OpenAI 模型选择

模型可用性、工具、推理设置和用量限制会随产品及模型版本而不同。先确定使用的是 API、Codex 还是 ChatGPT，再检查相应产品中的模型访问条件。API 模型目录与Codex 模型说明分别介绍对应产品的可用模型。

为工作流选择模型

根据实际工作和任务选择起点，再通过实验确认。模型定位能帮助缩小范围，但不能替代自己的质量与费用评测。

何时考虑 GPT-6.1 Terra

GPT-6.1 Terra 适合根据给定材料撰写简洁内容、执行目标明确的计算机操作，以及修复范围清楚的代码问题。提供清晰的输入与要求，并提前确定验证方法，例如检查保存后的记录或运行回归测试。

使用同一组输入和相同的推理力度比较 Terra 与 Sol。写作任务除了准确度和篇幅，还要看语气是否合适、内容是否切合受众、细节是否有用；计算机操作则应检查实际保存结果是否与完成报告一致。

<a id="when-to-consider-gpt-61-sol"></a>

何时考虑 GPT-6.1 Sol

复杂项目同时关注成本时，可考虑 GPT-6.1 Sol。例如，根据财务结果制作董事会演示文稿，或根据产品需求说明构建网站。使用同一任务比较 Sol 与 Astra，观察质量与成本的取舍。

GPT-6.1 Sol 模型页提供 API 规格和价格；通过 ChatGPT 订阅访问时，查看Codex 与 ChatGPT Work 的可用性。

理解模型与推理力度

Luna 侧重成本效率，Astra 侧重最高能力。若成本与延迟不是主要约束，可从 Astra 开始；需要降低费用或等待时间时，则同时选择模型和推理力度。

通过实验确定设置

这些建议只是起点。判断模型和设置是否适合自己的工作流，需要比较真实输入和实际结果。可先回答以下问题：

• 执行频率有多高？ 经常运行的自动化会更快累积用量与费用，偶发项目的取舍可能不同。
• 多久需要得到结果？ 用户正在等待的交互任务，可能比夜间运行的任务更需要快速响应。
• 怎样使用输出？ 供自己审核的草稿，通常不需要达到对外交付成品同样的润色程度。
• 质量有多重要？ 根据用途和行业，可能需要优先考虑较强模型，以满足质量要求。

尽可能使用相同输入比较模型及推理设置，保留能够满足质量门槛的最轻量设置。