PandaNpc kan bruke innebygde chatmodeller fra tjenesten og modeller som er koblet til gjennom din egen API-leverandør. Den kan også fjernstyre kodingsmotorer som Claude Code, OpenAI Codex og PandaCode. Dette er beslektede valg, men de er ikke utskiftbare.
Denne siden er et øyeblikksbilde av den innebygde modellkatalogen per 17. august 2026. Modelltilgjengelighet endrer seg raskere enn dokumentasjonen, så modellvelgeren i appen er autoritativ. Den offentlige AI-modelltopplisten er det beste stedet å sammenligne gjeldende kvalitets-, hastighets- og prisdata.
Innebygd modellkatalog
Innebygde modeller kan velges uten å oppgi din egen leverandørnøkkel. Katalogen omfatter for tiden:
| Leverandørfamilie | Modeller vist i PandaNpc | Godt utgangspunkt for |
|---|---|---|
| OpenAI | GPT-5.6 Sol | Generell resonnering, koding, verktøyorienterte arbeidsflyter |
| Anthropic | Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 | Langformet resonnering, kodegjennomgang, implementeringsplanlegging |
| Gemini 3.1 Pro | Multimodalt arbeid og arbeid med lange dokumenter | |
| DeepSeek | DeepSeek v4 pro, DeepSeek v4 flash | Resonnering eller raskere kostnadssensitive forespørsler |
| Moonshot AI | Kimi Coding k3, Kimi Coding k3 [1m], Kimi K3 | Koding og arbeidsflyter med lang kontekst; [1m]-oppføringen identifiserer eksplisitt varianten med stort vindu |
| Zhipu AI | GLM-5.2 | Generelle kinesiske oppgaver og kodingsoppgaver |
| Alibaba | Qwen 3.7 Max | Generell resonnering, flerspråklig arbeid og kode |
Navnene i velgeren identifiserer en tjenestekonfigurasjon, ikke en permanent ytelsesgaranti. Leverandører kan endre underliggende modellversjoner, kontekstgrenser, priser, rategrenser eller regional tilgjengelighet.
Innebygde modeller, API-modeller og kodingsmotorer
Velg riktig lag før du sammenligner navn:
| Lag | Hvor det kjører | Autentisering og fakturering | Typisk bruk |
|---|---|---|---|
| Innebygd PandaNpc-modell | Gjennom PandaNpc-modelltjenesten | Bruker din PandaNpc-tilgang og gjeldende tjenestekvote | Chat, notater, oppsummeringer og støttede AI-funksjoner |
| Modell fra tilpasset leverandør | Direkte mot Base URL-en du konfigurerer når det støttes | Bruker leverandørens API key og fakturering | OpenAI-kompatible endepunkter, private gatewayer, Ollama eller LM Studio |
| Claude Code- eller Codex-motor | På den tilkoblede datamaskinen din | Bruker kontoen eller API-konfigurasjonen til den lokale CLI-en | Redigere repositorier, kjøre kommandoer og agentisk koding |
| PandaCode-motor | På den tilkoblede datamaskinen din med en konfigurerbar backend | Bruker modellen/leverandøren som er tildelt PandaCode | Arbeidsflyt i Claude Code-stil på DeepSeek, Qwen, private gatewayer og andre støttede API-er |
Det å velge GPT-5.6 Sol i en chat endrer ikke modellen som brukes av en Codex-prosess som allerede kjører på maskinen din. På samme måte gir ikke det å dele en Claude Code-tilkobling en separat kvote for innebygde chatmodeller. Se PandaPaw-tilkoblingsreferansen for hvordan lokale kodingsmotorer eksponeres eksternt.
Slik velger du en modell
Start fra oppgaven heller enn fra merkenavnet:
- Koding på repositorienivå: bruk Claude Code, Codex eller PandaCode når oppgaven trenger filer, shell-kommandoer, tester og verktøygodkjenninger. Velg motorens modell basert på repositoriet og budsjettet.
