通用大模型，就是用海量跨领域数据训练出来的 “全能型 AI”，能听会读、能写会算、能画图、能做视频，通过提示词（提问）或简单开发就能适配各种工作，是当下各类 AI 应用的底座。
市面上模型几百个，其实只需先按“拿来干什么” 分四类，再看“要不要自己部署”：
| 用途分类 | 干什么 | 代表 | 普通电脑能本地跑吗 |
|---|---|---|---|
| ① 语言 / 文本模型 | 写作、问答、翻译、代码、分析、做表格 | GPT、Claude、Gemini、豆包、DeepSeek、通义、Kimi | 开源小模型可以，旗舰不行 |
| ② 画图 / 图像模型 | 主图、海报、详情页、Logo、改图 | Midjourney、FLUX、Nano Banana、即梦、可图 | 消费级显卡可跑开源版，商用多走云端 |
| ③ 视频模型 | 短视频、广告片、数字人、动画 | Veo、Runway、Seedance、可灵、Vidu、HappyHorse | 基本不能，一律云端 |
| ④ 语音 / 音乐模型 | 配音、播报、语音克隆、会议转写、AI 作曲 | ElevenLabs、豆包语音、讯飞、Suno | 配音多走云端，转写可本地 |
再看开放方式：闭源＝只能在官网 / App 或通过接口（API）调用，模型不在你手里；开源 / 开放权重＝模型文件可下载，能装在自己电脑或服务器上，数据不出门。
（典型案例：MiniMax H3 官方对外称”开源”，实际是开放权重＋自定义社区许可，本地只出 768P、2K 要调云端 API、大企业商用需授权——看到”开源”二字先看许可协议。）
新手记住一句话：先用网页版，要接业务用 API，要保密 / 用量大才考虑自己部署。
一、语言 / 通用大模型（会写、会算、会聊）
（一）海外闭源第一梯队
GPT 系列（OpenAI）
- 代表产品：ChatGPT；GPT-5.6 系列（Sol 旗舰 / Terra 均衡 / Luna 性价比，2026 年 7 月正式版）；旗舰 GPT-6 Astra（2026 年 9 月 3 日发布）。
- 优势：综合能力最均衡，全球开发者和企业生态最完善，复杂任务、智能体（Agent）、代码能力领先。GPT-6 Astra 主打原生 Computer-Use，能直接操控鼠标键盘、操作桌面软件；企业级智能体 ChatGPT Work 已上线。
- 短板：国内无法直连，企业合规落地门槛高；受出口管制，前沿模型对外有限制。
- 怎么用：【网页 / App】ChatGPT；【API】OpenAI 官方（需合规渠道）。
- 注：OpenAI 的视频应用 Sora 已于 2026 年 3 月宣布停运（网页 / App 4 月关闭、API 9 月关闭），战略转向企业级与 “世界模型”。
Claude 系列（Anthropic）
- 代表产品：Claude Opus 5.5（旗舰）、Sonnet 5、Haiku 4.5，以及 Fable 5 / Mythos 5（2026 年 6 月发布）。
- 优势：超长文档处理、指令遵循稳定性强，可动态调节推理强度，长资料分析、工程代码、合同研判口碑极好。
- 短板：视频等多模态能力相对偏弱；国内同样无法直连。
- 怎么用：【网页 / App】claude.ai；【API】Anthropic 官方。
Gemini 系列（Google）
- 代表产品：Gemini 3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyber（2026 年 7 月发布），以及图像模型 Nano Banana Pro。
- 优势：原生一体化多模态，响应速度快、性价比高，在智能体任务、网络安全专项上持续强化，与 Google 全家桶和安卓生态深度整合。
- 短板：通用旗舰能力与 GPT、Claude 顶尖版本仍有差距，高端旗舰多次延期。
- 怎么用：【网页 / App】Gemini；【API】Google AI Studio / Vertex AI。
