返回汇报材料
2026.10 · 内部交流

AI 使用情况分享

模型与工作台的使用心得

AGENT
=
MODEL
+
HARNESS
← → 方向键翻页 · 右上角可全屏投屏

先统一一下黑话:什么是 Agent?

我的理解就一句话:

Agent能干活的 AI
=
Model大脑
+
Harness躯干 + 工具箱
🧠

MODEL

决定智力上限

LLM 本体 · 负责理解、推理、生成

  • 你花钱买的那个"脑子":GPT-6、Opus 5.5、GLM-5.3、Kimi K3…
  • 只管一件事:收到文字(+图/视频),吐出文字
  • 它自己不会读文件、跑代码、上网——它只会"想"和"说"
型号不对,一切白搭。这是天花板。
🔧

HARNESS

决定下限 & 稳定性

围绕大脑搭的执行框架 · 把"说"变成"做"

  • 工具调用:读写文件、执行命令、搜网页、调 API
  • 上下文与记忆管理:喂什么、记什么、忘什么
  • 权限控制、沙箱隔离、失败重试、多步任务编排
同一个模型,换个 Harness,就是两种 Agent。
打个比方 Model 是发动机,Harness 是整辆车——变速箱、底盘、轮胎、方向盘。 发动机再猛,装在拖拉机底盘上也跑不快;车架再好,装个三蹦子电机也上不了高速。

这几个月用过的模型 · 天梯现场排名

个人体感排名 · 边讲边拖

候选模型池
拖到右侧天梯的任意位置 · 可随时调整

都叫 GPT,选的型号不同,账单就不同

同一家 OpenAI,也有不同定价的模型。别只问“用了多少 Token”,先问“用的哪个型号”。

模型按截图顺序输入单价美元 / 百万 Token输出单价美元 / 百万 Token同样用量算一笔美元 / 次,估算
GPT-6.1 Sol$2.00$10.00$0.0300
GPT-6 Astra$10.00$50.00$0.1500
GPT-6.1 Terra$1.00$5.00$0.0150
GPT-6 Sol$2.00$10.00$0.0300
GPT-6 Luna$0.10$0.50$0.0015

Astra 对比 Luna

100 倍

同样用量,模型费用差 100 倍。
不是都叫 GPT,就都一个价。

6.1 Sol · 20 倍
6 Astra · 100 倍
6.1 Terra · 10 倍
6 Sol · 20 倍
6 Luna · 1 倍

公司名不等于型号,型号也不等于价格。
比如 6 Sol 和 6.1 Sol 目前同价;选模型,要看具体报价和这项活做得怎么样。

口径:2026-11-16 官方 API · Standard · 短上下文 · 未缓存输入,不是会员套餐或界面额度扣费。估算统一用量:输入 10,000 +计费输出 1,000 Token;非实测,不代表各模型实际消耗或效果相同,不含工具等费用。缓存、长上下文、加速档等会改变费用。
来源:OpenAI 官方定价 · GPT-6 Sol 定价。输入=给模型处理的内容;输出=模型生成的内容(含计费思考)。

同一个小任务,换个模型,账单就变了

先把前提讲清楚:我们只是让 AI 做一张数据统计表。

📊任务:打开客户跟进表,按业务员统计 客户总数 和 成交数,在汇总页填好公式。三个模型都做对,最后的表格完全一样。

AI 最后交回来的表

业务员客户数成交数
张敏32
李强21
=COUNTIF(客户明细!A:A,A2)
=COUNTIFS(客户明细!A:A,A2,客户明细!C:C,"已成交")

这是一个很简单的办公任务。这里先假设:三个模型都正确完成,没有返工,结果一样。

DeepSeek V4.1 Flash

结果:一样正确 ✓
$21
按 10,000 次任务估算

GPT-6.1 Sol

结果:一样正确 ✓
$300
按 10,000 次任务估算

GLM-5.3

结果:一样正确 ✓
$184
按 10,000 次任务估算

结果都一样,GPT 这笔估算费用约是 DeepSeek 的 14.3 倍。
所以要先认识模型,再决定什么活用哪个模型。

估算口径:每次任务输入 10,000、计费输出 1,000 Token;DeepSeek V4.1 Flash 按非高峰,GPT-6.1 Sol 与 GLM-5.3 按官方 Standard API 单价。只是价格演示,不是三个模型的实测消耗;实际费用会因思考长度、缓存、返工和工具调用变化。

