PandaNpc 支援的 AI 模型

更新於

PandaNpc 可以使用服務提供的內建聊天模型，以及透過您自己的 API 供應商連接的模型。它也可以遠端控制 Claude Code、OpenAI Codex 和 PandaCode 等編碼引擎。這些是相關的選擇，但它們之間不可互相替代。

本頁是 2026 年 8 月 17 日內建模型目錄的快照。模型的可用性變化比文件更新更快，因此應用程式中的模型選擇器才具有權威性。公開的 AI 模型排行榜 是比較目前品質、速度和價格資料的最佳場所。

內建模型目錄

內建模型無需輸入您自己的供應商金鑰即可選用。目前目錄包含：

供應商系列 PandaNpc 中顯示的模型 適合的入門用途
OpenAI GPT-5.6 Sol 一般推理、編碼、工具導向的工作流程
Anthropic Claude Fable 5、Claude Opus 4.8、Claude Sonnet 5 長文推理、程式碼審查、實作規劃
Google Gemini 3.1 Pro 多模態與長文件處理
DeepSeek DeepSeek v4 pro、DeepSeek v4 flash 推理或要求更快的成本敏感請求
Moonshot AI Kimi Coding k3、Kimi Coding k3 [1m]、Kimi K3 編碼與長上下文工作流程；[1m] 條目明確標示為大視窗變體
智譜 AI GLM-5.2 通用中文與編碼任務
阿里巴巴 Qwen 3.7 Max 一般推理、多語言工作與程式碼

選擇器中的名稱識別的是服務配置，而非永久的效能保證。供應商可能修改底層模型版本、上下文限制、定價、速率限制或區域可用性。

內建模型、API 模型與編碼引擎

在比較名稱之前，請先選擇正確的層級：

層級 執行位置 驗證與計費 典型用途
PandaNpc 內建模型 透過 PandaNpc 模型服務 使用您的 PandaNpc 存取權與適用的服務配額 聊天、筆記、摘要與受支援的 AI 功能
自訂供應商模型 直接連線至您配置的 Base URL（若支援） 使用您的供應商 API 金鑰與供應商計費 OpenAI 相容端點、私有閘道、Ollama 或 LM Studio
Claude Code 或 Codex 引擎 在您已連接的電腦上 使用該本機 CLI 的帳戶或 API 配置 編輯儲存庫、執行命令與代理式編碼
PandaCode 引擎 在您已連接的電腦上，使用可配置的後端 使用指派給 PandaCode 的模型／供應商 在 DeepSeek、Qwen、私有閘道及其他受支援的 API 上執行 Claude Code 風格工作流程

在聊天中選取 GPT-5.6 Sol 不會改變您機器上已在執行的 Codex 程序所使用的模型。同樣地，共用 Claude Code 連線也不會授予額外的內建聊天模型配額。請參閱 PandaPaw 連線參考 以了解本機編碼引擎如何透過遠端方式暴露。

如何選擇模型

從任務出發，而不是從品牌名稱出發：

  • 儲存庫規模的編碼： 當任務需要檔案、shell 命令、測試和工具核准時，請使用 Claude Code、Codex 或 PandaCode。根據儲存庫和預算選擇引擎的模型。
  • 複雜推理或審查： 從旗艦或「pro」模型開始，例如 GPT-5.6 Sol、Claude Opus 4.8、Claude Sonnet 5、Gemini 3.1 Pro 或 DeepSeek v4 pro，然後在您的提示詞上比較實際結果。
  • 快速迭代： 像 DeepSeek v4 flash 這樣的「flash」配置可能更適合分類、改寫、萃取和重複的小型呼叫。
  • 非常長的輸入： 選擇目錄中聲明的上下文視窗能涵蓋請求的條目，例如 Kimi Coding k3 [1m]，但不要假設最大上下文就能帶來最高準確度。檢索、摘要和更小、更聚焦的輸入通常更可靠且成本更低。
  • 中文或多語言工作： 在具代表性的文字上比較 Kimi、DeepSeek、GLM、Qwen、Gemini、Claude 和 OpenAI 的選項。語言品質因領域和指令風格而異。
  • 成本敏感的工作負載： 比較輸入價格、輸出價格、快取輸入政策和失敗／重試率。如果模型需要反覆嘗試，較便宜的 token 仍然可能花費更多。

上下文視窗與輸出限制是不同的

上下文視窗是供指令、對話歷史、工具結果、檢索文字和產生輸出使用的總 token 預算。最大輸出設定僅限制回應的長度。一個宣稱具有一百萬 token 視窗的模型，在納入系統指令和保留輸出之後，不一定能接受一百萬 token 的提示詞。

對於自訂 PandaCode 模型，模型表單會顯示 Context Window 和 Max Tokens 欄位。如果 PandaNpc 已經知道該模型，請讓它們保持未設定。如果您輸入自訂值，請使用供應商文件記載的限制，並為系統提示詞和壓縮保留安全空間。將視窗設定得比上游 API 支援的還大，可能會讓長時間執行的會話在大量工作之後才失敗。

可用性、配額與隱私

在生產環境依賴某個模型之前，請確認：

  1. 它出現在您目前的模型選擇器中，並已獲得您帳戶的授權。
  2. 它的輸入類型符合您的任務；文字模型可能不接受圖片或檔案。
  3. 它的供應商配額、速率限制和計費政策可以接受。
  4. 您的資料處理要求允許將選定的內容傳送給該供應商。
  5. 工具呼叫和結構化輸出能與您選取的確切模型版本正常運作。

PandaNpc 可能會將聊天或會話內容傳送給提供所選功能的供應商。在傳送機密資料之前，請先檢閱 隱私權政策 以及您供應商自己的保留和訓練條款。

新增未列出的模型

如果缺少 OpenAI 相容或受支援的供應商模型，請新增供應商，然後註冊其確切的模型識別碼。顯示標籤可以採用容易閱讀的名稱，但 Model Value 必須符合上游 API 預期的識別碼。請依照 配置自訂 AI 供應商和 API 金鑰 完成完整的設定和驗證流程。

當模型消失或意外失敗時，請先檢查即時選擇器和供應商狀態。目錄變更、已停用的模型 ID、過期的金鑰、帳戶限制和不相容的上下文設定，都比 PandaNpc 用戶端安裝問題更常見。