其他海外选手：xAI Grok（实时信息、直白风格）、OpenAI 之外的多家助手等，本地区日常使用接触较少，从略。
（二）海外开源 / 开放权重第一梯队
Llama 4 系列（Meta）
- 代表版本：Llama 4 Scout（总参 109B、激活 17B，16 个专家，主打约 1000 万 token 超长上下文）、Maverick（总参 400B、激活 17B，128 专家，100 万 token）、Behemoth（约 2T 参数的 “教师模型”，未正式开放）。
- 优势：权重开放、允许商用，社区工具链成熟，适合科研、行业模型定制和私有化部署；超长上下文恰是它的强项。
- 短板：① 它是 “开放权重“而非严格意义开源，Llama 社区许可有月活阈值、要求”Built with Llama”署名等条件；② 2025 年发布时一度陷入” 刷榜 ” 争议；③ 到 2026 年，全球开源衍生模型的最大生态已被中国 Qwen（通义）反超，Llama 不再是 “绝大多数衍生品的底座”；④ Meta 前沿研发已转向闭源，Llama 进入维护期；⑤ 只处理文本和图像输入，不生成视频。
- 怎么用：【开源可本地】官网 llama.meta.com / Hugging Face，配合 Ollama、LM Studio。
Mistral 系列（法国 Mistral AI）
- 代表版本：Mistral Large（旗舰）、Medium/Small，以及与英伟达合作的 Mistral NeMo（12B，Apache 2.0 宽松许可），C 端助手 Le Chat。
- 优势：欧洲标杆，架构轻量高效、推理快、算力成本低，在代码、轻量智能体、边缘设备部署上表现好，开源协议相对宽松。
- 短板：超大旗舰迭代较慢，复杂高阶推理逊于 GPT/Claude，多模态与视频生态不完善。
- 怎么用：【开源可本地】【API】官方平台。
其他值得知道的开放小模型
- Google Gemma：Gemini 同源的开放轻量模型，适合笔记本、手机等端侧设备。
- Microsoft Phi：以 “小参数、强能力” 著称，适合资源受限场景。
- 特别说明：全球下载量、衍生模型数量第一的开源生态如今是中国通义 Qwen（DeepSeek 开源版同样全球热门），它们在下文国内部分介绍，但被全世界开发者当底座使用。
（三）国内合规可商用大模型
选取综合基础能力、C 端体验、B 端落地、私有化与 API 生态。以下各家基本都同时提供【网页 / App】【API】，开源情况单独注明。
表格
| 模型（公司） | 核心优势 | 短板 | 入口 / 能否本地 |
|---|---|---|---|
| 豆包（字节・Seed） | 中文交互、图文与短视频创作体验突出，多模态响应快，用户规模领先，适合新媒体、直播、文创、本地生活 | 超长文档 / 硬核推理略逊 Kimi/DeepSeek，企业私有化方案相对年轻 | 豆包 App、即梦；火山方舟 API |
| 通义千问 Qwen（阿里） | 全球第一的开源生态，依托阿里云，政企 / 制造 / 电商落地多，支持微调和行业定制 | C 端声量不及豆包 / DeepSeek，产品线多、命名变化快，新手易混淆 | 通义 App、阿里云百炼；开源版可本地 |
| DeepSeek（深度求索） | 数学推理、代码国产第一梯队，MoE 架构兼顾性能与成本，开源版可完整私有化，价格极低 | 创意 / 视频多模态弱，官方高峰期可能拥堵，行业交付主要靠生态伙伴 | DeepSeek App / 官网、百炼等；开源版可本地 |
| Kimi（月之暗面） | 超大上下文，长文本、海量资料批量解析强，标书 / 方案 / 资料梳理口碑好 | 网页会员与商用 API 两套定价，企业规模化调用成本偏高，私有化定制有限 | Kimi App、开放平台 API |
| 文心一言（百度・ERNIE） | 商用最早，依托搜索知识库，知识问答、公文写作、政务场景成熟，私有化体系完善，合规配套全 | 开放生态与年轻用户体验不如新锐，版本命名较繁杂 | 文小言 App、百度智能云千帆 |
