OpenCode 模型指南

August 22, 2026 · View on GitHub

English | 中文

OpenCode Go 和 Zen 模型的综合指南，包括能力、成本和路由建议。

来源： OpenCode Go 文档 | OpenCode Zen 文档

快速成本对比

💰 注重成本的路由很重要！ Qwen3.5 Plus 让你用 $12 获得 10,200 次请求，而 GLM-5.1 只有 880 次 —— 同样的预算少了 11.6 倍 的请求。

注意： 下表中的“每 $12 请求数”为近似估算，仅用于横向比较：它并非来自机器可读的价目表， 模型目录中也不包含费率数据。相对排序有意义，绝对数值仅供参考。制定预算前请查询提供商的最新定价。

模型提供商每 $12 请求数 (5小时)成本效率质量
Qwen3.5 PlusGo10,200★★★★★★★☆☆☆
MiniMax M2.5Go6,300★★★★★★★☆☆☆
Qwen3.7 PlusGo4,300★★★★★★★★☆☆
MiniMax M2.7Go3,400★★★★☆★★★☆☆
MiniMax M3Go3,200★★★★☆★★★☆☆
Qwen3.6 PlusGo3,300★★★★☆★★★☆☆
MiMo-V2.5Go2,150★★★☆☆★★★☆☆
MiMo-V2.5-ProGo1,290★★☆☆☆★★★★☆
Kimi K2.5Go1,850★★☆☆☆★★★★☆
Kimi K2.6Go1,850★★☆☆☆★★★★★
Kimi K2.7 CodeGo1,350★☆☆☆☆★★★★★
Kimi K3Go$3/$15 每 1M☆☆☆☆☆★★★★★
GLM-5Go1,150★☆☆☆☆★★★★☆
GLM-5.1Go880☆☆☆☆☆★★★★★
GLM-5.2Go880☆☆☆☆☆★★★★★
Qwen3.7 MaxGo950☆☆☆☆☆★★★★☆

提供商

OpenCode Go (opencode-go)

  • 订阅制（$5/月，之后 $10/月）
  • OpenAI Chat Completions 和 Anthropic Messages 端点
  • 最适合：大多数用例，性价比高的模型

OpenCode Zen (opencode-zen)

  • 按使用量付费
  • 额外端点格式：Responses (GPT)、Gemini
  • 最适合：GPT 模型、Gemini 模型、高级 Anthropic 模型

AWS Bedrock (aws-bedrock)

  • 在 AWS Bedrock Mantle 上托管的模型
  • 支持 OpenAI Chat Completions（默认）和 Anthropic Messages 格式
  • 为 Claude 和其他 Anthropic 原生模型设置 wire_format: "anthropic"
  • 最适合：部署在自己 AWS 基础设施上的模型

OpenRouter 模型

OpenRouter 通过单一 API 端点提供对 100+ 个模型的统一访问，这些模型来自多个提供商。你不需要为每个提供商分别管理 API 密钥和端点，只需一次集成即可访问 OpenAI、Anthropic、Google、Meta、Mistral 等众多提供商的模型。

主要优势

优势说明
统一 API所有模型共用一个与 OpenAI 兼容的 Chat Completions 端点
100+ 个模型访问 20+ 个提供商的模型，无需分别集成
动态目录目录更新后，新模型自动可用
按量付费按 token 计价，无需订阅
智能路由模型不可用时自动降级到其他提供商
成本优化路由到最便宜或最快的可用提供商

模型命名约定

OpenRouter 使用 provider/model-name 格式，同时标识原始提供商和具体模型：

格式示例说明
openai/gpt-4oopenai/gpt-4o通过 OpenAI 提供的 GPT-4o
openai/gpt-4o-miniopenai/gpt-4o-mini通过 OpenAI 提供的 GPT-4o Mini
anthropic/claude-3.5-sonnetanthropic/claude-3.5-sonnet通过 Anthropic 提供的 Claude 3.5 Sonnet
anthropic/claude-3-opusanthropic/claude-3-opus通过 Anthropic 提供的 Claude 3 Opus
google/gemini-2.5-progoogle/gemini-2.5-pro通过 Google 提供的 Gemini 2.5 Pro
google/gemini-2.0-flashgoogle/gemini-2.0-flash通过 Google 提供的 Gemini 2.0 Flash
meta-llama/llama-3.3-70bmeta-llama/llama-3.3-70b通过 Meta 提供的 Llama 3.3 70B
mistral/mistral-largemistral/mistral-large通过 Mistral AI 提供的 Mistral Large
x-ai/grok-2x-ai/grok-2通过 xAI 提供的 Grok 2
deepseek/deepseek-chatdeepseek/deepseek-chat通过 DeepSeek 提供的 DeepSeek V3

