OpenClaw 模型选择指导手册（国内外主流模型）
分钟阅读
💬 公众号1. 背景：被高昂的模型 API 账单“打醒”
周三晚上，准备让龙虾哥跑个批量分析任务，半天没有反应，于是打开终端看了下，额度已经耗尽。
回头翻看系统配置，其实我平时也用 Claude Opus 4.6、Sonnet 4.6，以及 Gemini 3.1 Pro 和 Gemini 3 Flash，并不是无脑全甩给 Claude。但很多时候为了图省事，默认配置没切好，导致大把轻量任务也跑在了昂贵的模型上：
- 抓个网页、洗个格式，用 Sonnet；
- 跑个简单的定时器，用 Sonnet；
- 就连纯视觉审查，也用最顶配的模型。
这简直就是拿高射炮打蚊子。
其实，当前国内外有大量极具性价比的模型。为此，我花时间系统整理了 2026 年 3 月的主流 AI 模型。目标就一个：给不同任务匹配“刚刚好”的模型，把钱花在刀刃上。
2. 核心结论与选型表（30秒版）
先说大白话结论，你可以直接抄作业配置到自己的 Agent 路由里：
- 日常主力干活：海外优先 Claude Sonnet 4.6，国内平替 MiniMax M2.5。
- 打杂与轻量任务（抓网页、格式化、小脚本）：优先 Gemini 3 Flash 或 豆包 Seed 2.0 Mini，又快又便宜。
- 啃超长文档/看庞大老代码库：首推 Kimi K2.5。
- 全自动写代码/改Bug：海外上 OpenAI GPT-5.3-Codex；国内强推 MiniMax M2.5。
- 高难度推理与复杂决策：遇到瓶颈再切 Gemini 3.1 Pro 或 Qwen3-Max-Thinking。
- 国产业务与中文特化：千问 Qwen3.5-Plus。
附：OpenClaw 当前使用的模型分发路由表（仅供参考）：
| 任务类型 | 推荐首选 | 降本备选 | 选择理由 |
|---|---|---|---|
| 抓取/总结/翻译/格式化 | Gemini 3 Flash | 豆包 Mini | 速度极快，成本极低，适合跑批 |
| 前端代码生成/界面切图 | Gemini 3 Flash | 豆包 Seed 2.0 Code | 专门优化视觉转代码，看图写UI强 |
| 后端代码/业务逻辑 | Claude Sonnet 4.6 | MiniMax M2.5 | 逻辑严谨，输出极稳定 |
| 简单脚本/CLI任务 | Gemini 3 Flash | 豆包 Seed 2.0 Mini | 执行明确的简单指令不吃推理算力 |
| 中文规范/业务老代码 | 千问 Qwen3.5-Plus | — | 中文生态和本地代码规范理解最透彻 |
| 高频交互/终端调试 | MiniMax M2.5 | GLM-4.7 | 极快响应，便宜不心疼，适合高频试错 |
| 超长文档解析/Agent群 | Kimi K2.5 | — | 上下文超大，群智能力强 |
| 复杂工程重构 (长时任务) | OpenAI Codex | Claude Opus | 专攻代码闭环与长周期自治任务 |
| 深度推演/战略级决策 | Gemini 3.1 Pro | Qwen Thinking | 顶级推理算力，解决极少数的难题 |
3. 主流模型实战点评
不用去看繁杂的跑分（如 SWE-Bench 测代码、GPQA 测科研），实战体验才是硬道理。
3.1 海外三巨头（Claude / Gemini / OpenAI）
Claude 4.6 系列（Anthropic）
- Sonnet 4.6 是目前综合性价比之王。日常代码、文档编写、任务规划，选它绝不翻车。
- Opus 4.6 只有在极少部分变态级推理场景下才有优势，平时别开，太贵。
Gemini 3.1 系列（Google）
- Flash 款 是真正的干活机器，速度极快。处理简单的格式化、爬虫总结等“脏活累活”首选。
- Pro 款 在最新跑分里超越了 Opus，适合企业级重型决策和深层数学逻辑。
Codex 5.3 (OpenAI)
- 专为“全自动写代码”设计的数字员工。如果你让 Agent 跑几十条终端命令、改遍整个代码库，它的持久力和长周期自我纠错能力最强。
3.2 国产主力：卷出高性价比
现在的国产模型，在写代码和日常推理上，完全能平替海外的大部分场景，且成本只有几分之一甚至几十分之一。
- 千问 Qwen3.5-Plus：中文代码库、本土老系统、国内特有的业务规范，找千问看懂的最快。
- 豆包 Doubao Seed 2.0：特别是它的 Code 版本，对前端同学极度友好，贴张设计图，直接出高还原度代码。
- MiniMax M2.5：国产黑马，响应速度极快，在终端密集调试、高频试错的任务中，好用且省钱。
- Kimi K2.5：啃几十万字的超长文档、分析庞大的报错日志，它的长文本能力依然是最让人安心的。
- DeepSeek V3.2 / R2：算法竞赛级选手。如果你需要搞定极其复杂的数学推导，或者对成本敏感到了极致，选它。
- GLM-4.7：在调用各种 API 工具、生成各类界面（比如直接输出网页或 PPT 代码）上，适配度极高。
4. 经验总结
给你的 AI Agent 配置模型路由时，记住这三个原则：
- 别用大炮打蚊子：80% 的日常任务，Sonnet 或国产模型完全能搞定。
- 术业有专攻：前端切图用豆包，读巨型文档用 Kimi，全栈重构用 Codex，对症下药。
- 多备“平替”：把国产模型设为降级备选（Fallback）。当主模型卡壳或限流时，Agent 依然能自动顶上。
智能体的真正威力，不仅在于聪明，更在于“把对的脑力用在对的地方”。
关注刘贺同学，一起探索 AI Agent 的更多可能，下期见。