我的 AI 模型选型对比
个人使用备忘 · 感受来自日常开发，不一定完全准确
配合《我的AI编程工作流》· 索引见《AI编程-个人文档索引》
最后更新：2026-07-03
一、一句话选型
| 场景 | 我一般用 | 备选 |
|---|---|---|
| 定技术方案 / Grill / PRD | Opus 4.8 | Opus 4.7 |
| 写代码 / Implement | Sonnet 4.6 | Composer 2.5 |
| AI 审查 | Opus 4.8 或 GPT-5.3 Codex | DeepSeek Pro |
| 人工审查 | 我自己 | — |
| 查工单 / 快问快答 | Composer 2.5 | — |
二、总览（我的主观打分）
| 模型 | 费用感知 | 速度感受 | 定方案 | 写代码 | 审查 | 一句话 |
|---|---|---|---|---|---|---|
| Opus 4.8 | 贵 | 慢 | ★★★★★ | 好 | 很好 | 定方案专用，贵但值得 |
| Opus 4.7 | 贵 | 慢 | ★★★★☆ | 好 | 很好 | 和 4.8 日常差不多 |
| Sonnet 5 | 中高 | 偏慢 | 好 | 好 | 好 | 卡在中间，我很少用 |
| Sonnet 4.6 | 中 | 还行 | 够用 | ★★★★★ | 够用 | 写代码主力 |
| GPT-5.3 Codex | 中 | 中 | 一般 | 专精 | 好 | 审查换厂商用 |
| GPT-5.5 | 高 | 中 | 较好 | 好 | 较好 | 用得少 |
| Composer 2.5 | 低 | 快 | 弱 | 快 | 一般 | 查工单、小活 |
| DeepSeek Pro | 极低 | 快 | 弱 | 一般 | 初筛 | 便宜审查，要人工补 |
三、各模型使用感受
Opus 4.8
我怎么用：大需求开 /grill-with-docs、出 PRD、拆 Issues，重要改动的 AI 审查也用它。
我的感受：
- 思考明显慢，转圈时间长，但想的东西确实全——会反问我「验收标准是什么」「这个 Out-of-Scope 要不要排除」，有时候还会帮我把边界想得更清楚
- 贵，是目前账单里最能感觉到花钱的模型，一个 Grill 会话下来用量肉眼可见
- 写具体代码也能写，但拿它 implement 小 Issue 有点浪费，我基本不用它写 CRUD
和 4.7 比：日常短对话体感差别不大（待验证：超长会话 4.8 可能更稳，我还没专门 A/B 测过）
印象：像资深架构师，慢，但适合「先把方向定死」
Opus 4.7
我的感受：
- 和 4.8 用起来感觉差不多，没感到明显「代差」
- 同样慢、同样贵、同样会追问
- 4.8 排队或限额时直接换 4.7，规划质量没觉得掉档
印象：4.8 的平替，够用了
Sonnet 5
我的感受：
- 官方说 speed + intelligence 平衡，但我用起来体感偏慢，没有 4.6 那种「说干就干」的爽感
- 虽然 token 单价在促销，但用量下得很快，怀疑是 thinking 在背后烧（待验证：没试过调低 effort）
- 能力应该比 4.6 强，但对我来说定位尴尬——定方案不如 Opus 深，写代码不如 4.6 听话省心
印象：试了几回就回到 4.6 了，暂时不是主力
Sonnet 4.6
我怎么用：每个 Issue 新开会话 /implement，工作流里 Phase 1 固定用它。
我的感受：
- 非常听话——Issue 和 Acceptance Criteria 写清楚，基本按条做，很少自作主张大改架构
- 速度、费用都在能接受的范围，比 Opus 省很多
- 让它单独做 Grill 或写大 PRD 深度不够，会漏一些边界考量
- 不适合审自己刚写的代码，和 implement 同模型容易「互相放过」
印象：靠谱的执行者，给清楚任务就稳定交付
GPT-5.3 Codex（我用的 Codex）
我怎么用：主要是 换 OpenAI 审 Claude 写的代码，做 AI 审查那道门。
我的感受：
- 看 diff、找规范问题、对照 Issue 检查 够用
- 不太习惯它的输出风格——文字偏短、偏「任务清单」，写技术方案或 PRD 时缺少 Opus 那种「为什么选 A 不选 B」的讨论
- 不是不能用，是 和 Claude 习惯不一样，prompt 要重新适应
- implement 试过几次，能写，但我更信任 4.6 的「听话」
和其他 Codex 型号：具体用的 5.3，5.1/5.2 没仔细对比过（待验证）
印象：适合当「第二双眼」审代码，不适合当「主笔」写方案
GPT-5.5
我的感受：
- 用得不多，偶尔通用任务
- 比 Codex 写文档像样一点，但 定大方案还是 Opus 更顺
- 费用感知比 Codex 高，和 Opus 档接近，所以不常选
印象：有能力的通用模型，但在我工作流里没占到固定位置
Composer 2.5
我怎么用：查 SCM 工单、快速总结、FAQ 类问答；极小改动有时也用它。
我的感受：
- 快，响应几乎不用等
- 便宜，用量几乎无感，适合高频低价值任务
- 写技术方案 深度不够，Grill 级讨论 hold 不住
- 复杂 Issue implement 不如 4.6 稳，有过改着改着偏题的情况（样本不多，待验证）
印象：日常杂活神器，别拿它干重活
DeepSeek Pro（V4-Pro）
我怎么用：审查阶段 省钱初筛——先看一遍 diff，再人工过，重要改动 Opus/Codex 复审。
我的感受：
- 极便宜，审查几轮也不心疼
- 速度 OK，中文业务场景理解还行
- 考虑不够全面——并发、边界 case、顺手改别的文件这类问题，漏过几次（所以必须人工补）
- 不能当最终审查，只能当第一道筛子
印象：便宜的预审员，后面还得我自己签字
四、按工作流怎么用
1 | Phase 0 规划 Opus 4.8（4.7 也行） |
五、我常用的组合
| 组合 | 什么时候用 | 体感 |
|---|---|---|
| Opus 规划 → Sonnet 写 → Opus 审 → 人工 | 大需求、要上心的改动 | 最稳，贵 |
| Opus 规划 → Sonnet 写 → Codex 审 → 人工 | 想和 Claude 实现隔离 | 推荐，审查视角更独立 |
| Opus 规划 → Sonnet 写 → DeepSeek 审 → 人工 | 想省审查 token | 能用，人工得多看两眼 |
| Composer 查工单 | WTGD 排查、FAQ | 快省，够用 |
六、费用 vs 质量（我的体感）
1 | 质量 |
七、快速决策
- 要想清楚再动手 → Opus 4.8
- Issue 明确了开写 → Sonnet 4.6
- 审别人/AI 写的代码 → 换 Opus 或 Codex，最后人工过
- 查工单、小问答 → Composer 2.5
- 审查想省钱 → DeepSeek 初筛，人工不能省
八、备注
- 上面都是 我个人习惯，换项目、换 prompt 可能不一样
- 带「待验证」的是样本少或没系统对比过，大方向应该对
- 模型更新快，这篇不对了随时改
感受会随模型更新变，当个人备忘用。