Harness 实测 · 我用过的三套工作台

模型决定上限,但天天决定你效率的,其实是 harness

新手友好 · 办公场景
WorkBuddy
开箱即用的全家桶
✅有免费积分,零成本上手,装完就能干活
✅技能库 + 内置专家齐全,日常办公完全够用:文档、表格、PPT、查资料
✅不用配置任何东西,对非技术同事最友好
⚠️上限不高——重度、复杂的任务会顶到天花板
适合:刚入门的同事 / 日常办公生产力
高度自定义
DeepSeek Harness
万物皆可插件
✅万物皆可插件,自由度天花板;配 DS 自家模型还有协同加成
⚠️没有免费积分,起步就是花钱
⚠️"高度自定义"象征意义大于实际——真想定制,得先成为专家
🆕V4.1 Flash 1017 之后:skill 只是使用说明,不是对 AI 的硬约束
真实案例 · 10 秒变 30 秒 短视频 skill 为完播率固定 10s,配乐也都截成 10s 放在文件夹。 新版 DS 觉得 10s 不够观众看完信息,自作主张改成 30s; 配乐不够怎么办——把 10s 配乐循环了三遍。
→模型越智能,越会按自己的判断改规则。skill 管不住,harness 的硬限制才是解——dsh 这类可编程 harness 会越来越有用。
适合:懂 AI 的老手 · 需要硬约束的工程场景
个人实测 · 复杂任务
Codex
又快又好,复杂的活更显优势
✅我的体感:又快又好,能把规划、素材、代码和反复修改串成完整交付
↩以前的用法:做编程项目时,把 GLM-5.3 接进 Codex,搭配它的工具执行框架
✅现在的用法:已经开通 GPT 会员,用 Codex + GPT 做要求更高、流程更复杂的内容
昨天的实例 · 科普式 PPT 视频 ① 先讲清故事:梳理案例、口播和每页标题。
② 先排版再配图:定版面与图片尺寸,再按位置生成素材。
③ 按声音做动画:生成配音、对齐字幕,让物件动作跟着讲述走。
④ 检查再交付:独立设计封面,检查裁切、关键画面与音画同步,修改后出片。
💡同样的高要求、复杂工作,交给 WorkBuddy 里的 DS,我的实际使用体感是效果没那么好;Codex 更能兼顾完成速度和成品质量。
适合:复杂项目 / 精细内容制作 / 多轮打磨的交付

新模型出来了,怎么判断值不值得用?

不花自己的 token:前端看审美,后端看实战

👁 前端 · 看审美 成本 0

刷视频。看纯 AI 一句话生成的作品好不好看——审美是最外显的能力,几分钟就能有结论。

画面、音乐、音效全程由它写代码生成 —— 一句话能到什么水准,看这条最直观。

  • 先看版式、配色、转场有没有"AI 味"
  • 同一句提示词,新一代是不是肉眼可见地更好
在 B 站打开视频 ↗
🧪 后端 · 看实战 成本 0

看固定 UP 主的多模型横评:同档位的模型,做同一道题。别人烧 token,我们看结论。

Token就是词元 的 B 站主页截图 Token就是词元 space.bilibili.com/3546747185924773 ↗
  • 主要比修祖传 bug,不比谁写得花
  • 看通过率、多文件改动、长任务会不会跑偏
  • 实操向——正好对应我们日常那些活

新模型发布后一两周基本都会出单集评测;认准同一 UP、同一题库才有可比性。

打开 UP 主主页 ↗
前端决定我想不想用,后端决定我敢不敢用。
AI 分享 · 2026.10
1 / 5