> ## Documentation Index
> Fetch the complete documentation index at: https://docs.inb.cc/llms.txt
> Use this file to discover all available pages before exploring further.

# 如何选择模型

> 根据任务场景选对模型

# 如何选择模型

InfinityBlue 聚合了 GPT-5、Gemini、DeepSeek 等主流模型系列。选择模型时，先回答三个问题：

1. **需要什么能力？**（通用对话、代码、视觉理解、图片生成、视频生成？）
2. **质量要求？**（旗舰级推理，还是"够用"的高性价比？）
3. **延迟要求？**（实时对话，还是批处理？）

## 能力对照表

| 模型                            | 最适合的场景                    | 说明                   |
| ----------------------------- | ------------------------- | -------------------- |
| `gpt-5.4`                     | 通用旗舰：复杂推理、长对话、工具调用        | OpenAI 旗舰，质量与能力均衡    |
| `gpt-5.5`                     | 最高能力上限，要求最佳效果时            | 最新超旗舰，成本高于 gpt-5.4   |
| `gpt-5.4-mini`                | 高频低延迟：摘要、分类、简单 Q\&A       | 成本显著低于旗舰，速度更快        |
| `gpt-5.3-codex`               | 代码生成、调试、代码审查              | 专为代码场景优化             |
| `gemini-3.1-pro-preview`      | 谷歌最新旗舰，强推理与多模态            | 支持图片、PDF 输入          |
| `gemini-2.5-pro`              | 超长文档分析（200 万 token 上下文）   | 最适合整本书/大型代码库级别的输入    |
| `gemini-2.5-flash`            | 谷歌性价比旗舰，快速多模态             | 兼顾速度与质量，支持视觉输入       |
| `gemini-3-flash-preview`      | 谷歌新一代轻量模型，极低延迟            | 适合实时交互与高并发场景         |
| `deepseek-v4-pro`             | 推理型任务、中文场景、技术分析           | 推理能力强，中文理解出色         |
| `deepseek-v4-flash`           | 低成本推理，中文高频任务              | deepseek-v4-pro 的轻量版 |
| `gpt-image-2`                 | 高质量图片生成                   | 基于 OpenAI 图像模型       |
| `nanobanana` / `nanobanana_2` | 快速图片生成，高性价比               | 轻量图像生成选项             |
| `nanobanana_pro`              | 高质量图片生成，性价比优于 gpt-image-2 | nanobanana 系列旗舰      |
| `veo_3_1`                     | 顶级视频生成（Google Veo）        | 目前质量最高的视频模型          |
| `doubao-seedance-2-0-260128`  | 视频生成，字节跳动 Seedance        | 中文场景视频生成             |
| `kling-v2-5-turbo`            | 快速视频生成（可灵）                | 快手可灵，生成速度快           |

<Note>
  当前价格请前往 [价格页](https://api.getinfinityblue.com/pricing) 查看，价格会定期更新。
</Note>

## 延迟、成本与能力的权衡

在旗舰模型（如 `gpt-5.5`、`gemini-3.1-pro-preview`、`deepseek-v4-pro`）与轻量模型（如 `gpt-5.4-mini`、`gemini-2.5-flash`、`deepseek-v4-flash`）之间，核心取舍如下：

* **首选轻量模型**进行原型验证，确认效果后再考虑是否升级。
* **旗舰模型**适合结果直接面向用户、错误代价高，或任务本身需要多步推理的场景。
* **延迟敏感型应用**（如聊天 UI、实时补全）优先选 flash 或 mini 系列。
* **批量离线任务**（数据抽取、文档处理）则可以用旗舰模型换取更高准确率。

## 评测方法建议

在不同模型上运行相同的金标测试集，而非凭直觉选择：

1. 收集 20–50 条有代表性的真实输入（覆盖边界情况）。
2. 定义评估维度（准确率、格式合规性、延迟、每请求成本）。
3. 对候选模型并行跑测，用相同 system prompt。
4. 用量化指标比较，而非主观判断。

## 成本优化技巧

1. **用最小满足质量的模型**——`gpt-5.4-mini` 与 `gpt-5.4` 质量差距比想象的小，而成本差距显著。
2. **设置 `max_tokens`** 防止意外生成过长输出。
3. **精简 system prompt**——更短的提示词意味着更少的输入 token，在高频场景下积少成多。
4. **复用上下文**——对话历史只传必要的 turns，不要每次都从头发送全量历史。