A incómoda verdade: "escolla de modelo" é a metade da súa enxeñaría rápida Se a túa recomendación é unha receita, o modelo é a túa cociña. Unha boa receita non axuda se: 
 
 
 
 
 o forno é pequeno (fiestra de contexto), os ingredientes son caros (prezo de token), o xefe é lento (latencia), ou as túas ferramentas non se encaixan (chamada de funcións / JSON / SDK / ecosistema). Aquí está a comparación que realmente pode usar. practical 
 
 Nota sobre "parámetros": para moitos modelos de fronteira, os contos de parámetros non son divulgados publicamente. Na práctica, a fiestra de contexto + prezos + recursos de ferramentas predixen "correspondencia" mellor que adiviñar a escala de parámetros. Nota sobre "parámetros": para moitos modelos de fronteira, os contos de parámetros non son divulgados publicamente. Na práctica, a fiestra de contexto + prezos + recursos de ferramentas predixen "correspondencia" mellor que adiviñar a escala de parámetros. 1) Comparación rápida: o que debes preocuparte primeiro 1.1 Os "catro botóns" que importan 
 
 
 
 
 Contexto: podes encaixar o traballo nunha única solicitude? Custo: ¿Pódese pagar o volume? Latencia: A túa UX tolera a espera? Compatibilidade: vai a súa pila integrar limpo? Todo o demais é segunda orde. Táboa de especificacións do modelo (contexto + posicionamento) Esta táboa céntrase no que é estable: . family, positioning, and context expectations A familia de modelos (exemplos) A familia de modelos (exemplos) A familia de modelos (exemplos) A familia de modelos (exemplos) A familia de modelos (exemplos) A familia de modelos (exemplos) , , ) Fh General-purpose, forte ecosistema de ferramentas Fh Prezo + entrada cached son claramente publicados. Fh OpenAI Fh "o" razoamento familia (por exemplo, , Adoita ser máis caro; use selectivamente.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato.Adoita ser máis barato. gpt-4o gpt-4.1 gpt-5* o3 o1 3) Táboa de prezos (a parte que o seu CFO realmente le) Abaixo están de documentos oficiais (USD por Use isto como base e, a continuación, aplique: caché, descontos de lote e a súa lonxitude de saída real. public list prices 1M tokens 3.1 OpenAI (Highlights seleccionados) OpenAI publica os prezos de entrada, caché de entrada e saída por 1M de tokens. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / 1M 
 Cached input / 1M 
 Output / 1M 
 When to use 
 
 
 
 
 
 
 gpt-4.1 
 $2.00 
 $0.50 
 $8.00 
 High-quality general reasoning with sane cost 
 
 
 
 
 
 
 gpt-4o 
 $2.50 
 $1.25 
 $10.00 
 Multimodal-ish “workhorse” if you need it 
 
 
 
 
 
 
 gpt-4o-mini 
 $0.15 
 $0.075 
 $0.60 
 High-throughput chat, extraction, tagging 
 
 
 
 
 
 
 o3 
 $2.00 
 $0.50 
 $8.00 
 Reasoning-heavy tasks without the top-end pricing 
 
 
 
 
 
 
 o1 
 $15.00 
 $7.50 
 $60.00 
 “Use sparingly”: hard reasoning where mistakes are expensive gpt-4.1 Dúas horas 0,50 millóns 8.00 € Razonamento xeral de alta calidade con custo sane gpt-4o 2,50 millóns 1,25 millóns 10 horas Multimodal-ish "cavalo de traballo" se o necesitas gpt-4o-mini 0,15 millóns 0 075 0,60 millóns Chat de alta capacidade, extracción, etiquetaxe o3 Dúas horas 0,50 millóns 8.00 € Razón-tarefas pesadas sen o prezo top-end o1 15 horas 7.50 millóns 60,00 € “Use economicamente”: razoamento duro onde os erros son caros 
 
 Se está a construír un produto: a miúdo executará o 80-95% das chamadas nun modelo máis barato (mini / nivel rápido), e só escalará os casos difíciles. Se está a construír un produto: a miúdo executará o 80-95% das chamadas nun modelo máis barato (mini / nivel rápido), e só escalará os casos difíciles. 3.2 Antropía (xénero Claude) Anthropic publica unha táboa de prezos modelo en Claude docs. 
 
