D4 | 模型选型指南：什么时候用 GPT-4o、Claude 3.5、DeepSeek？

文章目录

• D4 | 模型选型指南：什么时候用 GPT-4o、Claude 3.5、DeepSeek？
• • 写在前面
  • 一、6 大模型 × 6 维度对比
  • • 1.1 6 维度评估框架
    • 1.2 6 大模型总览表
    • 1.3 关键指标怎么算
  • 二、10 个真实业务场景的选型推荐
  • • 2.1 场景 1：客服机器人
    • 2.2 场景 2：代码生成 / Code Review
    • 2.3 场景 3：长文分析（>100K Token）
    • 2.4 场景 4：中文创作（公众号、文案、营销）
    • 2.5 场景 5：多模态（图像/视频理解）
    • 2.6 场景 6：翻译（中英、英中等）
    • 2.7 场景 7：数据抽取（结构化输出）
    • 2.8 场景 8：数学/逻辑推理
    • 2.9 场景 9：实时对话（低延迟）
    • 2.10 场景 10：大规模生产（成本敏感）
    • 2.11 场景速查表
  • 三、自建评测体系（5 步）
  • • 3.1 第 1 步：建评测集
    • 3.2 第 2 步：选评估指标
    • 3.3 第 3 步：批量跑对比
    • 3.4 第 4 步：算总账
    • 3.5 第 5 步：选型决策
  • 四、4 个常见坑（避坑指南）
  • • 坑 1：Token 化差异导致\”看起来便宜其实贵\”
    • 坑 2：长 Context 性能衰减
    • 坑 3：API 频繁限流
    • 坑 4：中文能力被高估
  • 五、这一篇的小结
  • • 5.1 6 个 Key Takeaway
    • 5.2 速查表（建议打印贴墙）
    • 5.3 思考题
  • 下篇预告

D4 | 模型选型指南：什么时候用 GPT-4o、Claude 3.5、DeepSeek？

写给\”已经在用 LLM，但不知道怎么选\”的你

本文是《60 天 AI 全栈转型：传统开发者的大模型工程师之路》S1 第 4 篇 配套代码仓库：https://gitcode.com/road-emblem/60-days-ai-stack

写在前面

D3 我们讲了 6 大 LLM 厂商的 API 怎么调——但会调不等于会选。

真实生产环境里，你迟早会面对这些问题：

• “客服机器人用哪个模型？”
• “代码生成 GPT-4o 还是 Claude？”
• “中文创作用通义还是 DeepSeek？”
• “这个月账单超出预算 3 倍，谁的锅？”
• “为什么大家都在用的模型，到我这里效果就差？”

D4 的目标：给你一套可复用的模型选型方法论。

这一篇你会拿到：

• 6 大模型 × 6 维度的深度对比表
• 10 个真实业务场景的选型推荐
• 5 步自建评测体系——不靠宣传靠实测