BigAI Pro

主题

国产模型使用指南 ​

中文优化，本土首选

更新于 2025 年 12 月

模型概览 ​

厂商模型系列特点适用场景
阿里云Qwen3 (通义千问3)开源旗舰，中文最强通用任务、代码
DeepSeekDeepSeek-R1, V3推理顶尖，性价比极高推理、代码
智谱GLM-4 Plus推理能力强复杂任务
月之暗面Moonshot超长上下文文档处理
字节跳动豆包多模态创意内容

通义千问 Qwen3 ⭐ ​

模型列表 ​

# Qwen3 系列 (2025年最新)
qwen3-235b          # 旗舰版 (235B 参数，22B 激活)
qwen3-32b           # 专业版
qwen3-14b           # 标准版
qwen3-8b            # 轻量版
qwen3-4b            # 极速版

# 特殊版本
qwen3-235b-instruct-2507  # 最新指令优化版
qwen3-thinking      # 思考版本

核心特性 ​

  • 开源旗舰: Apache 2.0 许可，完全开源
  • 中文最强: 中文理解和生成能力顶尖
  • 131K 上下文: 处理长文档
  • MoE 架构: 235B 参数，仅 22B 激活，高效推理
  • 媲美顶尖: 与 DeepSeek-R1、o1、Grok-3 竞争

基础调用 ​

python
from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxxxxx",
    base_url="https://api.bigaipro.com/v1"
)

response = client.chat.completions.create(
    model="qwen3-235b",
    messages=[
        {"role": "system", "content": "你是一个专业的中文助手"},
        {"role": "user", "content": "请用文言文写一首关于人工智能的诗"}
    ],
    max_tokens=2000
)

print(response.choices[0].message.content)

代码生成 ​

python
response = client.chat.completions.create(
    model="qwen3-235b",
    messages=[
        {
            "role": "system",
            "content": "你是一位资深的软件工程师，擅长编写高质量代码"
        },
        {
            "role": "user",
            "content": "用 Python 实现一个高性能的异步爬虫框架"
        }
    ],
    max_tokens=4096
)

定价 ​

模型输入 ($/1M tokens)输出 ($/1M tokens)
qwen3-235b$0.60$1.20
qwen3-32b$0.30$0.60
qwen3-14b$0.15$0.30
qwen3-8b$0.08$0.16

💡 Qwen3-235B 价格不到同级闭源模型的 1/10

DeepSeek ⭐ ​

模型列表 ​

# DeepSeek-R1 系列 (推理模型)
deepseek-r1         # 推理旗舰，媲美 o1
deepseek-r1-0528    # 最新版本，推理增强

# DeepSeek-V3 系列
deepseek-v3         # 对话模型 (671B 参数)
deepseek-chat       # 通用对话
deepseek-coder      # 代码专用

核心特性 ​

  • 推理顶尖: DeepSeek-R1 媲美 OpenAI o1
  • 性价比极高: 价格仅为 GPT-4 的 1/100
  • 开源友好: 模型开源，社区活跃
  • 代码能力强: 编程任务表现优异

DeepSeek-R1 使用 ​

python
response = client.chat.completions.create(
    model="deepseek-r1",
    messages=[
        {"role": "user", "content": "证明：对于任意正整数 n，n³ - n 能被 6 整除"}
    ]
)

DeepSeek-R1-0528 ​

最新版本，推理能力大幅提升：

python
response = client.chat.completions.create(
    model="deepseek-r1-0528",
    messages=[
        {"role": "user", "content": "设计一个分布式一致性算法"}
    ]
)

代码生成 ​

python
response = client.chat.completions.create(
    model="deepseek-coder",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的程序员，擅长编写高质量代码"
        },
        {
            "role": "user",
            "content": "用 Rust 实现一个高性能的 HTTP 服务器"
        }
    ],
    max_tokens=4096
)