| 讯飞星火（科大讯飞） | 语音识别 / 合成、实时音视频、数字人行业领先，智慧教育、医疗、会议落地多 | 通用文本 / 代码非第一梯队，强项集中在语音与垂直行业 | 星火 App、讯飞开放平台 |
| 智谱清言（智谱・GLM） | 清华系科研背景，开源体系完善、资源效率高，适配信创环境，政企 / 科研本地化强 | C 端大众知名度低，消费级多模态产品较少 | 智谱清言 App、开放平台；GLM 开源可本地 |
| 腾讯混元（腾讯） | MoE 架构，智能体与办公知识处理增强，依托微信 / 腾讯会议 / 文档生态，数字人、文旅、协同落地多 | 独立品牌入口较弱，多通过腾讯元宝、微信等产品间接使用 | 腾讯元宝、腾讯云；部分版本开放 |
| | MiniMax／海螺（上海稀宇科技） | |语音、数字人口播突出；H3 视频开放权重（有商用门槛） | 文本模型暂不开源；C 端声量偏低 | 海螺 App、MiniMax 开放平台 |
二、AI 画图 / 图像模型（做主图、海报、详情页、Logo）
这是电商、美工、广告最常用的一类，原文缺失，特此补全。做图门槛比视频低很多，多数在网页就能出图，按张计费很便宜（约几分到几毛钱一张）。
（一）海外主流
表格
| 模型 | 最擅长 | 开放方式 / 备注 |
|---|---|---|
| Midjourney（V8/V8.1） | 美学与艺术感天花板，默认出图就好看，角色 / 风格一致性工具成熟 | 闭源订阅制（约 $10–120 / 月，无免费档），通过网页 / Discord 使用 |
| FLUX.2（Black Forest Labs） | 写实摄影、产品图最强，皮肤、布料、光影像专业相机拍的；Pro/Max/Flex 多档 | 部分开放（小版本 Apache 2.0），API 约 $0.04–0.05 / 张，可本地跑开源版 |
| Nano Banana Pro（Google，Gemini 3 Pro Image） | 强推理修图、多图角色 / 产品一致性，能听懂复杂改图指令；Nano Banana 2 性价比高 | 闭源，经 Gemini / 各集成平台调用 |
| GPT Image（OpenAI） | 与 ChatGPT 对话式改图、图文排版综合强 | 闭源，集成在 ChatGPT |
| Ideogram 4.0 | 图内文字、海报排版、带字 Logo 最强 | 闭源订阅 / API |
| Recraft V4 | 矢量图、Logo、品牌 VI、线稿 | 闭源 |
| Adobe Firefly | 内嵌 Photoshop/Illustrator，商用版权最稳妥 | 闭源，随 Adobe 订阅 |
| Stable Diffusion 系 | 开源生态最庞大，插件 / 模型 / ControlNet 丰富，可深度可控、可本地 | 开源免费，但需显卡和学习成本 |
（二）国内主流（合规、中文理解好、电商上手快）
表格
| 模型 / 产品（公司） | 最擅长 | 入口 |
|---|---|---|
| Seedream 5.0 / 即梦（字节） | 国产第一梯队，支持联网参考、多轮对话改图、4K、多图一致性，中文海报和电商素材出图快 | 即梦 App / 网页、火山方舟 API（4.5 约 ￥0.04 / 张） |
| Qwen-Image 2.1（阿里） | 开源图像模型里口碑领先，可本地、可二开 | 开源；通义万相网页版 |
| 通义万相 Wanx（阿里） | 电商商品图、模特换装、风格化，与阿里电商生态结合紧 | 通义 / 百炼 |
| 可图 Kolors（快手） | 人像、国风、写实，开源版本流行 | 可图网页、开源 |
| 混元生图 HunyuanImage 3.0（腾讯） | 综合质量强，开放权重可本地 | 腾讯云、开源 |