热门 OpenRouter 模型

模型提供商上下文窗口输入成本（$/M）输出成本（$/M）最适合
Claude 3.5 SonnetAnthropic200K$3.00$15.00复杂推理、编码、分析
Claude 3 OpusAnthropic200K$15.00$75.00最高质量、困难任务
GPT-4oOpenAI128K$2.50$10.00通用用途、视觉任务
GPT-4o MiniOpenAI128K$0.15$0.60经济高效、大批量
Gemini 2.5 ProGoogle1M$1.25$10.00长上下文、编码、推理
Gemini 2.0 FlashGoogle1M$0.10$0.40快速响应、成本效率
Llama 3.3 70BMeta128K$0.12$0.30开源、可定制
Llama 3.1 405BMeta128K$0.80$1.60开源、高质量
Mistral LargeMistral128K$2.00$6.00欧洲提供商、符合 GDPR
Grok 2xAI128K$2.00$10.00实时知识、幽默
DeepSeek V3DeepSeek64K$0.07$1.10成本效率、编码
DeepSeek R1DeepSeek64K$0.55$2.19推理、思维链

发现可用模型

在此浏览完整模型目录：https://openrouter.ai/models

目录包含每个模型的详细信息：

  • 价格：每百万 token 的输入和输出成本
  • 上下文窗口：模型可处理的最大 token 数
  • 工具调用：模型是否支持函数调用
  • 视觉：模型是否支持图像输入
  • 提供商路由：每个模型的可用提供商

你也可以通过 OpenRouter API 以编程方式获取可用模型：

curl https://openrouter.ai/api/v1/models \
  -H "Authorization: Bearer $OPENROUTER_API_KEY"

配置 OpenRouter 模型

将 OpenRouter 模型添加到你的 routatic-proxy 配置中：

{
  "models": {
    "default": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3.5-sonnet",
      "temperature": 0.7,
      "max_tokens": 4096
    },
    "background": {
      "provider": "openrouter",
      "model_id": "openai/gpt-4o-mini",
      "temperature": 0.5,
      "max_tokens": 2048
    },
    "complex": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3-opus",
      "temperature": 0.7,
      "max_tokens": 8192
    },
    "long_context": {
      "provider": "openrouter",
      "model_id": "google/gemini-2.5-pro",
      "temperature": 0.7,
      "max_tokens": 8192
    }
  }
}

与基于成本的路由集成

设置 cost_routing.enabled 后，选择器会自动按成本对模型排序，并应用你的路由偏好：

{
  "cost_routing": {
    "enabled": true,
    "prefer_providers": ["opencode-go", "openrouter"],
    "penalty_per_provider": {
      "openrouter": 0.05
    },
    "max_context_window": 200000
  }
}

成本路由与 OpenRouter 的配合方式：

  • 模型按输入 + 输出费率之和排序
  • 提供商惩罚会调整实际成本（例如 openrouter: 0.05 增加 5%）
  • max_context_window 会过滤掉无法处理你请求规模的模型
  • prefer_providers 与场景偏好取交集，得出最终选择

可用的模型类别

类别提供商示例模型
OpenAIOpenAI、AzureGPT-4o、GPT-4o Mini、GPT-4 Turbo
AnthropicAnthropic、AWSClaude 3 Opus、Claude 3.5 Sonnet、Claude 3 Haiku
GoogleGoogleGemini 2.5 Pro、Gemini 2.0 Flash、Gemini 1.5 Pro
MetaMeta、Together、FireworksLlama 3.3 70B、Llama 3.1 405B、Llama 3.1 70B
MistralMistral AIMistral Large、Mistral Medium、Mistral Small
xAIxAIGrok 2、Grok Beta
DeepSeekDeepSeekDeepSeek V3、DeepSeek R1
专用多家Qwen、Command R+、Perplexity 等许多模型

