PandaNpc kan bruge indbyggede chatmodeller, der leveres af tjenesten, og modeller, der tilsluttes via din egen API-udbyder. Den kan også fjernstyre kodningsmotorer såsom Claude Code, OpenAI Codex og PandaCode. Disse er beslægtede valg, men de kan ikke ombyttes.
Denne side er et øjebliksbillede af det indbyggede modelkatalog pr. 17. august 2026. Modeludbuddet ændrer sig hurtigere end dokumentationen, så modelvælgeren i appen er autoritativ. Den offentlige AI-model leaderboard er det bedste sted at sammenligne aktuelle data om kvalitet, hastighed og pris.
Indbygget modelkatalog
Indbyggede modeller kan vælges uden at indtaste din egen udbydernøgle. Kataloget inkluderer i øjeblikket:
| Udbyderfamilie | Modeller vist i PandaNpc | Godt udgangspunkt for |
|---|---|---|
| OpenAI | GPT-5.6 Sol | Generel ræsonnering, kodning, værktøjsorienterede arbejdsgange |
| Anthropic | Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 | Langtidsræsonnering, kodegennemgang, implementeringsplanlægning |
| Gemini 3.1 Pro | Multimodalt og langt dokumentarbejde | |
| DeepSeek | DeepSeek v4 pro, DeepSeek v4 flash | Ræsonnering eller hurtigere omkostningsfølsomme anmodninger |
| Moonshot AI | Kimi Coding k3, Kimi Coding k3 [1m], Kimi K3 | Kodning og langkontekst-arbejdsgange; [1m]-posten identificerer eksplicit varianten med stort vindue |
| Zhipu AI | GLM-5.2 | Generelle kinesiske og kodningsopgaver |
| Alibaba | Qwen 3.7 Max | Generel ræsonnering, flersproget arbejde og kode |
Navnene i vælgeren identificerer en servicekonfiguration, ikke en permanent ydelsesgaranti. Udbyderne kan revidere underliggende modelversioner, kontekstgrænser, priser, rategrænser eller regional tilgængelighed.
Indbyggede modeller, API-modeller og kodningsmotorer
Vælg det korrekte lag, før du sammenligner navne:
| Lag | Hvor det kører | Godkendelse og fakturering | Typisk anvendelse |
|---|---|---|---|
| Indbygget PandaNpc-model | Gennem PandaNpc-modeltjenesten | Bruger din PandaNpc-adgang og gældende servicekvota | Chat, noter, resumeer og understøttede AI-funktioner |
| Brugerdefineret udbyder-model | Direkte mod den Base URL, du konfigurerer, når det understøttes | Bruger din udbyders API Key og udbyderfakturering | OpenAI-kompatible endepunkter, private gateways, Ollama eller LM Studio |
| Claude Code- eller Codex-motor | På din tilsluttede computer | Bruger konto- eller API-konfigurationen for den lokale CLI | Redigering af repositories, kørsel af kommandoer og agentisk kodning |
| PandaCode-motor | På din tilsluttede computer med en konfigurerbar backend | Bruger den model/udbyder, der er tildelt PandaCode | Claude Code-lignende arbejdsgang på DeepSeek, Qwen, private gateways og andre understøttede API'er |
At vælge GPT-5.6 Sol i en chat ændrer ikke modellen, der bruges af en Codex-proces, der allerede kører på din maskine. Tilsvarende giver deling af en Claude Code-forbindelse ikke en separat kvota for indbyggede chatmodeller. Se PandaPaw-forbindelsesreferencen for, hvordan lokale kodningsmotorer udstilles eksternt.
Sådan vælger du en model
Start med opgaven i stedet for mærkenavnet:
- Repository-skala kodning: brug Claude Code, Codex eller PandaCode, når opgaven kræver filer, shell-kommandoer, test og værktøjsgodkendelser. Vælg motorens model baseret på repositoryet og budgettet.
- Kompleks ræsonnering eller gennemgang: start med en flagskibs- eller "pro"-model som GPT-5.6 Sol, Claude Opus 4.8, Claude Sonnet 5, Gemini 3.1 Pro eller DeepSeek v4 pro, og sammenlign derefter faktiske resultater på din prompt.
- Hurtig iteration: en "flash"-konfiguration som DeepSeek v4 flash kan passe bedre til klassificering, omskrivning, udtrækning og gentagne små kald.
- Meget lang input: vælg en katalogpost, hvis angivne kontekstvindue dækker anmodningen, f.eks. Kimi Coding k3 [1m], men antag ikke, at maksimal kontekst giver maksimal nøjagtighed. Hentning, resumeer og mindre fokuserede input er ofte mere pålidelige og billigere.
- Kinesisk eller flersproget arbejde: sammenlign Kimi, DeepSeek, GLM, Qwen, Gemini, Claude og OpenAI-mulighederne på repræsentativ tekst. Sprogkvaliteten varierer efter domæne og instruktionsstil.
- Omkostningsfølsomme arbejdsbelastninger: sammenlign inputpris, outputpris, politik for cached input samt fejl-/gentagelsesrate. En billigere token kan stadig koste mere, hvis modellen har brug for gentagne forsøg.
Kontekstvindue og outputgrænse er forskellige
Kontekstvinduet er det samlede token-budget til instruktioner, samtalens historik, værktøjsresultater, hentet tekst og genereret output. Indstillingen for maksimal output begrænser kun svaret. En model, der reklameres med et vindue på en million tokens, accepterer ikke nødvendigvis en prompt på en million tokens, når systeminstruktioner og reserveret output er inkluderet.
For brugerdefinerede PandaCode-modeller viser modelfeltet Context Window og Max Tokens. Lad dem være usatte, hvis PandaNpc allerede kender modellen. Hvis du indtaster brugerdefinerede værdier, skal du bruge udbyderens dokumenterede grænser og efterlade sikkerhedsmargin til systemprompter og komprimering. Hvis du indstiller et vindue, der er større end den opstrøms API understøtter, kan en langvarig session kun fejle efter betydeligt arbejde.
Tilgængelighed, kvoter og privatliv
Før du stoler på en model i produktion, skal du bekræfte:
- Den vises i din nuværende modelvælger og er autoriseret til din konto.
- Dens inputtyper passer til din opgave; en tekstmodel accepterer muligvis ikke billeder eller filer.
- Dens udbyderkvota, rategrænse og faktureringspolitik er acceptable.
- Dine krav til datahåndtering tillader, at det valgte indhold sendes til den pågældende udbyder.
- Værktøjskald og struktureret output fungerer med den nøjagtige modelversion, du har valgt.
PandaNpc kan overføre chat- eller sessionindhold til den udbyder, der driver den valgte funktion. Gennemgå Privatlivspolitikken og din udbyders egne opbevarings- og træningsvilkår, før du sender fortroligt materiale.
Tilføj en model, der ikke er på listen
Hvis en OpenAI-kompatibel eller understøttet udbydermodel mangler, skal du tilføje en udbyder og derefter registrere dens nøjagtige modelidentifikator. Visningsetiketten kan være brugervenlig, men Model Value skal matche den identifikator, den opstrøms API forventer. Følg Konfigurer en brugerdefineret AI-udbyder og API Key for den fulde opsætnings- og verificeringsproces.
Når en model forsvinder eller fejler uventet, skal du først tjekke den live modelvælger og udbyderstatus. Katalogændringer, pensionerede model-ID'er, udløbne nøgler, kontogrænser og inkompatible kontekstindstillinger er mere almindelige årsager end et installationsproblem med PandaNpc-klienten.