PandaNpc सेवा द्वारा प्रदान किए गए अंतर्निहित चैट मॉडल और आपके स्वयं के API प्रदाता के माध्यम से जुड़े मॉडल का उपयोग कर सकता है। यह Claude Code, OpenAI Codex और PandaCode जैसे कोडिंग इंजनों को दूरस्थ रूप से नियंत्रित भी कर सकता है। ये संबंधित विकल्प हैं, लेकिन इन्हें एक-दूसरे के स्थान पर उपयोग नहीं किया जा सकता।
यह पृष्ठ 17 अगस्त 2026 को अंतर्निहित मॉडल कैटलॉग का एक स्नैपशॉट है। मॉडल की उपलब्धता दस्तावेज़ीकरण की तुलना में तेज़ी से बदलती है, इसलिए ऐप में मॉडल चयनकर्ता प्रामाणिक है। सार्वजनिक AI मॉडल लीडरबोर्ड वर्तमान गुणवत्ता, गति और मूल्य डेटा की तुलना करने के लिए सबसे अच्छा स्थान है।
अंतर्निहित मॉडल कैटलॉग
अंतर्निहित मॉडल आपकी स्वयं की प्रदाता कुंजी दर्ज किए बिना चुने जा सकते हैं। कैटलॉग में वर्तमान में शामिल हैं:
| प्रदाता परिवार | PandaNpc में दिखाए गए मॉडल | अच्छा प्रारंभिक बिंदु |
|---|---|---|
| OpenAI | GPT-5.6 Sol | सामान्य तर्क, कोडिंग, उपकरण-उन्मुख कार्यप्रवाह |
| Anthropic | Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 | दीर्घ-रूप तर्क, कोड समीक्षा, कार्यान्वयन योजना |
| Gemini 3.1 Pro | मल्टीमॉडल और लंबे-दस्तावेज़ कार्य | |
| DeepSeek | DeepSeek v4 pro, DeepSeek v4 flash | तर्क या तेज़ लागत-संवेदनशील अनुरोध |
| Moonshot AI | Kimi Coding k3, Kimi Coding k3 [1m], Kimi K3 | कोडिंग और लंबे-संदर्भ कार्यप्रवाह; [1m] प्रविष्टि स्पष्ट रूप से बड़े-विंडो वैरिएंट की पहचान करती है |
| Zhipu AI | GLM-5.2 | सामान्य-उद्देश्य चीनी और कोडिंग कार्य |
| Alibaba | Qwen 3.7 Max | सामान्य तर्क, बहुभाषी कार्य और कोड |
चयनकर्ता में नाम एक सेवा कॉन्फ़िगरेशन की पहचान करते हैं, न कि स्थायी प्रदर्शन गारंटी की। प्रदाता अंतर्निहित मॉडल संस्करणों, संदर्भ सीमाओं, मूल्य निर्धारण, दर सीमाओं या क्षेत्रीय उपलब्धता को संशोधित कर सकते हैं।
अंतर्निहित मॉडल, API मॉडल और कोडिंग इंजन
नामों की तुलना करने से पहले सही परत चुनें:
| परत | यह कहाँ चलता है | प्रमाणीकरण और बिलिंग | विशिष्ट उपयोग |
|---|---|---|---|
| अंतर्निहित PandaNpc मॉडल | PandaNpc मॉडल सेवा के माध्यम से | आपकी PandaNpc पहुंच और लागू सेवा कोटा का उपयोग करता है | चैट, नोट्स, सारांश और समर्थित AI सुविधाएँ |
| कस्टम-प्रदाता मॉडल | समर्थित होने पर आपके द्वारा कॉन्फ़िगर किए गए Base URL के सीधे विरुद्ध | आपकी प्रदाता API key और प्रदाता बिलिंग का उपयोग करता है | OpenAI-संगत एंडपॉइंट, निजी गेटवे, Ollama, या LM Studio |
| Claude Code या Codex इंजन | आपके कनेक्टेड कंप्यूटर पर | उस स्थानीय CLI के खाते या API कॉन्फ़िगरेशन का उपयोग करता है | रिपॉज़िटरी संपादित करना, कमांड चलाना और एजेंटिक कोडिंग |
| PandaCode इंजन | कॉन्फ़िगर करने योग्य बैकएंड के साथ आपके कनेक्टेड कंप्यूटर पर | PandaCode को सौंपे गए मॉडल/प्रदाता का उपयोग करता है | DeepSeek, Qwen, निजी गेटवे और अन्य समर्थित APIs पर Claude Code-शैली कार्यप्रवाह |
किसी चैट में GPT-5.6 Sol का चयन करने से आपकी मशीन पर पहले से चल रहे Codex प्रोसेस द्वारा उपयोग किए जाने वाले मॉडल में बदलाव नहीं होता। इसी तरह, Claude Code कनेक्शन साझा करने से एक अलग अंतर्निहित चैट-मॉडल कोटा नहीं मिलता। स्थानीय कोडिंग इंजन दूरस्थ रूप से कैसे प्रदर्शित होते हैं, यह देखने के लिए PandaPaw कनेक्शन संदर्भ देखें।
मॉडल कैसे चुनें
ब्रांड नाम के बजाय कार्य से शुरुआत करें:
- रिपॉज़िटरी-स्तरीय कोडिंग: जब कार्य में फ़ाइलें, शेल कमांड, परीक्षण और टूल अनुमोदन की आवश्यकता हो, तो Claude Code, Codex या PandaCode का उपयोग करें। इंजन का मॉडल रिपॉज़िटरी और बजट के आधार पर चुनें।
