技术：什么情况下使用哪个模型？
Huaris AI 独立于供应商。我们根据使用场景、数据敏感度和预算评估各模型家族，并以在您自己的样例上进行的测试作为决策依据。本页说明我们在什么情况下优先考虑哪个模型家族，以及我们的选型标准。
最后更新：2026 年 9 月
模型家族
此表仅为一般性参考。由于模型更新很快，我们有意不列出版本号。某个模型在特定任务上是否表现更好，只有通过您自己数据上的评估才能知道。
| 模型家族 | 主要特点 | 典型用途 | 部署 |
|---|---|---|---|
| Anthropic Claude | 长上下文、分析推理、编程 | 复杂文档分析、软件开发支持 | 服务商 API 和企业版套餐 |
| Google Gemini | 超大上下文窗口、与 Google Workspace 集成 | 使用 Workspace 的组织、多模态内容 | 服务商 API 和企业版套餐 |
| OpenAI GPT | 丰富的 API 和助手生态 | 通用助手、广泛的集成需求 | 服务商 API 和企业版套餐 |
| Meta Llama / Mistral | 开放权重模型、完全可控 | 数据不得离开组织的场景 | 本地部署、私有云或服务商 API |
标志和产品名称归各自所有者所有。Huaris AI 并不声称是这些公司的官方合作伙伴。
我们的选型标准
选择模型时，我们会综合考虑以下方面：
- 数据敏感度与法规：数据在哪里处理、服务商的数据使用条款、KVKK/GDPR 要求
- 任务质量：在由您真实样例构建的评估集上的结果，包括土耳其语表现
- 成本：在您的使用量下的运行成本以及估算所依据的假设
- 延迟与数据量：期望的响应时间和并发用户数
- 集成：与现有工具的契合度（例如 Google Workspace、Microsoft 生态）
- 供应商依赖：必要时切换到其他模型的难易程度
- 运维能力：贵组织能否自行运行模型
先评估什么？何时评估？
以下是起点，而非最终建议。在每种场景中，我们都会用您自己的数据测试候选方案。
| 场景 | 优先评估的方案 | 原因 |
|---|---|---|
| 长篇合同和报告分析 | 以长上下文和分析推理见长的模型家族 | 在长文本中，一致性和捕捉细节很重要 |
| 团队主要在 Google Workspace 中工作 | Gemini 家族 | 与现有工具的集成有助于部署和推广 |
| 需要现成的助手和广泛的第三方集成 | GPT 家族 | API 和助手生态广泛 |
| 软件开发支持 | 以编程能力见长的模型家族 | 通过在您自己的代码库和编程语言上测试来验证代码质量 |
| 数据不得离开组织 | 使用开放权重模型进行本地部署 | 数据保留在您掌控的基础设施上；质量差距通过测试来衡量 |
模型之外的组件
AI 解决方案的质量并不仅由模型决定。尤其在 RAG 系统中，以下各层会直接影响结果：
- 文档解析与分块
- 用于语义检索的嵌入（Embedding）模型
- 检索与向量数据库层
- 管理查询和模型的编排层
- 评估与测试工具
- 日志记录、监控与访问控制
与选择模型一样，我们会根据您的需求选择这些组件，并将其构建为可替换的形式。
为什么我们不绑定单一模型
模型和价格变化很快。今天最合适的模型明天未必仍然最合适。因此，我们构建的架构确保更换模型不会破坏正在运行的系统，并将评估集保留在您手中。方法详情请参阅模型选型与独立于供应商的咨询服务页面，一般问题请参阅常见问题页面。