- Kompleks resonnering eller gjennomgang: begynn med en flaggskip- eller «pro»-modell som GPT-5.6 Sol, Claude Opus 4.8, Claude Sonnet 5, Gemini 3.1 Pro eller DeepSeek v4 pro, og sammenlign deretter faktiske resultater på prompten din.
- Rask iterasjon: en «flash»-konfigurasjon som DeepSeek v4 flash kan passe bedre for klassifisering, omskriving, uttrekking og gjentatte små kall.
- Svært lang inndata: velg en katalogoppføring hvis oppgitte kontekstvindu dekker forespørselen, for eksempel Kimi Coding k3 [1m], men ikke anta at maksimal kontekst gir maksimal nøyaktighet. Henting, oppsummeringer og mindre fokuserte inndata er ofte mer pålitelige og billigere.
- Kinesisk eller flerspråklig arbeid: sammenlign Kimi-, DeepSeek-, GLM-, Qwen-, Gemini-, Claude- og OpenAI-alternativer på representativ tekst. Språkkvalitet varierer etter domene og instruksjonsstil.
- Kostnadssensitive arbeidsbelastninger: sammenlign inndatapris, utdatapris, policy for bufret inndata og feil-/forsøksrate. En billigere token kan fortsatt koste mer hvis modellen trenger gjentatte forsøk.
Kontekstvindu og utdatagrense er forskjellige ting
Kontekstvinduet er det totale tokenbudsjettet for instruksjoner, samtalehistorikk, verktøyresultater, hentet tekst og generert utdata. Innstillingen for maksimal utdata begrenser kun svaret. En modell som markedsføres med et vindu på én million tokens, aksepterer ikke nødvendigvis en prompt på én million tokens når systeminstruksjoner og reservert utdata er inkludert.
For tilpassede PandaCode-modeller viser modellskjemaet Context Window og Max Tokens. La dem stå uangitt hvis PandaNpc allerede kjenner modellen. Hvis du angir egendefinerte verdier, bruk leverandørens dokumenterte grenser og la det være sikkerhetsmargin for systemprompter og komprimering. Hvis du setter et vindu som er større enn det oppstrøms-API-en støtter, kan en langvarig økt mislykkes først etter betydelig arbeid.
Tilgjengelighet, kvoter og personvern
Før du stoler på en modell i produksjon, må du bekrefte:
- At den vises i din nåværende modellvelger og er autorisert for kontoen din.
- At inndatatypene samsvarer med oppgaven din; en tekstmodell aksepterer kanskje ikke bilder eller filer.
- At leverandørens kvote, rategrense og faktureringspolicy er akseptable.
- At dine krav til datahåndtering tillater at det valgte innholdet sendes til den leverandøren.
- At verktøykalling og strukturert utdata fungerer med den nøyaktige modellversjonen du valgte.
PandaNpc kan overføre chat- eller øktinnhold til leverandøren som driver den valgte funksjonen. Gå gjennom personvernerklæringen og leverandørens egne vilkår for lagring og trening før du sender konfidensielt materiale.
Legge til en modell som ikke er oppført
Hvis en OpenAI-kompatibel eller støttet leverandørmodell mangler, legg til en leverandør og registrer deretter den eksakte modellidentifikatoren. Etiketten som vises, kan være brukervennlig, men Model Value må samsvare med identifikatoren som oppstrøms-API-en forventer. Følg Konfigurer en tilpasset AI-leverandør og API key for hele oppsett- og verifiseringsflyten.
Når en modell forsvinner eller feiler uventet, må du først sjekke den aktive modellvelgeren og leverandørstatusen. Katalogendringer, pensjonerte modell-ID-er, utløpte nøkler, kontogrenser og uforenlige kontekstinnstillinger er mer vanlige årsaker enn et installasjonsproblem med PandaNpc-klienten.