配置示例

注重预算的方案

大多数任务使用较便宜的模型，仅在必要时使用昂贵模型：

{
  "models": {
    "background": {
      "provider": "openrouter",
      "model_id": "openai/gpt-4o-mini"
    },
    "default": {
      "provider": "openrouter",
      "model_id": "deepseek/deepseek-chat"
    },
    "complex": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3.5-sonnet"
    }
  }
}

质量优先的方案

为关键任务优先保证质量：

{
  "models": {
    "default": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3.5-sonnet"
    },
    "complex": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3-opus"
    },
    "long_context": {
      "provider": "openrouter",
      "model_id": "google/gemini-2.5-pro"
    }
  }
}

多提供商降级

将请求分散到多个提供商以提高可靠性：

{
  "models": {
    "default": {
      "provider": "openrouter",
      "model_id": "openai/gpt-4o"
    },
    "fallback": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3.5-sonnet"
    }
  },
  "fallbacks": {
    "default": [
      { "model_id": "openai/gpt-4o" },
      { "model_id": "anthropic/claude-3.5-sonnet" },
      { "model_id": "google/gemini-2.5-pro" }
    ]
  }
}

OpenRouter 专有特性

提供商路由偏好

指定特定提供商或启用自动降级：

{
  "model_overrides": {
    "claude-sonnet": {
      "provider": "openrouter",
      "model_id": "anthropic/claude-3.5-sonnet",
      "temperature": 0.7,
      "max_tokens": 4096,
      "extra_body": {
        "provider": {
          "order": ["Anthropic", "AWS"],
          "allow_fallbacks": true
        }
      }
    }
  }
}

路由选项：

  • order：要尝试的提供商优先级列表
  • allow_fallbacks：主提供商不可用时是否尝试其他提供商
  • ignore：从路由中排除的提供商

OpenRouter 模型目录的工作方式

OpenRouter 模型通过目录系统动态解析：

  1. 目录位置： ~/.config/routatic-proxy/catalog/catalog.json
  2. 解析方式： 模型以 provider/model-name 作为键（例如 openai/gpt-4o、anthropic/claude-3.5-sonnet）
  3. 动态加载： 目录更新后新模型自动可用 —— 无需修改代码

从目录解析模型

目录系统从键前缀中提取提供商：

{
  "providers": {
    "openrouter": {
      "name": "OpenRouter",
      "base_url": "https://openrouter.ai/api/v1",
      "enabled": true
    }
  },
  "models": {
    "openrouter/anthropic/claude-3.5-sonnet": {
      "id": "openrouter/anthropic/claude-3.5-sonnet",
      "name": "Claude 3.5 Sonnet",
      "limit": { "context": 200000 },
      "rates": { "input": 3.0, "output": 15.0 },
      "tool_call": true,
      "modalities": { "input": ["text", "image"], "output": ["text"] },
      "reasoning": false
    }
  }
}
  • ResolvedModel.ModelID：不含提供商前缀的模型名称（anthropic/claude-3.5-sonnet）
  • ResolvedModel.CanonicalName：完整键（openrouter/anthropic/claude-3.5-sonnet）

优势总结

  1. 访问 100+ 个模型： 一个 API 密钥即可使用 OpenAI、Anthropic、Google、Meta、Mistral 等
  2. 统一 API： 所有模型都使用与 OpenAI 兼容的 Chat Completions 格式
  3. 自动降级： 模型不可用时内置降级到其他提供商
  4. 成本优化： 按 token 计价，并可通过路由偏好提升成本效率
  5. 无供应商锁定： 只需更改模型 ID 即可切换提供商

重要：API 端点

⚠️ 关键： 不是所有模型都使用相同的 API 端点！routatic-proxy 自动处理这个问题，但你应该了解：

OpenCode Go 端点

模型端点格式
GLM-5, GLM-5.1, GLM-5.2, Kimi K2.5, Kimi K2.6, Kimi K2.7 Code, Kimi K3, MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek V4 Pro, DeepSeek V4 Flashhttps://opencode.ai/zen/go/v1/chat/completionsOpenAI 兼容
MiniMax M2.5, MiniMax M2.7, MiniMax M3, Qwen3.5 Plus, Qwen3.6 Plus, Qwen3.7 Plus, Qwen3.7 Maxhttps://opencode.ai/zen/go/v1/messagesAnthropic 兼容