- जटिल तर्क या समीक्षा: GPT-5.6 Sol, Claude Opus 4.8, Claude Sonnet 5, Gemini 3.1 Pro या DeepSeek v4 pro जैसे फ्लैगशिप या "प्रो" मॉडल से शुरुआत करें, फिर अपने प्रॉम्प्ट पर वास्तविक परिणामों की तुलना करें।
- तेज़ पुनरावृत्ति: DeepSeek v4 flash जैसा "फ़्लैश" कॉन्फ़िगरेशन वर्गीकरण, पुनर्लेखन, निष्कर्षण और बार-बार छोटे कॉल के लिए बेहतर हो सकता है।
- बहुत लंबा इनपुट: कैटलॉग में ऐसी प्रविष्टि चुनें जिसका बताया गया संदर्भ विंडो अनुरोध को कवर करता हो, जैसे Kimi Coding k3 [1m], लेकिन यह न मानें कि अधिकतम संदर्भ अधिकतम सटीकता देता है। खोज, सारांश और छोटे केंद्रित इनपुट अक्सर अधिक विश्वसनीय और कम महंगे होते हैं।
- चीनी या बहुभाषी कार्य: प्रतिनिधि पाठ पर Kimi, DeepSeek, GLM, Qwen, Gemini, Claude और OpenAI विकल्पों की तुलना करें। भाषा की गुणवत्ता डोमेन और निर्देश शैली के अनुसार बदलती है।
- लागत-संवेदनशील वर्कलोड: इनपुट मूल्य, आउटपुट मूल्य, कैश्ड-इनपुट नीति और विफलता/पुनर्प्रयास दर की तुलना करें। सस्ता टोकन अधिक महंगा हो सकता है यदि मॉडल को बार-बार प्रयास करने पड़ते हैं।
संदर्भ विंडो और आउटपुट सीमा अलग हैं
संदर्भ विंडो निर्देशों, वार्तालाप इतिहास, टूल परिणामों, पुनर्प्राप्त पाठ और जनरेट किए गए आउटपुट के लिए कुल टोकन बजट है। अधिकतम आउटपुट सेटिंग केवल प्रतिक्रिया को सीमित करती है। एक मिलियन-टोकन विंडो वाले मॉडल का विज्ञापन किया गया है, इसका मतलब यह नहीं है कि सिस्टम निर्देश और आरक्षित आउटपुट शामिल करने के बाद वह एक मिलियन-टोकन प्रॉम्प्ट स्वीकार करेगा।
कस्टम PandaCode मॉडल के लिए, मॉडल फ़ॉर्म Context Window और Max Tokens दिखाता है। यदि PandaNpc पहले से मॉडल जानता है तो उन्हें खाली छोड़ दें। यदि आप कस्टम मान दर्ज करते हैं, तो प्रदाता के दस्तावेज़ित सीमाओं का उपयोग करें और सिस्टम प्रॉम्प्ट और संघनन के लिए सुरक्षा स्थान छोड़ें। ऊपरी API द्वारा समर्थित से बड़ी विंडो सेट करने से लंबे समय तक चलने वाला सत्र पर्याप्त कार्य के बाद ही विफल हो सकता है।
उपलब्धता, कोटा और गोपनीयता
प्रोडक्शन में किसी मॉडल पर भरोसा करने से पहले, पुष्टि करें:
- यह आपके वर्तमान मॉडल चयनकर्ता में दिखाई देता है और आपके खाते के लिए अधिकृत है।
- इसके इनपुट प्रकार आपके कार्य से मेल खाते हैं; एक टेक्स्ट मॉडल छवियों या फ़ाइलों को स्वीकार नहीं कर सकता है।
- इसका प्रदाता कोटा, दर सीमा और बिलिंग नीति स्वीकार्य है।
- आपकी डेटा-हैंडलिंग आवश्यकताएँ चयनित सामग्री को उस प्रदाता को भेजने की अनुमति देती हैं।
- टूल कॉलिंग और संरचित आउटपुट आपके द्वारा चुने गए सटीक मॉडल संस्करण के साथ काम करते हैं।
PandaNpc चयनित सुविधा को संचालित करने वाले प्रदाता को चैट या सत्र सामग्री भेज सकता है। गोपनीय सामग्री भेजने से पहले गोपनीयता नीति और अपने प्रदाता के स्वयं के प्रतिधारण और प्रशिक्षण शर्तों की समीक्षा करें।
ऐसा मॉडल जोड़ें जो सूचीबद्ध नहीं है
यदि कोई OpenAI-संगत या समर्थित प्रदाता मॉडल अनुपलब्ध है, तो एक प्रदाता जोड़ें और फिर उसका सटीक मॉडल पहचानकर्ता पंजीकृत करें। प्रदर्शन लेबल मानव-अनुकूल हो सकता है, लेकिन Model Value ऊपरी API द्वारा अपेक्षित पहचानकर्ता से मेल खाना चाहिए। पूर्ण सेटअप और सत्यापन प्रवाह के लिए कस्टम AI प्रदाता और API key कॉन्फ़िगर करें का पालन करें।
जब कोई मॉडल गायब हो जाता है या अप्रत्याशित रूप से विफल हो जाता है, तो पहले लाइव चयनकर्ता और प्रदाता स्थिति की जाँच करें। कैटलॉग परिवर्तन, सेवानिवृत्त मॉडल ID, समाप्त कुंजियाँ, खाता सीमाएँ और असंगत संदर्भ सेटिंग्स PandaNpc क्लाइंट इंस्टॉलेशन समस्या की तुलना में अधिक सामान्य कारण हैं।