模型选择指南：内置模型清单、积分倍率与选型建议

WorkBuddy 的模型层对用户是「开箱即用的多模型选择器」：你按任务挑模型，不用管接口、密钥和部署。这个设计的实际价值不只是「选择自由」，更是成本控制——不同模型的积分倍率差别可以到 20 倍以上，选对模型就是省钱。

🖱️入口：怎么切换模型

点击输入栏中的模型名称（如「Auto ▾」）→ 弹出模型选择面板 → 选择目标模型

📋内置模型清单（官方）

下表按官方《选择模型》文档整理。「积分倍率」是模型名称下方标注的消耗倍数，数字越低越省钱：

🏷️能力标签：推理 / 视觉

选模型时最先看的就是这两个标签：

• 推理：支持逻辑推理、任务规划与多步骤执行。凡是「想清楚了再动手」的任务，都要靠它。
• 视觉：支持图片理解。拍照、截图类场景务必选带「视觉」标签的模型——这是官方点名的注意事项。

观察清单会发现：绝大多数模型都同时带「推理 + 视觉」，唯一例外是 GLM-5.1（只有推理）。也就是说，日常几乎不用担心「这个模型能不能看图」。

💰积分倍率：怎么省

积分消耗按倍率计费，数字越低消耗越少。举个直观的比较：倍率 x1.62 的 Kimi-K3 与倍率 x0.06 的 DeepSeek-V4-Flash，成本相差约 27 倍。所以「该用哪个模型」本质上是一道成本题。

🎯按场景选型建议

把官方口径翻译成「干什么用什么」，可以这样记：

🔌需要接第三方 / 自建模型怎么办

这一节是站点实践备注，不是官方文档内容，请知悉：

官方文档描述的模型入口是内置模型选择器，并没有 chatLanguageModels.json 这类配置文件。如果你的诉求确实是「用公司内网网关、或本地 Ollama 的模型」，可行的思路不是改 WorkBuddy 配置文件，而是：

• 在客户端设置里找模型配置入口——不同版本入口位置可能不同，找不到说明当前版本不支持，别硬套配置文件；
• 搭一层 OpenAI 兼容网关（如 LiteLLM 代理），把内网/本地的模型统一暴露成 OpenAI 兼容端点，再交给支持自定义端点的工具使用；
• API Key 的保管原则：如果某条链路要求你填 Key，务必确认密钥只落在本地、不上传云端。这是底线。