选型一句话：要 “好看、有质感” 用 Midjourney；要 “写实产品图” 用 FLUX.2 或 Seedream；要 “图里带准确中文 / 海报字” 用 Ideogram 或即梦；要 “Logo / 矢量” 用 Recraft；要 “版权绝对安全、在 PS 里改” 用 Firefly；要 “免费、保密、可批量二开” 就本地搭 Stable Diffusion / Qwen-Image / 可图开源版。
三、AI 视频生成模型（做短片、广告、数字人）
重要前提：视频模型参数量和算力极大，消费级电脑、单张显卡基本无法本地运行，一律通过网页 / App 或云端 API 使用，按秒计费。 下列榜单为 SuperCLUE 2026 年 4 月中文图生视频（I2V）测评（海外模型仅作对比、不参与正式排名）。
（一）国内主流
核心能力对比
表格
| 模型（公司） | 核心能力 | 擅长场景 | 主要局限 |
|---|---|---|---|
| PixVerse V6（爱诗） | 物理真实性、动漫奇幻，SuperCLUE 76.00 分第一 | 风格化创作、动态流畅、实时交互（R2） | 商业化案例仍在早期 |
| Seedance 2.0（字节） | 多镜头长叙事、音画同步、4K、最多 9 图 + 3 视频 + 3 音频参考 | 电影感短片、角色跨镜头一致、批量生产 | 720p 约 ￥1 / 秒，定价偏高且少打折 |
| Vidu Q3（生数） | 参考生视频、智能分镜、最长 16 秒声画同出、多语种 | 漫剧短剧、多角色连续、二次元 | 现代写实质感略逊头部 |
| 万相 Wan2.6（阿里） | 图生视频扎实、SuperCLUE 70.98 分前列，开源版本生态活跃 | 电商商品视频、开源二开、成本敏感 | 旗舰声量被 HappyHorse 盖过 |
| 海螺 Hailuo 2.3/3.0 （稀宇科技） | 人物表情、口型与情绪自然，海外产品体验成熟 | 数字人口播、情绪戏、出海内容 | 长叙事 / 复杂运镜弱于头部 |
| 可灵 3.0（快手） | 单帧质感强、首尾帧控制、性价比高（约 $0.075 / 秒起） | 中文剧情、人物动作、预算敏感批量生产 | 多镜头长叙事连贯性不足 |
| HappyHorse 1.0（阿里淘天） | 音视频联合生成、浅景深中近景质感强、7 语种口型 | 广告电商、数字人口播、氛围感镜头 | 并非开源（见下）；时长与音频有边界 |
重点型号速览
- Seedance 2.0（字节，综合最全面）：统一音视频联合架构，”全能参考” 输入，角色跨镜头一致性强；已上线即梦、豆包、火山方舟，2026 年央视春晚多个节目用于舞台效果。720p 约 1 元 / 秒，定位高端。
- HappyHorse 1.0（阿里淘天未来生活实验室，15B）：擅长大光圈、浅景深、强氛围感的中近景，2026 年 4 月匿名登顶 Artificial Analysis 文生 / 图生双榜。需特别澄清：它目前是闭源、走 fal.ai 与阿里云百炼 API 调用 —— 官方仅 “承诺” 未来以 Apache 2.0 开放，权重至今并未在 GitHub/HuggingFace 发布，不能自托管。 单条时长以平台当前口径为准（约 3–15 秒）。
- PixVerse V6（爱诗）：SuperCLUE 4 月图生视频总榜第一，物理真实、动漫奇幻领先；技术向 “实时交互虚拟世界” 延伸，R2（2026 年 9 月）支持键盘操控、边生成边改。
- Vidu Q3（生数，”为剧而生”）：参考生视频解决多主体连续一致性，16 秒 1080p 声画同出、多语种、智能分镜；SuperCLUE 参考生视频榜多图参考 70.89 分、单图人物还原 72.43 分均居首。
- 万相 Wan2.6（阿里）：图生视频总分居国产前列并提供开源版本，是电商商品视频和预算敏感型二开的高性价比选择。
- 海螺 Hailuo（MiniMax）：人物表情口型自然、海外口碑好，适合数字人口播与出海短视频。
- 可灵 3.0（快手，性价比路线）：约 $0.075 / 秒起，头部里门槛最低，单帧质感扎实、首尾帧可控；短板是难在 10 秒内讲完完整动作。
选型建议
表格
| 你的需求 | 推荐 |
|---|---|
