一、为什么换模型

我日常用 Claude Code 写 Python 脚本、搭 Electron 客户端、维护 Obsidian 工作流。一开始只用官方 Claude，后来发现成本太高，就试了 Kimi、Agnes AI、GLM 这几个。

CC Switch 这个工具让我不用换 Claude Code 客户端，直接在界面里切换模型。今天把 4 个模型的真实体验摊开来讲。

---

二、测试范围

我挑了 4 类真实任务，每个模型都跑一遍：

任务类型	具体场景
代码调试	PubHub 调度器 KeyError 修复
文档维护	README 更新、frontmatter 规范检查
原型开发	Web 管理后台多页原型骨架
日常问答	解释工具用法、推荐配置

---

三、官方 Claude（主力）

用时：每次会话 5-15 分钟
成本：高
成功率：~95%

官方 Claude 是我的主力，原因很简单：skill 生态完整、工具调用最稳、长上下文理解最强。

优势： - 工具调用成功率最高，Bash / Read / Edit 基本不翻车 - 长文档分析稳定，我的 Obsidian vault 有几十篇待发布文章，一口气读完没问题 - skill 支持最好，publish-workflow / article-writing 等 skill 依赖 Claude 的指令遵循能力

劣势： - 贵。每天跑大量会话，token 成本不容忽视 - 国内访问需要代理，偶尔不稳定

我的做法： 复杂任务（架构设计、多步调试）必用官方；简单任务换便宜的。

---

四、Kimi For Coding（k3-256k）

用时：每次会话 3-8 分钟
成本：中
成功率：~85%

Kimi 是我第二常用的模型。我的会话日志显示，它在技能包安装、README 更新、日常维护类任务上表现不错。

真实案例： 我用 Kimi 安装 ponytail skill 系列。任务是用 git clone 把仓库拉到 ~/.claude/skills/，然后更新 README 索引。Kimi 正确执行了 Bash 命令、读取了目录结构、编辑了文件，整个过程没有翻车。

优势： - 速度快，同样任务比官方 Claude 快 30-50% - 中文理解自然，不翻译腔 - 200K+ 上下文，适合长文档分析 - 国内直连，不需要代理

劣势： - 复杂多步调试偶尔出错，比如 PubHub 调度器的 KeyError 修复，Kimi 给的答案不够精准 - 工具调用偶尔"想太多"，思考链过长导致超时 - 对 Claude 专属 skill 的遵循能力稍弱

适合场景： 文档维护、技能包管理、日常问答、简单代码修改。不适合复杂架构调试。

---

五、Agnes AI（agnes-2.0-flash）

用时：每次会话 2-6 分钟
成本：低
成功率：~75%

Agnes 是我做原型开发时的备选。会话日志显示，它在 2026-07 期间被大量用于原型和 specs 编写。

真实案例： 我用 Agnes 开发「图片管理空间」原型。它生成了 HTML 结构、CSS 样式、JavaScript 交互逻辑，基本能跑。但有几个小 bug 需要手动修。

优势： - 成本最低，适合大量试错 - 原型开发速度快，能快速出稿 - 中文表达自然

劣势： - 代码质量不稳定，偶有语法错误或逻辑 bug - 工具调用不如官方 Claude 精准，偶尔误判需求 - 对复杂指令的遵循能力较弱，多步任务容易跑偏

适合场景： 快速原型、UI 调试、一次性任务。不适合需要高可靠性的生产代码。

---

六、Zhipu GLM

用时：每次会话 2-5 分钟
成本：最低
成功率：~65%

GLM 是我最后的备选，主要用于成本敏感的场景。

优势： - 成本最低 - 中文理解强，适合文档类任务 - 国内直连

劣势： - 代码生成质量不稳定，复杂逻辑容易出错 - 工具调用能力弱，不适合多步骤任务 - 对 Claude 专属 skill 的遵循能力最弱

适合场景： 简单问答、文档整理、一次性调研。不适合编程任务。

---

七、对比总结

维度	官方 Claude	Kimi	Agnes	GLM
编码准确率	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐
中文理解	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐
工具调用	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐
速度	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐
成本	高	中	低	最低
适合复杂任务	✅	部分	❌	❌
适合日常维护	✅	✅	✅	✅
适合快速原型	✅	✅	✅	部分

---

八、我的模型选择策略

根据任务类型选模型，不是随机换：

1. 复杂编程/调试 → 官方 Claude（成功率优先）
2. 文档维护/技能包管理 → Kimi（速度快成本低）
3. 快速原型/UI 调试 → Agnes（成本低试错快）
4. 简单问答/调研 → GLM（成本最低）

关键原则： 把贵的留给贵的任务，便宜的任务用便宜的模型。

---

九、下一步

接下来我会写两篇深度单测： - 《Kimi For Coding 实测：从技能包安装到 README 维护的完整体验》 - 《Agnes AI 实测：原型开发的性价比之选》

如果这篇对你有用，欢迎关注看「AI 工具人 PM 实战」系列更新；你平时用哪些 AI 模型写代码？评论聊聊；觉得有用就收藏备用。