OpenCode Zen 端点

模型端点格式
MiniMax M2.5, MiniMax M2.7, MiniMax M3, GLM-5, GLM-5.1, GLM-5.2, Kimi K2.5, Kimi K2.6, Kimi K2.7 Code, Kimi K3, DeepSeek V4 Pro, DeepSeek V4 Flash, DeepSeek V4 Flash Free, Grok Build 0.1, Big Pickle, MiMo-V2.5 Free, North Mini Code Free, Nemotron 3 Ultra Freehttps://opencode.ai/zen/v1/chat/completionsOpenAI 兼容
Claude 模型（claude-fable-5, claude-opus-4-8, claude-opus-4-7, claude-opus-4-6, claude-opus-4-5, claude-opus-4-1, claude-sonnet-4-6, claude-sonnet-4-5, claude-sonnet-4, claude-haiku-4-5, claude-3-5-haiku），Qwen 模型（qwen3.5-plus, qwen3.6-plus, qwen3.7-plus, qwen3.7-max）https://opencode.ai/zen/v1/messagesAnthropic 兼容
GPT 模型（gpt-5.5, gpt-5.5-pro, gpt-5.5-mini, gpt-5.5-nano, gpt-5.4, gpt-5.4-pro, gpt-5.4-mini, gpt-5.4-nano, gpt-5.3-codex, gpt-5.3-codex-spark, gpt-5.2, gpt-5.2-codex, gpt-5.1, gpt-5.1-codex, gpt-5.1-codex-max, gpt-5.1-codex-mini, gpt-5, gpt-5-codex, gpt-5-nano）https://opencode.ai/zen/v1/responsesOpenAI Responses
Gemini 模型（gemini-3.5-flash, gemini-3.1-pro, gemini-3-flash）https://opencode.ai/zen/v1/models/{id}Google Gemini

为什么这很重要： 在 Go 提供商上，MiniMax 和 Qwen 模型原生使用 Anthropic 格式。在 Zen 上，只有 Claude 和 Qwen 使用 Anthropic 端点 —— MiniMax 使用 chat completions。routatic-proxy 自动处理所有路由。

使用 OpenCode Zen

要使用 Zen 模型，在模型配置中设置 "provider": "opencode-zen"：

{
  "models": {
    "default": {
      "provider": "opencode-zen",
      "model_id": "kimi-k2.6",
      "temperature": 0.7,
      "max_tokens": 4096
    }
  }
}

Zen 专用模型（共 50+ 个）

所有 OpenCode Go 模型也可在 Zen 上使用。Zen 还额外提供：

  • Claude 模型（Anthropic 端点）： claude-fable-5, claude-opus-4-8, claude-opus-4-7, claude-opus-4-6, claude-opus-4-5, claude-opus-4-1, claude-sonnet-4-6, claude-sonnet-4-5, claude-sonnet-4, claude-haiku-4-5, claude-3-5-haiku
  • GPT 模型（Responses 端点）： gpt-5.5, gpt-5.5-pro, gpt-5.5-mini, gpt-5.5-nano, gpt-5.4, gpt-5.4-pro, gpt-5.4-mini, gpt-5.4-nano, gpt-5.3-codex, gpt-5.3-codex-spark, gpt-5.2, gpt-5.2-codex, gpt-5.1, gpt-5.1-codex, gpt-5.1-codex-max, gpt-5.1-codex-mini, gpt-5, gpt-5-codex, gpt-5-nano
  • Gemini 模型（Gemini 端点）： gemini-3.5-flash, gemini-3.1-pro, gemini-3-flash
  • 免费层（chat completions）： deepseek-v4-flash-free, big-pickle, mimo-v2.5-free, north-mini-code-free, nemotron-3-ultra-free

