AI 工具的选型文章有个通病：拿一张跑分表，按分数从高到低排一排，然后说「第一梯队选 A，性价比选 B」。这种排名三个月就过期，而且和大多数人真正要做的事没什么关系——你打开一个对话框，是为了把手里那件具体的事做完，不是因为它在某个榜单上排第几。

这篇换个写法：不排座次，按你要做的事来分场景，每个场景说清楚该打开哪一个、为什么，以及它的短板在哪。文中所有版本与规格类信息均为 2026-10-15 当日检索核实，但模型迭代以周计，用之前请以各家官网的当前版本为准。

先分清两件事：模型能力和产品形态

大多数人把「AI 工具好不好用」归因到模型强弱，其实一半的体验差异来自产品形态。同一个底座模型，在网页版、手机 App、API、编辑器插件里的表现可以差出一大截：

  • 网页版通常挂了联网搜索、文件上传、超长上下文，但会限速、会在高峰期排队。
  • API不受界面限制，可你写提示词的自由度、上下文怎么拼、要不要开思维链，全得自己管。
  • 编辑器集成（比如把模型接进代码编辑器）走的是另一条链路，模型往往是量化过的版本，速度优先。

所以「同一个模型，我为什么感觉没那么强」通常不是错觉。挑工具时，先确认你用的是哪个入口，再谈模型。

场景一：写代码

这个场景的分水岭是开源权重。闭源模型的上限仍然更高，但开源权重意味着你能自托管、能用第三方 API 按量买、能塞进自己的流水线，成本差一个数量级。

  • DeepSeek：V3.2 是 671B 总参 / 约 37B 激活的 MoE，MIT 协议放开权重，上下文 128K–164K（不同变体不同）。它的「思考模式」会先推理再动笔，处理算法类怪 bug 和多步逻辑时优势明显。缺点也清楚：全量自托管需要多张 A100/H100 级别的卡，个人基本只能走 API。
  • 通义千问：Qwen3-Coder 系列是目前开源权重里跑分最靠前的一支。480B-A35B 版本在 SWE-bench Verified 上约 70%，和闭源中档模型咬得住，Apache 2.0 商用无限制——但本地跑要 250GB 左右内存，属于工作站/机房级。真正能落地的是 30B-A3B 版本：3B 激活参数，24GB 显存或 32GB 统一内存就能跑起来，日常写函数、重构、补测试完全够用。
  • 智谱清言：GLM-4.6 走的路线和上面两家不同——它很早就被接进了代码编辑器的生态（Claude Code、Cline、Roo Code 这类工具在早期就支持它），所以如果你习惯「在编辑器里让 AI 改文件」这套工作流，它是改动最少的选择。规格上 200K 上下文、128K 最大输出、MIT 权重。厂商公布的 74 轮真实代码任务测试里它排在 Sonnet 4 之上——这是厂商口径，看看就好。
  • Kimi：K2 系列是 1T 总参 / 32B 激活，上下文 256K 起（部分版本到 262K），协议是带条件的 Modified MIT——只有月活过一亿或年收入过两千万美元才需要署名。它主打的是长程、多文件的连续改动：让模型自己规划、连续改好几个文件、跑测试、出错后自己回头修，这种几十步的任务它比较稳。

怎么选：本地能跑就 30B 级的 Qwen，要便宜走 DeepSeek API，改文件为主挂 GLM，一次性大重构丢给 Kimi。这几家没有谁能通吃，装两个换着用是最省事的做法。

场景二：读长文档

长文档（合同、论文、几百页的规范、一整个代码仓库）考验的不是聪明程度，而是上下文长度和检索质量。

  • Kimi 在这个场景上是差异化最明确的一个：上下文 256K 到 262K，加上联网搜索，处理长报告、论文、合同的体验是别家给不了的。
  • 通义千问、豆包 都支持文档上传，附带表格提取、图表理解这类工程能力，适合「丢一个表格进来帮我算」的日常活。
  • Claude、ChatGPT、Gemini 三家的长文能力同样在第一梯队，但国内访问需要自行解决网络问题，这一点在选型时是硬约束，不是小瑕疵。