| 电影感多镜头、角色一致性、春晚级质感 | Seedance 2.0 |
| 广告电商、浅景深中近景、数字人口播 | HappyHorse（云端 API） |
| 风格化 / 动漫奇幻、实时交互玩法 | PixVerse V6 / R2 |
| 漫剧短剧、多角色连续、二次元 | Vidu Q3 |
| 电商商品视频、开源二开、控成本 | 万相 Wan2.6 / 可灵 3.0 |
| 数字人口播、情绪表情、出海 | 海螺 Hailuo |
| 预算最敏感、批量中文剧情 | 可灵 3.0 |
（二）国外主流
表格
| 模型 | 定位与能力 | 价格 / 口径 | 局限 |
|---|---|---|---|
| Veo 3.1（Google，当前主力） | 原生同步音频、首 / 末帧、场景扩充、最多 3 张参考图，与 Gemini/Google Cloud 深度整合；SuperCLUE 海外最佳（70.39，按总分约第五） | 标准档 **$0.40 / 秒 **（720p/1080p 含音频）、4K $0.60；另有 Fast $0.10、Lite $0.05 | 海外定价最高一档；Veo 3.0 已退役 |
| Runway Gen-4.5（2025-12-01 发布） | 专业制作 / 跨镜头一致性，References 锁定角色场景，Director Mode 多镜头、inpainting、motion brush、video-to-video，像 “AI 版剪辑套件”；发布以 1247 Elo 登 Artificial Analysis 榜首 | 订阅 + 积分，含免费试用 | 发布初期无声，原生音频 2026 年中才补齐；2026 年初榜首一度被 Seedance / 可灵超越 |
| Luma Ray3.2（2026-06-09 发布，接棒 Ray3.14） | 逐帧可控：单片段最多 16 关键帧、追踪最多 8 张人脸，原生 1080p 最长 20 秒，原生 16-bit HDR、导出 16-bit EXR（ACES2065-1），可进 DaVinci/Nuke；首个完整开发者 API | 订阅 / API | 文生 / 图生视频无原生音频（仅修改 / 重构时透传）；Ray3.14 是 Ray3 更新版而非 “中端型号”，亦无 10/12-bit HDR 档位 |
| Pika 等 | 创意特效、趣味玩法、动效包装见长，适合社媒短视频 | 订阅 / 积分 | 专业电影级长叙事非其强项 |
| Sora（OpenAI，已停运） | 曾是行业标杆，2026 年 3 月宣布停运、9 月 API 关闭 | — | 已不可用，仅作行业背景了解 |
选型一句话：要 “音画一体、谷歌生态、预算充足” 用 Veo 3.1；要 “导演式精修、专业后期管线” 用 Runway；要 “逐帧关键帧控制、HDR 调色合成” 用 Luma Ray3.2；要 “社媒创意特效” 用 Pika。
四、语音、配音与音乐模型
适合短视频配音、数字人播报、有声书、会议转写、广告配乐、直播话术。
（一）语音合成 / 配音 / 克隆 / 转写
表格
| 产品 | 最擅长 | 入口 |
|---|---|---|
| ElevenLabs（Eleven v3） | 海外 TTS 写实度标杆，29+ 语言，情感、配音、语音克隆、有声书、对口型工具链最全 | 网页 / API（国内需合规渠道） |
| 豆包语音（火山引擎） | 超拟人、低时延实时语音对话（全双工）、声音复刻、Seed-Audio 可一句话生成影视级音效 / 音频，中文自然、价格低 | 豆包 App、火山方舟 API |
| 讯飞星火 / 讯飞开放平台 | 中文语音识别与合成、方言、实时字幕、数字人、会议 / 教育 / 医疗积累最深 | 讯飞听见、开放平台 |
| MiniMax 语音 | 拟人音色、情绪表达、出海语音陪伴（海螺 / Talkie 同源） | 官网 / API |
| 会议转写类 | 飞书妙记、腾讯会议、通义听悟等，直接做实时字幕与纪要 | 各 App |
（二）AI 音乐 / 音效