已弃用的 Zen 模型

以下模型已弃用，将被移除：

模型弃用日期替代模型
GPT 5.2 Codex2026年7月23日GPT 5.3 Codex
GPT 5.1 Codex2026年7月23日GPT 5.3 Codex
GPT 5.1 Codex Max2026年7月23日GPT 5.3 Codex
GPT 5.1 Codex Mini2026年7月23日GPT 5.3 Codex Spark
GPT 5 Codex2026年7月23日GPT 5.3 Codex
Claude Sonnet 42026年6月15日Claude Sonnet 4.5/4.6
GLM 52026年5月14日GLM 5.1/5.2
MiniMax M2.12026年3月15日MiniMax M2.5/M2.7/M3
GLM 4.72026年3月15日GLM 5/5.1/5.2
GLM 4.62026年3月15日GLM 5/5.1/5.2
Gemini 3 Pro2026年3月9日Gemini 3.1 Pro
Kimi K2 Thinking2026年3月6日Kimi K2.5/K2.6/K2.7 Code
Kimi K22026年3月6日Kimi K2.5/K2.6/K2.7 Code
Claude Haiku 3.52026年2月16日Claude Haiku 4.5
Qwen3 Coder 480B2026年2月6日Qwen3.7 Plus/Max

DeepSeek V4 Pro 和 Flash 在 Go 和 Zen 提供商上都是 OpenAI 兼容的。DeepSeek V4 Flash Free 是免费的 Zen 变体。routatic-proxy 将 Claude Code 的 Anthropic 请求转换为 OpenAI Chat Completions 格式，包括工具、工具结果、思考历史、reasoning_effort 和 thinking。

对于 Claude Code 和 OpenCode 风格的代理工作流，DeepSeek V4 支持最大思考模式：

{
  "model_id": "deepseek-v4-pro",
  "reasoning_effort": "max",
  "thinking": {
    "type": "enabled"
  }
}

使用 deepseek-v4-pro 用于默认、复杂、思考和长上下文路由。使用 deepseek-v4-flash 用于快速、后台或子代理风格的工作负载。

要通过 Zen（免费层）而不是 Go（付费）路由 DeepSeek V4 Pro，添加一个 model_overrides 条目：

{
  "model_overrides": {
    "deepseek-v4-pro": {
      "provider": "opencode-zen",
      "model_id": "deepseek-v4-pro",
      "temperature": 0.7,
      "max_tokens": 8192,
      "reasoning_effort": "max",
      "thinking": {
        "type": "enabled"
      }
    }
  }
}

注重成本的路由策略

默认便宜，必要时升级

大多数请求应该使用便宜的模型。 只有在以下情况才升级到昂贵模型：

  1. 任务复杂度要求（多步推理、架构）
  2. 你尝试过便宜模型但失败了
  3. 代码质量至关重要（生产代码审查）

推荐路由

{
  "models": {
    "background": {
      // 简单操作
      "model_id": "qwen3.5-plus",
      "max_tokens": 2048
    },
    "default": {
      // 更好质量，中等成本
      "model_id": "kimi-k2.6",
      "max_tokens": 4096
    },
    "long_context": {
      // 仅大文件 —— 需要 1M 上下文的模型
      "model_id": "minimax-m3",
      "context_threshold": 100000
    },
    "think": {
      // 推理任务
      "model_id": "glm-5",
      "max_tokens": 8192
    },
    "complex": {
      // 仅复杂架构
      "model_id": "glm-5.1",
      "max_tokens": 4096
    },
    "fast": {
      // 流式请求（优先 TTFT）
      "model_id": "qwen3.6-plus",
      "max_tokens": 4096
    }
  }
}

决策树

上下文是否 > 100K tokens？（默认阈值，可通过 context_threshold 配置）
├── 是 → 使用 MiniMax M3（1M 上下文，3,200 请求/\$12）
│
是否是复杂任务（架构、重构、工具操作）？
├── 是 → 使用 GLM-5.1（880 请求/\$12）
│
是否是推理/规划任务？
├── 是 → 使用 GLM-5（1,150 请求/\$12）
│
是否是简单后台任务（读文件、grep、列目录、无工具）？
├── 是 → 使用 Qwen3.5 Plus（10,200 请求/\$12）
│
默认 → 使用 Kimi K2.6（1,850 请求/\$12，★★★★★）或 Qwen3.6 Plus（3,300 请求/\$12）

详细模型简介

性价比之王 💰

Qwen3.5 Plus —— 工作马

  • 模型 ID： qwen3.5-plus
  • 成本： 每 $12 10,200 次请求（最佳性价比！）
  • 上下文： ~1M tokens
  • 质量： ★★☆☆☆（适合简单任务）
  • 模态： 文本和图像输入
  • 最适合：
    • 文件读取操作
    • 目录列表
    • Grep/搜索
    • 简单问题
    • 批量操作
    • 后台任务
  • 何时使用： 当你需要大量操作且成本低廉时

