4 min read
你是否曾经打开ChatGPT、Claude或Gemini，看到一个满是模型名称的下拉菜单，然后默默地用了那个已经选好的模型？这样的人可不止你一个。大多数独立经营者从来不碰那个菜单。但这个小小的选择会影响你得到的答案质量、回复速度，而且越来越影响你要付多少钱。这份新手指南用通俗的语言解释这些名称的含义，并给你一条简单的选择规则。
首先，什么是“AI模型”？
AI模型就是聊天工具背后的引擎。ChatGPT、Claude和Gemini是你对话的应用；模型则是真正阅读你的消息并写出回复的训练好的系统。如今每家公司都会同时提供好几个模型，就像一家汽车厂商用相似的技术，同时推出城市小车、家用车和跑车。
名称经常变化，这也是让人困惑的原因之一。例如，根据DataCamp对OpenAI最新发布的报道，OpenAI目前的产品线包括一款名为GPT-6 Astra的旗舰模型，以及名为Sol和Luna的低价“兄弟”模型。Anthropic的Claude有Opus、Sonnet和Haiku三个版本。Google的Gemini有Pro和Flash。这些你都不需要记住。你只需要理解背后的规律。
规律：大、中、小
几乎每家AI公司都会把模型大致分成三种规格。这里的“规格”指的是模型在思考你的请求时会动用多少计算能力。
- 大型（旗舰）模型能力最强。它们最擅长复杂推理、长篇文档和有难度的写作。但速度较慢，使用成本也最高。
- 中型模型是日常工作的主力。在大多数业务任务上表现几乎一样好，而且明显更快。
- 小型（快速）模型为速度和低成本而生。它们非常适合简单、重复的工作，但在处理细微差别时可能力不从心。
许多工具还提供“思考”或“推理”模式，模型会在回答前多花些时间，一步一步地把问题想清楚。你可以把它理解为请人把决定放一放、睡一觉再说，而不是当场作答。
为什么这件事现在对你更重要
很长一段时间里，这个选择对独立经营者来说几乎无关紧要。你每月支付固定费用，应用会替你选好模型。但有两件事发生了变化。
第一是价格。运行AI的成本已经大幅下降，我们在为什么AI成本下降比任何新功能都重要一文中讨论过这一点。不过，最大和最小模型之间的价格差距依然很大，你可以在公开价目表上清楚地看到，比如OpenAI的API定价页面，小型模型的价格只是旗舰模型的零头。
第二是用量限制和按量计费方案。如今许多订阅只给你固定额度的顶级模型用量，用完后就会降速或加收费用。每个小问题都用旗舰模型，就会把额度浪费在根本不需要它的任务上。我们关于如何为AI按量计费做好准备的文章更详细地解释了这一转变。
一条简单的规则：按风险大小匹配模型
请记住这条规则：答案出错给你带来的代价越大，你就应该用越大的模型。下面看看它在独立经营者的常见任务中如何应用。
以下任务用小型快速模型
- 修正邮件中的语法和拼写
- 把一条社交媒体帖子改写成三种不同版本
- 总结一篇短文或会议记录
- 对列表进行排序、打标签或整理格式
- 反正你自己也会核实的简单事实提醒
以下任务用日常中型模型
- 起草客户邮件、博客文章和电子通讯
- 撰写产品描述或服务介绍页面
- 为优惠方案、名称或内容创意进行头脑风暴
- 把零散笔记整理成结构清晰的文档
以下任务用大型模型或思考模式
- 审查合同或提案中的风险
- 推敲定价决策或财务方案
- 分析长篇文档、电子表格或一批用户评价
- 规划涉及众多环节的复杂项目
- 任何你通常会花钱请专业人士把关的事情
一个有用的习惯：如果小一点的模型给出的答案不够好，别把提示词反复改写五遍。换大一号的模型，问一次就好。
本周的第一步
开始时你不需要任何新工具。在你已经在用的AI应用里试试这个小实验。
- 找到模型菜单。在大多数应用中，它位于聊天窗口顶部或消息输入框旁边。看看你的套餐里有哪些可用。
- 挑一项你每周都在做的真实任务，比如给客户写一份进度更新。
- 用你能用的最小模型和最大模型分别运行同一个提示词。把两份答案并排比较。
- 诚实地问问自己：大模型的答案好到足以抵消额外的等待时间（在某些套餐中还有额外费用）吗？
很多人惊讶地发现，对于日常任务，快速模型完全够用。另一些人则发现，由于默认设置的是小型模型，他们的重要工作一直只得到二流的答案。无论哪种情况，从现在开始你都会有意识地做出选择。
给新手的温馨提醒
- 更大不等于正确。即使是最好的模型，也可能信心满满地说出错误的事实。凡是涉及法律、财务或医疗的问题，请把答案当作交给专业人士审阅的初稿，而不是最终结论。
- 更新的不一定更适合你。模型被替换后，新模型的写作风格可能会略有不同。如果更新后某些事情不再好用，只要应用允许，切换回去完全没问题。
- 不要追逐每一次新发布。模型名称每隔几个月就会变一次。但大、中、小的规律不会变。
如果你对AI完全陌生，觉得这些内容还是太多，可以先看看我们的指南：独自经营时最先交给AI的三项工作，等你准备好进一步精调时再回来看这篇。
试试上面的实验，然后在评论区告诉我们：哪项任务最让你意外，是小模型就绰绰有余的那项，还是只有大模型才做对的那项？