- Suno（v5.5，2026 年 3 月）：输入一句描述即可生成带人声、伴奏的完整歌曲，广告 BGM、主题曲效率极高（付费档为主）。
- 海绵音乐（字节）：中文 AI 歌曲生成，适合短视频配乐与中文歌词。
- 音效 / 配乐：豆包 Seed-Audio、ElevenLabs Music/Sound Effects 可按描述生成环境音和音效。
五、怎么用？三种方式、怎么调用、需要什么配置
5.1 三条路，绝大多数人只用前两种
表格
| 用法 | 模型在哪 | 门槛 | 花费 | 数据是否出门 | 适合谁 |
|---|---|---|---|---|---|
| ① 网页 / App 直接用 | 厂商云端 | 会上网就行 | 免费额度＋会员 / 积分 | 上传到厂商 | 个人、美工、文案、短视频 |
| ② API 接进自己的系统 | 厂商云端 | 一点开发或零代码工具 | 用多少付多少 | 走接口到厂商 | 企业客服、批量出文案 / 图、知识库 |
| ③ 装自己电脑 / 服务器 | 自己的机器 | 较高，看显卡 | 一次性硬件，之后不按次付费 | 不出门、可断网 | 资料保密、用量很大、需定制 |
一句话选：自己干活用①；接进生意用②；资料不能出门或用量大到不划算才用③。做视频、做高质量配音直接用①②，不要自己买机器跑。
5.2 方式①：网页 / App，零门槛
手机、办公电脑、老电脑都行。国内直接用豆包 / 即梦、通义、DeepSeek、Kimi、文心、星火、智谱、腾讯元宝、可灵、Vidu 等；海外（ChatGPT、Claude、Gemini、Midjourney、Runway、ElevenLabs）国内不能直连，企业走合规渠道。日常需求免费额度基本够，重度用每月几十元会员。
5.3 方式②：API 接入（五步）
API 就是厂商给你一把 “钥匙”，让你自己的网站、表格、客服软件自动调用模型、结果自动回流。
- 注册账号、实名认证；2. 进控制台领免费额度；3. 在 “API Key 管理”建密钥并保密；4. 照 “快速入门” 复制示例代码、填入密钥跑通；5. 再由技术人员接入业务系统。
表格
| 平台 | 主要模型 | 入门福利 |
|---|---|---|
| 阿里云百炼 | 通义、DeepSeek、HappyHorse、万相等 | 新人每款主流模型送 100 万 tokens，合计超 7000 万免费额度 |
| 火山方舟 | 豆包、Seedance、豆包语音 | 注册即用，按量计费 |
| DeepSeek 开放平台 | DeepSeek 系列 | 价格极低 |
| 硅基流动等聚合平台 | 一家平台调多家 | 注册送额度 |
不需要好电脑，普通办公机或最便宜的云服务器即可。不会编程可用扣子 Coze、Dify、百炼应用搭建等零代码工具拖拽搭客服 / 文案机器人，复杂需求找本地软件公司。
5.4 方式③：本地部署，主要看显卡显存
自己装的是开源文本 / 画图模型（Qwen、DeepSeek、GLM、Llama、Stable Diffusion、Qwen-Image 等）。关键看显存（VRAM），不是显卡型号，日常用 4-bit 量化版（画质损失很小）：
表格
| 显卡显存 | 能跑的模型 | 常见显卡（举例） | 体验 |
|---|---|---|---|
| 核显 / 4–6GB | 小模型 | 老显卡、集成显卡 | 能聊天、摘要，偏慢 |
| 8GB | 7B–8B 文本 | RTX 3060 8G、4060 | 个人轻量够用 |
| 12GB（甜点档） | 8B 流畅、13B–14B 可跑，可跑开源画图 | RTX 3060 12G、4070 | 文案、问答、小代码、本地出图舒服 |
| 16GB 及以上（高配 / 企业） | 16G 跑 14B 轻松 / 32B 勉强；24G 跑 32B；40G 以上跑 70B | 4060Ti 16G、RTX 3090/4090（24G）、双卡工作站、高配 Mac | 进阶与企业，普通个人一般用不上 |