MiniMax M2.5 —— 最便宜的 200K 级模型

  • 模型 ID： minimax-m2.5
  • 端点： Anthropic 兼容（Go 上 /v1/messages），OpenAI 兼容（Zen 上 /chat/completions）
  • 成本： 每 $12 6,300 次请求
  • 上下文： ~200K tokens
  • 最大输出： 4K tokens
  • 质量： ★★☆☆☆（可接受）
  • 速度： 快
  • 最适合：
    • 仍能放入 200K 的大文件
    • 预算紧张时的长对话
    • 多文件上下文
  • 何时使用： 当 200K 上下文足够且成本优先时。真正的长上下文（>100K，最高 1M）请改用 MiniMax M3。
  • 注意： 在 Go 上使用 Anthropic 端点，但在 Zen 上使用 chat completions —— routatic-proxy 会自动处理

MiniMax M3 —— 最新 MiniMax，1M 上下文

  • 模型 ID： minimax-m3
  • 端点： Anthropic 兼容（Go 上 /v1/messages），OpenAI 兼容（Zen 上 /chat/completions）
  • 成本： 每 $12 3,200 次请求
  • 上下文： ~1M tokens
  • 最大输出： 128K tokens
  • 质量： ★★★☆☆
  • 最适合：
    • 长上下文任务（推荐的 long_context 模型）
    • 大型代码库分析
    • 文档处理
  • 何时使用： 只要请求超过长上下文阈值就用它 —— M2.5 上限为 200K，M3 可达 1M

平衡模型（质量 + 成本）

DeepSeek V4 Pro —— 代理编码 + 最大思考

  • 模型 ID： deepseek-v4-pro

  • 端点： OpenAI 兼容（/chat/completions）

  • 上下文： ~1M tokens

  • 质量： ★★★★★

  • 提供商： Go（付费）或 Zen（免费层）

  • 最适合：

    • Claude Code 代理工作流
    • 复杂实现和调试
    • 架构和重构
    • 长上下文编码任务
    • 最大思考模式

  • 推荐配置（Go）：

    {
  "provider": "opencode-go",
  "model_id": "deepseek-v4-pro",
  "temperature": 0.1,
  "max_tokens": 8192,
  "reasoning_effort": "max",
  "thinking": {
    "type": "enabled"
  }
}

  • 推荐配置（Zen 免费层）：

    {
  "provider": "opencode-zen",
  "model_id": "deepseek-v4-pro",
  "temperature": 0.1,
  "max_tokens": 8192,
  "reasoning_effort": "max",
  "thinking": {
    "type": "enabled"
  }
}

DeepSeek V4 Flash —— 快速代理工作负载

  • 模型 ID： deepseek-v4-flash

  • 端点： OpenAI 兼容（/chat/completions）

  • 上下文： ~1M tokens

  • 质量： ★★★★☆

  • 最适合：

    • 快速路由
    • 后台任务
    • 子代理风格工作
    • DeepSeek V4 Pro 的降级备选

  • 推荐配置：

    {
  "provider": "opencode-go",
  "model_id": "deepseek-v4-flash",
  "temperature": 0.1,
  "max_tokens": 4096,
  "reasoning_effort": "max",
  "thinking": {
    "type": "enabled"
  }
}

Qwen3.6 Plus —— 经济高效的通用编码 ⭐ 推荐默认

  • 模型 ID： qwen3.6-plus
  • 端点： Anthropic 兼容（/v1/messages —— Go），Anthropic 兼容（/v1/messages —— Zen）
  • 成本： 每 $12 3,300 次请求（比 GLM-5.1 多 3.8 倍！）
  • 上下文： ~1M tokens
  • 质量： ★★★☆☆（对大多数任务足够好）
  • 模态： 文本和图像输入
  • 速度： 快
  • 最适合：
    • 通用编码（默认选择）
    • 功能实现
    • Bug 修复
    • 重构
  • 何时使用： 注重成本用户的默认选择