这里有个容易踩的坑：上下文长不等于读得准。一份两百页的文档丢进去，模型完全可能忽略了第 30 页那句关键约定。真要严谨，把文档切成章节、逐章提问、让它引用原文位置，比一次性全塞进去可靠得多。

场景三：写文案

中文写文案是国产模型的舒适区，原因是训练语料和审美偏好都更贴。第三方横评里比较一致的口径是：

  • 豆包：字节系产品，写作速度和「像人说话」的程度在同档里靠前，适合高频、轻量的文案产出。
  • DeepSeek：综合分最高、价格最低，需要逻辑论证的长文（分析、方案、说明）比纯创意文案更稳。
  • 智谱清言、通义千问：办公向功能更完整，能直接生成 PPT 大纲、会议纪要这些结构化产出。

写文案这件事，模型的差距其实不如提示词里有没有给足约束。把目标读者、字数控在多少、不许出现哪些词、参考哪一份已有文稿的语感，一次说清，比换来换去试模型有效得多。

场景四：生成视频

这是过去一年变化最快的方向，也是最容易看走眼的：各家宣传的「最长时长」和「最高分辨率」口径互相打架，同一次检索能翻出 15 秒、30 秒、60 秒、120 秒、3 分钟五种说法，分辨率从 720P 到 4K 都有人写。官方与第三方实测口径不一致是常态，选型时别拿单篇文章的数字下结论，去官网看当前套餐里你能实际拿到什么。

两家值得先试的是：

  • 即梦 AI（字节，底层 Seedance 系列）：最实用的不是画质，而是工作流短——生成完直接进剪映改字幕、配音、发布，和抖音生态打通。中文提示词理解好，支持图、文、音、视四类参考混着喂，画面一致性因此比较可控。它宣传度最高的「主体迁移」（一张照片 + 一段视频，把你迁移进视频里做同样的动作和口型）有严格的身份验证限制，不是随手能用。
  • 可灵 AI（快手）：强项在人物动作与物理观感，大幅度动作、打斗、多人镜头不容易出畸形，支持多镜头切换和局部运动区域控制。适合写实向、氛围感短片。代价是高峰期排队、复杂运镜提示词要反复调。

两者的共同短板也一样：免费额度都限当日、产物带水印，长时长和高分辨率要开会员。另外要清醒一点——目前没有能一键输出完整叙事的模型，所谓「AI 短剧」都是分段生成再后期缝合，别被演示片骗了。

场景五：日常问答

日常查东西、翻译、改一段话、解释一个概念，衡量标准只有一个：免费额度够不够你用。

这轮检索里各家口径基本一致的是：DeepSeek 的综合分与价格组合最省心，官方免费额度在国产模型里最宽松，网页端功能墙也少；豆包 的 C 端产品打磨得最圆滑，免费层够日常用。如果是零成本试水，从这两个里挑一个开始就行，不用为了「选对」纠结太久——切换成本几乎为零。

一条比选型更重要的规则

这几家都在做同一件让你省事的事：把历史对话、上传的文件、写过的提示词存在账号里，下次接着用。这很方便，也意味着你喂进去的东西留在了别人的服务器上。

一条够用的朴素规则：客户资料、未公开的合同与代码、包含个人身份信息的材料，不要贴进公共对话窗口；确实需要处理，就用 API 走企业通道，或者用开源权重在本机跑。前面提到的那几个 MIT / Apache 权重模型，存在的意义之一就是让你有这条退路。

本站自己怎么用的

顺带交代一句：这个站上的文章摘要与 AI 审核，走的是智谱的 GLM（智谱清言，同一家的开放平台）。选它的理由不是跑分，而是三点实际的：国内直连不用折腾网络、开放平台有稳定可用的接口和缓存、按量计费便宜到可以忽略。

这也是整理这份导航的一个态度——工具是自己天天在用的才敢往这里放。上面十家里，常用的那几家都是这个站上真实在跑的东西。