- 怎么装：新手用 LM Studio（像应用商店，选模型→下载→直接聊）；长期用 Ollama（一行命令自动下载运行）。
- 能做：内网知识库、保密资料处理、批量文案 / 代码 / 出图、断网使用。视频、顶级旗舰、超大模型别在本地折腾，用云端。
5.5 自己电脑、自购服务器还是云服务器？
- 就一人用：台式机加张 12GB 以上显存显卡即可；
- 多人共用、全天开机、跑 70B：买工作站，或按小时租云 GPU 服务器（不用就关机最省）；
- 政务、财务、客户隐私：内部私有化部署，或用政务云 / 专用云；
- 视频与重多模态：一律云端网页 / API，不必自建。
5.6 最低成本上手路线
- 0 元：先用豆包、DeepSeek、Kimi 网页版＋免费额度跑顺日常；
- 几十元 / 月：开会员，或领百炼 / 火山免费额度后按量付费；
- 自备主机：配一台 12GB 显存以上电脑（如 RTX 3060 12G）本地跑开源模型，资料不出门；
- 企业落地：云服务＋API，或找本地公司做客服 / 知识库，涉密走私有化。
六、一页纸选型速查
表格
| 我要做什么 | 国内首选（合规直接用） | 海外标杆 | 推荐方式 |
|---|---|---|---|
| 日常写作、问答、翻译、总结 | 豆包、DeepSeek、Kimi | ChatGPT、Claude | 网页，免费起步 |
| 长文档 / 标书 / 海量资料 | Kimi、通义 | Claude | 网页 / API |
| 数学、代码、数据分析 | DeepSeek、通义 | GPT、Claude | 网页 / API / 开源本地 |
| 电商主图、海报、详情页 | 即梦 Seedream、通义万相、可图 | Midjourney、FLUX.2、Nano Banana | 网页 / API，按张计费 |
| 海报带字、Logo、矢量 | 即梦 | Ideogram、Recraft、Firefly | 网页 |
| 短视频 / 广告片 / 数字人 | Seedance、可灵、Vidu、HappyHorse、海螺 | Veo 3.1、Runway、Luma | 云端，按秒计费 |
| 漫剧 / 二次元 / 多角色连续 | Vidu、PixVerse | Runway | 云端 |
| 配音、播报、语音克隆 | 豆包语音、讯飞 | ElevenLabs | 网页 / API |
| 会议转写、字幕纪要 | 讯飞听见、飞书妙记、通义听悟 | — | App |
| AI 作曲 / BGM | 海绵音乐 | Suno | 网页 |
| 保密、内网、离线批量 | Qwen/DeepSeek/GLM 开源版 + 本地显卡 | Llama、Mistral、Gemma | 本地 / 服务器部署 |
附录
名词解释（3 分钟看懂）
- 提示词（Prompt）：你给 AI 的指令 / 问题，描述越清楚效果越好。
- token：模型处理文字的计量单位（约等于 “半个到一个汉字”），API 按 token 计费。
- 上下文（Context）：模型一次能 “记住” 和处理的内容长度，越大越能读长文档（如 Llama 4 Scout 约 1000 万 token）。
- 多模态：能同时处理文字、图片、音频、视频。
- MoE（混合专家）：模型由多个 “专家” 子网络组成，每次只激活一部分，用更低成本达到大模型效果（DeepSeek、混元采用）。
- 闭源 / 开源（开放权重）：闭源只能联网用厂商的；开放权重可把模型文件下载到自己机器，但 “开放权重”≠完全开源，需看具体许可（如 Llama 有使用条件）。
- API：应用程序接口，可理解为让你自己的软件调用 AI 的 “插座”，用密钥（API Key）鉴权。
- 量化（如 4-bit/Q4）：压缩模型体积以便在小显存上运行，日常使用画质 / 智力损失很小。
- 显存（VRAM）：显卡自带内存，决定本地能跑多大的模型，比显卡品牌型号更关键。
- 智能体（Agent）/ Computer-Use：能自己规划步骤、调用工具甚至操作电脑软件的 AI。