Qwen3.7 Plus / Max —— 见下方“高级模型”章节。

Kimi K2.6 —— 平衡成本下的最佳质量

  • 模型 ID： kimi-k2.6
  • 成本： 每 $12 ~1,850 次请求
  • 上下文： ~256K tokens（K2.5 的后继版本，有多项改进）
  • 质量： ★★★★★（优秀 —— 后继版本的改进）
  • 模态： 文本和图像输入
  • 速度： 快
  • 最适合：
    • 复杂编码任务
    • 代码审查
    • 架构讨论
    • 通用默认（最佳质量成本比）
  • 何时使用： 默认选择 —— 比 K2.5 更好的质量，成本相近

Kimi K2.5 —— 质量 + 合理成本（前代）

  • 模型 ID： kimi-k2.5
  • 成本： 每 $12 1,850 次请求
  • 上下文： ~256K tokens（是大多数模型的两倍）
  • 质量： ★★★★☆（优秀）
  • 模态： 文本和图像输入
  • 速度： 快
  • 最适合：
    • 复杂编码任务
    • 代码审查
    • 架构讨论
    • 当你需要比预算模型更好的质量时
  • 何时使用： 当质量比最大成本节省更重要时

高级模型（谨慎使用！）

GLM-5 —— 推理专家

  • 模型 ID： glm-5
  • 成本： 每 $12 1,150 次请求（比 Qwen3.5 Plus 贵 9 倍！）
  • 上下文： ~200K tokens
  • 质量： ★★★★☆（优秀）
  • 最适合：
    • 多步推理
    • 复杂规划
    • 算法设计
    • 困难调试
  • 何时使用： 当需要推理/规划且预算模型失败时

GLM-5.1 —— 最高质量

  • 模型 ID： glm-5.1
  • 成本： 每 $12 880 次请求（比 Qwen3.5 Plus 贵 11.6 倍！）
  • 上下文： ~200K tokens
  • 质量： ★★★★★（最佳）
  • 速度： 中等
  • 最适合：
    • 关键架构决策
    • 复杂多文件重构
    • 生产代码审查
    • 当你需要绝对最佳质量时
  • 何时使用： 只有当便宜模型无法处理任务时

GLM-5.2 —— 最新高级模型

  • 模型 ID： glm-5.2
  • 成本： 每 $12 880 次请求（与 GLM-5.1 相同）
  • 上下文： ~200K tokens
  • 质量： ★★★★★（最佳）
  • 速度： 中等
  • 最适合：
    • 相比 5.1 有改进的最新 GLM 模型
    • 关键架构决策
    • 复杂多文件重构
    • 生产代码审查
  • 何时使用： 使用此模型替代 GLM-5.1 以获得最新改进

Kimi K3 —— 最新 Kimi 旗舰

  • 模型 ID： kimi-k3
  • 提供商： OpenCode Go（上游为 Moonshot AI）
  • 端点： OpenAI 兼容（/v1/chat/completions）
  • 上下文： 1M tokens
  • 质量： ★★★★★
  • 最大输出： 131K tokens
  • 模态： 文本、图像和视频输入
  • 成本： 每 1M 输入 tokens $3.00 · 每 1M 输出 tokens $15.00
  • 发布时间： 2026 年 7 月
  • 最适合：
    • 最新一代代码生成和代理式工具调用
    • 长上下文工作（1M 窗口）和超长输出
    • 多模态任务（图像/视频输入）
  • 何时使用： 当你想使用最新一代 Kimi 时；降级顺序为 Kimi K2.7 Code，然后 Kimi K2.6

Kimi K2.7 Code —— 代码专家

  • 模型 ID： kimi-k2.7-code
  • 成本： 每 $12 1,350 次请求
  • 上下文： ~256K tokens
  • 质量： ★★★★★（代码任务优秀）
  • 最大输出： 32K tokens（最高可用！）
  • 模态： 文本和图像输入
  • 速度： 快
  • 最适合：
    • 大型代码生成任务
    • 需要长输出的复杂重构
    • 详细反馈的代码审查
    • 当你需要最高输出 token 上限时
  • 何时使用： 当你需要高质量和超长输出（最多 32K）时

Qwen3.7 Plus —— 升级版通用编码

  • 模型 ID： qwen3.7-plus
  • 端点： Anthropic 兼容（/v1/messages）
  • 成本： 每 $12 4,300 次请求
  • 上下文： ~1M tokens
  • 质量： ★★★★☆
  • 模态： 文本和图像输入
  • 速度： 快
  • 最适合：
    • 比 Qwen3.6 质量更好的通用编码
    • 功能实现
    • Bug 修复
  • 何时使用： 当你想要比 Qwen3.6 更好的质量且速度相近时

