了。

几点说明

1. 这些数据会过时。

模型 API 每周微调。这里的所有数据是 2026 年 5 月 22-24 日测的。你今天跑出来的数字可能不同——正常。

2. 关键不是我的数字，是测试方法。

前面每篇文章都附了测试 prompt 和方法。拿同一套 prompt 跑你自己的任务，才对你最有参考价值。

3. 没有"一个模型统治所有"。

第 8 期讲过了——每个维度都有一个最强的，但没有一个模型在所有维度拿第一。选模型是根据任务选，不是选信仰。

模块一下面是什么

模块一"LLM 平台与模型"到这里结束。10 篇文章，11 个模型，3 个平台，一张总表。

附录：模块一全部文章索引

期号	标题	核心发现
01	DeepSeek 全家桶评测	80% 的活用 Flash 够，Bug 修复必须 Pro-Think
02	通义千问实战手册	API 版比本地强 24%，12GB 显存别对本地抱太高期望
03	GPT-4o vs Claude 对决	CRUD 用 GPT-4o，Code Review 用 Claude
04	Gemini 程序员向评测	长上下文召回率 84%，代码生成不如 DeepSeek
05	文心一言 vs 智谱 GLM	中文文档文心领先，代码注释智谱意外能打
06	Kimi 长上下文实测	中间位置召回率比竞品高 20%，尾部准确率仍然崩塌
07	开源模型本地部署	本地最强 = API 85%，12GB 显存能跑但卡线
08	模型选型决策框架	三个维度 + 决策树 + 速查表
09	API 聚合平台对比	SiliconFlow 最便宜、OpenRouter 最全、DeepInfra 最不稳
10	本总结指南	总表 + 六场景推荐 + 成本估算