Modelos de IA suportados pelo PandaNpc

O PandaNpc pode usar modelos de chat integrados fornecidos pelo serviço e modelos conectados por meio do seu próprio provedor de API. Ele também pode controlar remotamente motores de codificação como Claude Code, OpenAI Codex e PandaCode. Essas são escolhas relacionadas, mas não são intercambiáveis.

Esta página é um instantâneo do catálogo de modelos integrados em 17 de agosto de 2026. A disponibilidade dos modelos muda mais rápido do que a documentação, portanto, o seletor de modelos no aplicativo é a autoridade. O ranking público de modelos de IA é o melhor lugar para comparar dados atuais de qualidade, velocidade e preço.

Catálogo de modelos integrados

Modelos integrados podem ser selecionados sem inserir sua própria chave de provedor. O catálogo atualmente inclui:

Os nomes no seletor identificam uma configuração de serviço, não uma garantia permanente de desempenho. Os provedores podem revisar versões subjacentes dos modelos, limites de contexto, preços, limites de taxa ou disponibilidade regional.

Modelos integrados, modelos de API e motores de codificação

Escolha a camada correta antes de comparar nomes:

Selecionar GPT-5.6 Sol em um chat não altera o modelo usado por um processo Codex já em execução na sua máquina. Da mesma forma, compartilhar uma conexão do Claude Code não concede uma cota separada de modelo de chat integrado. Consulte a referência de conexão do PandaPaw para saber como os motores de codificação locais são expostos remotamente.

Como escolher um modelo

Comece pela tarefa, e não pelo nome da marca:

• Codificação em escala de repositório: use Claude Code, Codex ou PandaCode quando a tarefa precisar de arquivos, comandos de shell, testes e aprovações de ferramentas. Escolha o modelo do motor com base no repositório e no orçamento.
• Raciocínio complexo ou revisão: comece com um modelo principal ou “pro”, como GPT-5.6 Sol, Claude Opus 4.8, Claude Sonnet 5, Gemini 3.1 Pro ou DeepSeek v4 pro, e depois compare os resultados reais no seu prompt.
• Iteração rápida: uma configuração “flash”, como DeepSeek v4 flash, pode ser mais adequada para classificação, reescrita, extração e chamadas pequenas repetidas.
• Entrada muito longa: escolha uma entrada do catálogo cuja janela de contexto declarada cubra a solicitação, como Kimi Coding k3 [1m], mas não presuma que o contexto máximo garanta a máxima precisão. Recuperação, resumos e entradas menores e focadas geralmente são mais confiáveis e com menor custo.
• Trabalho em chinês ou multilíngue: compare as opções Kimi, DeepSeek, GLM, Qwen, Gemini, Claude e OpenAI em textos representativos. A qualidade do idioma varia de acordo com o domínio e o estilo das instruções.
• Cargas de trabalho sensíveis ao custo: compare o preço de entrada, o preço de saída, a política de entrada em cache e a taxa de falha/tentativas. Um token mais barato ainda pode custar mais se o modelo precisar de tentativas repetidas.

Janela de contexto e limite de saída são diferentes

A janela de contexto é o orçamento total de tokens para instruções, histórico da conversa, resultados de ferramentas, texto recuperado e saída gerada. A configuração de saída máxima limita apenas a resposta. Um modelo anunciado com uma janela de um milhão de tokens não aceita necessariamente um prompt de um milhão de tokens depois que as instruções do sistema e a saída reservada são incluídas.

Para modelos PandaCode personalizados, o formulário do modelo expõe Context Window e Max Tokens. Deixe-os sem definição se o PandaNpc já conhece o modelo. Se você inserir valores personalizados, use os limites documentados do provedor e deixe uma margem de segurança para prompts do sistema e compactação. Definir uma janela maior do que a API upstream suporta pode fazer uma sessão de longa duração falhar somente após um trabalho substancial.

Disponibilidade, cotas e privacidade

Antes de depender de um modelo em produção, confirme:

1. Ele aparece no seu seletor de modelos atual e está autorizado para sua conta.
2. Os tipos de entrada correspondem à sua tarefa; um modelo de texto pode não aceitar imagens ou arquivos.
3. A cota do provedor, o limite de taxa e a política de cobrança são aceitáveis.
4. Seus requisitos de tratamento de dados permitem o envio do conteúdo selecionado para esse provedor.
5. A chamada de ferramentas e a saída estruturada funcionam com a versão exata do modelo que você selecionou.

O PandaNpc pode transmitir conteúdo de chat ou sessão para o provedor que alimenta o recurso selecionado. Revise a Política de Privacidade e os termos de retenção e treinamento do seu provedor antes de enviar material confidencial.

Adicionar um modelo que não está listado

Se um modelo de provedor compatível com OpenAI ou suportado estiver ausente, adicione um provedor e registre o identificador exato do modelo. O rótulo de exibição pode ser amigável, mas Model Value deve corresponder ao identificador esperado pela API upstream. Siga Configurar um provedor de IA personalizado e chave de API para o fluxo completo de configuração e verificação.

Quando um modelo desaparece ou falha inesperadamente, primeiro verifique o seletor em tempo real e o status do provedor. Mudanças no catálogo, IDs de modelos aposentados, chaves expiradas, limites de conta e configurações de contexto incompatíveis são causas mais comuns do que um problema de instalação do cliente PandaNpc.