Qwen3.7 Max —— 最大质量 Qwen

  • 模型 ID： qwen3.7-max
  • 端点： Anthropic 兼容（/v1/messages）
  • 成本： 每 $12 950 次请求
  • 上下文： ~1M tokens
  • 质量： ★★★★☆
  • 模态： 文本和图像输入
  • 最适合：
    • 复杂编码任务
    • 当 Qwen3.7 Plus 不够时
  • 何时使用： 当你需要 Qwen 的最佳质量时

使用限制

OpenCode Go 限制：

  • 5 小时限制： $12 使用量
  • 每周限制： $30 使用量
  • 每月限制： $60 使用量

成本比较示例

场景： 你本月想发起 5,000 次请求。

模型成本能做到吗？
Qwen3.5 Plus~$6✅ 可以，轻松
MiniMax M2.5~$10✅ 可以
Qwen3.6 Plus~$18✅ 可以
Kimi K2.5~$32❌ 超过 $30 每周
GLM-5~$52❌ 超过限制
GLM-5.1~$68❌ 超过限制

优化你的使用

策略 1：分层方法

1. 从 Qwen3.6 Plus 开始（便宜，质量好）
2. 如果失败，尝试 Kimi K2.5（质量更好）
3. 如果仍然失败，使用 GLM-5（推理）
4. 仅用于关键任务：GLM-5.1（高级）

策略 2：基于任务的选择

后台操作（grep、ls、cat）→ Qwen3.5 Plus
通用编码 → Qwen3.6 Plus 或 Kimi K2.5
复杂功能 → Kimi K2.5
架构/规划 → GLM-5
关键审查 → GLM-5.1（很少）

成本效率降级链

{
  "fallbacks": {
    "background": [
      { "model_id": "qwen3.6-plus" },
      { "model_id": "minimax-m2.5" }
    ],
    "long_context": [
      { "provider": "opencode-go", "model_id": "qwen3.7-plus" },
      { "provider": "opencode-go", "model_id": "qwen3.7-max" },
      { "provider": "opencode-zen", "model_id": "nemotron-3-ultra-free" },
      { "provider": "opencode-zen", "model_id": "mimo-v2.5-free" },
      { "provider": "opencode-zen", "model_id": "deepseek-v4-flash-free" }
    ],
    "default": [{ "model_id": "mimo-v2.5-pro" }, { "model_id": "qwen3.6-plus" }],
    "think": [{ "model_id": "kimi-k2.6" }],
    "complex": [{ "model_id": "glm-5" }],
    "fast": [{ "model_id": "qwen3.5-plus" }, { "model_id": "minimax-m2.5" }]
  }
}

经验法则： 如果任务用便宜模型就能成功，就不需要昂贵的模型。仅在必要时降级到昂贵模型。

快速参考

任务类型推荐成本（请求/$12）降级
读文件、ls、grepQwen3.5 Plus10,200Qwen3.6 Plus
通用编码Qwen3.7 Plus4,300Qwen3.6 Plus
复杂功能Kimi K2.61,850MiMo-V2.5-Pro
长上下文（>100K）MiniMax M33,200Qwen3.7 Plus
推理/规划GLM-51,150Kimi K2.6
关键架构GLM-5.2880GLM-5.1
代码专家Kimi K2.7 Code1,350Kimi K2.6
批量操作Qwen3.5 Plus10,200MiniMax M2.5

省钱技巧

  1. 将 Qwen3.6 Plus 作为默认 — 3,300 请求/$12 对大多数任务足够
  2. 仅在关键任务使用 GLM-5.1 — 880 请求/$12 快速消耗预算
  3. 简单操作使用 Qwen3.5 Plus — 10,200 请求/$12 无敌
  4. 长上下文使用 MiniMax M3 — 3,200 请求/$12 加 1M 窗口；只要能放进 200K 窗口，MiniMax M2.5 仍是每 $12 6,300 次请求的预算之选
  5. 非关键任务使用 Zen 免费层模型 — Nemotron 3 Ultra Free、MiMo V2.5 Free、DeepSeek V4 Flash Free、Big Pickle 等模型在促销有效期内成本为 $0
  6. 在 OpenCode 控制台 监控使用量

另请参阅