你刚开始用WorkBuddy的时候，是不是也这样：打开设置，模型那一栏，看半天，不知道选哪个，最后默默选了"自动"？

我一开始也这样。结果就是：写个简单的东西，用上了最贵的模型，积分哗哗没；碰到真要深度思考的任务，自动模式又给个轻量模型，答出来的东西差一口气。

后来我把WorkBuddy里主流的几个模型挨个实测了一遍，发现一件事：选模型根本不玄乎，就是按场景选。 这篇文章不整虚的，参数、价格、实测结论全给你，最后给一套照着抄的配置。

先看5个模型的硬数据。下面所有数字，都是2026年8月11日公开信息。

先把这5个模型认个脸

下面按场景逐个拆。每个场景先讲清楚"这个场景到底考模型的什么"，再给结论。

一、写文章

写文章考模型什么？三件事：出稿速度、中文语感、改写稳定性。注意，不考深度推理——你不需要模型证明黎曼猜想，你需要它把话说顺。

但写文章是高频场景，一篇3000字的文章，来回改几十次，每次都是一次调用。这时候成本差就被放大了。

首选：混元 Hy3。 硬数据说话：它激活参数只有21B（总参数295B），MoE结构决定每次调用便宜——输入1元/输出4元每百万token，比Kimi K3便宜20倍。256K上下文对写作绰绰有余。而且它在WorkBuddy里的实测数据是任务解决率90%、首Token延迟降54%——这是自家产品里的真实表现，不是刷榜。

什么时候切旗舰？ 写3000字以上、结构要严的深度长文。这时候把Kimi K3或GLM 5.2切过来立框架、理长段落。它们的SWE-bench Pro跑分（GLM-5.2 62.1%，开源最高）说明长任务执行稳，不容易写到一半跑偏。写完切回Hy3润色。

一句话总结：写文章考"快和省"，Hy3性价比封顶；长文才值得切GLM/Kimi。

二、写深度研究报告

写研报考模型什么？三件事：长上下文、结构化输出、深度推理不糊弄。上下文是硬门槛——材料塞不进去，再聪明也没用。

你用自动模式，大概率得到一个"差不多"的报告：结构是那么个结构，但深度不够，关键环节糊弄过去。自动模式不懂"研报"意味着什么。

首选：Kimi K3。 2.8万亿参数，全球最大开源模型，1M上下文。参数大带来的直接好处是能吃进几万字的年报，长程任务跑得稳。它在Code Arena前端榜单1679分登顶——这是百万级用户盲测的结果，不是厂商自评。

次选：GLM 5.2。 1M上下文是"工程可用"级别，实测一轮连续任务能处理88万token不掉链子。SWE-bench Pro 62.1%是开源最高，FrontierSWE跟Claude Opus 4.8只差1%。写研报要读大量材料时，它的大上下文能一次吞完，不用你分段喂。

预算敏感怎么办？ 用DeepSeek V4 Flash-0731跑初稿。它便宜，但质量不拉胯——Terminal-Bench 2.1得分82.7，反超自家1.6万亿参数的Pro预览版（72.1）。初稿让Flash跑，最后用Kimi K3或GLM收尾。

一句话总结：深度研报=长上下文+稳推理，Kimi K3和GLM 5.2是唯二正解。

三、搭建分析团队

搭建多AI团队（素材员、主笔、审核员分工协作）考模型什么？就一个字：省。

为什么？多模型协作，一次任务要调用好多次——10个子任务就是10次调用，积分消耗是单任务的几倍。全程用旗舰，一篇研报下来积分见底。

首选：DeepSeek V4 Flash-0731。 输入1元/输出2元每百万token，比Kimi K3便宜20倍。更关键的是质量不降：Agent能力是后训练出来的，不是参数堆出来的——Flash-0731在Terminal-Bench 2.1拿82.7，比自家Pro预览版还高10分。这意味着你开10个子任务，花的是别人开1个的钱，活干得还不差。

什么时候上旗舰？ 团队里"终审""质控"这种最后把关的角色。把关的环节用最好的（GLM 5.2或Kimi K3），跑腿的环节全用Flash。这叫把钱花在刀刃上。

一句话总结：搭建团队，跑腿的全用Flash，把关的切旗舰——成本降一个数量级。

四、日常问答和快查

查资料、问问题、翻译句话，考模型什么？速度、稳定性、便宜。深度推理用不上。

就用混元 Hy3。 快、省、稳，WorkBuddy默认就是它。别在这上面浪费旗舰模型，杀鸡不用牛刀。

一句话总结：日常问答Hy3就够了，别让Kimi K3陪你聊闲天。

五、长文档处理

读几十页合同、几百页研报，考模型什么？上下文够不够大，以及上下文是不是真的能用。

这里有个坑：很多模型标1M上下文，实际500K以后就开始劣化。能吞百万级上下文且真的能用的就三家：Kimi K3、GLM 5.2、DeepSeek V4 Flash。

求稳：GLM 5.2。 它的1M是"工程可用"级别——上面说过，实测88万token连续处理不掉链子。

求便宜：DeepSeek V4 Flash。 一样能吞1M，价格便宜一大截。

一句话总结：读长文档，求稳选GLM 5.2，求省选Flash。

那"自动"到底能不能用？

能用，但要会用。

自动模式的本意是帮你判断任务复杂度、分配合适的模型。但它的判断是通用的，不懂你的场景——不知道你是在写文章还是在写研报。它给你的永远是个"中间值"，而中间值往往两头不讨好：简单任务它可能给贵模型，复杂任务它可能给轻模型。

我的建议：

- 刚上手、不确定任务类型：先用自动探路，看效果和消耗

- 任务类型一确认：立刻切手动，按上面的结论选

- 重要任务：别用自动，直接上最合适的模型

说到底，自动是个"保底"，不是"最优"。

现在就能用的配置清单

照着抄就行：

一句话总结全文

写文章Hy3、写研报Kimi/GLM、搭团队Flash、硬核推理等Pro——16个字，积分省一半。

模型更新快，但"按场景选模型"这个思路不会过时。记住一条：干什么活儿，想清楚要"快"还是要"深"，然后对应去选，就不会花冤枉积分。

别再一直"自动"下去了。花30秒想一下自己在干嘛，选对模型，你的积分能省一半。

------------------------

> 备注：本文撰写于2026年8月11日。大模型领域版本迭代频繁，文中涉及的模型版本、参数、价格均以撰写当日公开信息为准，实际使用请以各平台实时信息为准。

> 特别说明：文中"DeepSeek V4 Flash"指2026年7月31日正式版公测的DeepSeek-V4-Flash-0731；"DeepSeek V4 Pro"正式版尚未发布，文中相关内容以官方预告为准。