
【选择 AI 模型:多样选择与潜在问题】
2026 年 8 月 12 日,与 OpenRouter 建立合作关系后,带来两项新功能。其一,通过 AI Gateway,项目可使用 OpenRouter 上的任何模型,为 Web 应用终端用户提供更多基于 AI 推理功能的模型选择,满足不同任务和预算需求;其二,扩展了可通过 Agent Runners 使用的前沿编码模型选择范围,新增 Kimi K3、GLM 5.2 和 DeepSeek V4 等开源模型,所有人均可使用。Agent Runners 内部运行完整编码代理,目前支持 Claude Agent、OpenAI Codex 和 Gemini CLI,并针对提供商模型优化。为驱动新模型,添加了 OpenCode 作为新代理选择。然而,选择增多也带来问题:如何知道哪个模型适合自己?会不会错过效果更好、更具成本效益的模型?人们普遍有“错失恐惧症”。
【测试内容与用例设置】
Netlify 内部使用开源工具 AXIS 自动评估模型,为其提供构建新网站并迭代的提示等各种测试用例,定义检查内容和评分标准,主要关注生成网站的正确功能而非设计。若模型测试得分低,不会在 Agent Runners 中提供;若模型存在应用技能问题或积分成本过高,会优化技能。此次测试想提供更实用信息,即不同模型构建梦想项目、积分消耗差异大时的结果及呈现样子。测试了三个相对简单用例:本地咖啡店网站,初始为简单静态网站,后续添加座位预订选项;简单待办事项 Web 应用,多用户可查看和添加任务,需共享数据库,后续支持项目上传可选照片;“我能做什么菜”Web 应用,用户输入食材,应用用 AI 推荐食谱,检查是否正确使用 AI Gateway。所有模型在 Netlify 上用默认设置运行,目前默认低工作量运行 GPT 5.6 Sol,提供比 Opus 更经济选择且结果不错,工作量设置由用户控制,默认设置可能随时间变化。本文仅介绍第一个场景,后续文章关注更复杂用例。
【场景 #1:本地咖啡店测试】
第一个提示是为社区咖啡店构建单页网站,包含营业时间、地址、简短菜单和一张照片,且内容除非编辑否则不变,此提示表明无需复杂内容管理系统,默认技能含 UI 设计指导。揭晓网站外观前,有表格比较各模型积分使用情况,各模型运行三次。积分分布差异大,Claude Opus 平均积分因一次高消耗被拉高(提醒:免费计划 300 积分,个人计划 1000 积分,专业计划 3000 积分,专业计划额外积分包每 1500 积分 10 美元)。由此产生问题:Opus 高消耗是否值得?其他模型优缺点如何?
【各模型表现分析】
Claude Opus 5:消耗 1055 积分那次生成的页面视觉设计和自定义地图有细节,暗模式可用,但设计风格有时尚但老套问题。另外两次运行结果也不错,矢量图形制作接近大语言模型能力前沿,但 Opus 常过度消耗积分,不过结果好坏无保证。Claude Sonnet 5:平均消耗 143 积分,结果有不错细节但较少,矢量图形简单,不太适合实际网站。GPT 5.6 Sol(低工作量):平均 141 积分,在该场景中,OpenAI 顶级模型低工作量模式下基本设计直觉优于 Anthropic 中级模型,内容丰富,无奇怪矢量形状,但图片普通。GPT 5.6 Terra:平均 39 积分,与从 Anthropic 的 Opus 切换到 Sonnet 不同,Terra 有不同视觉风格但不一定更差,内容更简单,有视觉瑕疵但不严重。若对项目设计和风格想法模糊,可倾向用 Opus 5 和 GPT 5.6 Terra 运行提示获不同方案。Gemini(3.6 Flash 和 3.1 Pro):两个模型非同一代,Gemini 3.6 Flash 结果更好,消耗积分也更多。Gemini 3.1 Pro 平均消耗 53 积分,完成提示要求但无亮点;Gemini 3.6 Flash 平均消耗 103 积分,内容更丰富,但重复内容较多。Kimi(K3 和 K2.7 Code):先看 Kimi K3,平均 102 积分,结果……(原文此处未完整呈现 Kimi K3 结果描述)
248



被折叠的 条评论
为什么被折叠?