定价 ​

模型输入 ($/1M tokens)输出 ($/1M tokens)
deepseek-r1$0.55$2.19
deepseek-v3$0.27$1.10
deepseek-chat$0.14$0.28
deepseek-coder$0.14$0.28

💡 DeepSeek 是目前性价比最高的模型之一

智谱 GLM-4 ​

模型列表 ​

glm-4-plus          # 增强版
glm-4               # 标准版
glm-4-flash         # 快速版
glm-4v              # 视觉版

基础调用 ​

python
response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {"role": "user", "content": "分析中国经济发展的主要趋势"}
    ]
)

特点 ​

  • 推理能力强: 逻辑推理和数学能力优秀
  • 知识丰富: 中文知识库完善
  • 对话自然: 中文表达流畅

月之暗面 Moonshot ​

模型列表 ​

moonshot-v1-8k      # 8K 上下文
moonshot-v1-32k     # 32K 上下文
moonshot-v1-128k    # 128K 上下文

基础调用 ​

python
response = client.chat.completions.create(
    model="moonshot-v1-128k",
    messages=[
        {"role": "user", "content": "总结这篇长文档的要点..."}
    ]
)

特点 ​

  • 超长上下文: 最高支持 128K
  • 文档处理: 适合长文档分析
  • 中文优化: 中文理解能力强

模型对比 ​

能力对比 ​

能力Qwen3-235BDeepSeek-R1GLM-4 Plus
中文理解⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
代码能力⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
推理能力⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
长上下文⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
性价比⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐

价格对比 ​

模型输入 ($/1M)输出 ($/1M)性价比
qwen3-235b$0.60$1.20⭐⭐⭐⭐⭐
deepseek-r1$0.55$2.19⭐⭐⭐⭐⭐
deepseek-chat$0.14$0.28⭐⭐⭐⭐⭐
glm-4-plus$1.50$5.00⭐⭐⭐⭐

选择建议 ​

场景推荐模型原因
中文写作qwen3-235b中文表达最自然
代码开发deepseek-coder代码能力强，价格低
复杂推理deepseek-r1推理能力媲美 o1
长文档moonshot-v1-128k超长上下文
知识问答glm-4-plus知识库丰富
高性价比deepseek-chat价格最低
开源部署qwen3-235bApache 2.0 许可

最佳实践 ​

1. 中文 Prompt 优化 ​

python
response = client.chat.completions.create(
    model="qwen3-235b",
    messages=[
        {
            "role": "system",
            "content": """你是一位资深的中文编辑。

写作要求：
1. 语言流畅自然，符合中文表达习惯
2. 适当使用成语和修辞手法
3. 段落结构清晰，逻辑严密
4. 避免翻译腔和生硬表达"""
        },
        {"role": "user", "content": "写一篇关于科技创新的文章"}
    ]
)

2. 专业领域应用 ​

python
# 法律文书
response = client.chat.completions.create(
    model="glm-4-plus",
    messages=[
        {
            "role": "system",
            "content": "你是一位专业的法律顾问，熟悉中国法律法规"
        },
        {"role": "user", "content": "分析这份合同的法律风险..."}
    ]
)

# 技术分析
response = client.chat.completions.create(
    model="deepseek-r1",
    messages=[
        {
            "role": "system",
            "content": "你是一位资深的技术架构师"
        },
        {"role": "user", "content": "设计一个高可用的微服务架构"}
    ]
)

3. 多模型协作 ​

python
def smart_route(task_type, content):
    """根据任务类型选择最优模型"""
    model_map = {
        "code": "deepseek-coder",
        "reasoning": "deepseek-r1",
        "writing": "qwen3-235b",
        "analysis": "glm-4-plus",
        "long_doc": "moonshot-v1-128k",
        "quick": "deepseek-chat"
    }
    
    return client.chat.completions.create(
        model=model_map.get(task_type, "qwen3-235b"),
        messages=[{"role": "user", "content": content}]
    )

下一步 ​

国产大模型，中文更懂你

BigAI Pro - 让 AI 触手可及

Copyright © 2025 BigAI Pro