 
 
 
 
 
 
 
 
 
 
 Model 
 Input / MTok 
 Output / MTok 
 Notes 
 
 
 
 
 
 Claude Haiku 4.5 
 $1.00 
 $5.00 
 Fast, budget-friendly tier 
 
 
 
 
 
 Claude Haiku 3.5 
 $0.80 
 $4.00 
 Even cheaper tier option 
 
 
 
 
 
 Claude Sonnet 3.7 (deprecated) 
 $3.75 
 $15.00 
 Listed as deprecated on pricing 
 
 
 
 
 
 Claude Opus 3 (deprecated) 
 $18.75 
 $75.00 
 Premium, but marked deprecated Xesús Haiku 4.5 1.00 € 5.00 millóns Rápido, orzamento amigable Xesús Haiku 3.5 0,80 millóns 4.00 millóns Unha opción máis barata Claude Sonnet 3.7 (deprecado) 3,75 millóns 15 horas Listado como depreciado en prezo Claude Opus 3 (deprecado) 18,75 millóns 75.00 millóns Premium, pero marcado deprecado 
 
 Importante: a dispoñibilidade do modelo cambia. Trata a táboa de prezos como a autoritaria "o que existe agora". Trata a táboa de prezos como a autoritaria "o que existe agora". Important: Google Gemini (API para desenvolvedores) Os prezos de Gemini varían segundo o nivel e inclúen o cache de contexto + o prezo de aterraxe. 
 
 
 
 
 
 
 
 
 
 Tier (example rows from pricing page) 
 Input / 1M (text/image/video) 
 Output / 1M 
 Notable extras 
 
 
 
 
 
 Gemini tier (row example) 
 $0.30 
 $2.50 
 Context caching + grounding options 
 
 
 
 
 
 Gemini Flash-style row example 
 $0.10 
 $0.40 
 Very low output cost; good for high volume Gemini tier (exemplo de raza) 0,30 millóns 2,50 millóns Cache de contexto + opcións de aterraxe Exemplo de liña de estilo Flash de Gemini 0,10 millóns 0,40 millóns Moi baixo custo de saída; bo para alto volume A páxina de prezos de Gemini tamén lista: 
 
 
 prezo de cache de contexto, e baseado con prezos de busca de Google / límites. 3.4 DeepSeek (API) en liña DeepSeek publica os prezos nos seus documentos de API e na súa páxina de prezos. 
 
 
 
 
 
 
 
 Model family (per DeepSeek pricing pages) 
 What to expect 
 
 
 
 DeepSeek-V3 / “chat” tier 
 Very low per-token pricing compared to many frontier models 
 
 
 
 DeepSeek-R1 reasoning tier 
 Higher than chat tier, still aggressively priced DeepSeek-V3 / “chat” nivel Prezo moi baixo por token en comparación con moitos modelos fronteirizos DeepSeek-R1 nivel de razoamento Máis alto que o nivel de chat, aínda agresivamente prezado 4) Latency: non use táboas falsas de "segundos medios" A maioría das táboas de latencia do blog tamén son: 
 
 
 medido nun día, unha rexión, unha carga útil, despois reciclado para sempre, ou pura ficción . En vez de usar : two metrics you can actually observe 
 
 
 TTFT (tempo para o primeiro token) - como rápido comeza a transmisión Tokens/sec - o rápido que chega a saída unha vez que comeza 4.1 Expectativas de latencia práctica (direccional) 
 
 
 
 Os niveis "Mini / Flash" xeralmente gañan TTFT e rendemento para cargas de traballo de estilo chat. Os niveis de "razoamento" adoitan ter TTFT máis lento e poden producir máis tokens (máis pensamento), polo que a latencia percibida aumenta. As entradas de contexto longas aumentan a latencia en todas partes. 4.2 Como facer un benchmark para o seu propio produto (un método de 15 minutos) Crear un pequeno script de referencia que envíe: 
 
 
 
 
 o mesmo prompt (por exemplo, 400-800 tokens), saída máxima fixa (por exemplo, 300 tokens), na túa zona de destino, 30 ou 50 roldas. O rexistro: 
 
 
 
 p50 / p95 TTFT, p50 / p95 tempo total, Xogos / Sec. A continuación, tome a decisión con datos, non vibracións. 5) Compatibilidade: por que "tooling fit" bate a calidade do modelo en bruto Un modelo que é 5% "mais intelixente" pero rompe a súa pila é unha perda neta. 5.1 Compatibilidade de superficie Prompt + API (o que se rompe cando cambia de modelos) Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: Fonte: 5.2 Adecuado para o ecosistema (a.k.a. “que xa usas?”) 
 
 
 
 Se vives en fluxos de traballo de estilo Google Workspace / Vertex, a integración Gemini + opcións de aterraxe poden ser unha opción natural. Se confía nun amplo ecosistema de automatización de terceiros, OpenAI + Claude ambos teñen cobertura madura de SDK + ferramentas (LangChain, etc.). Se precisa de residencia de datos / on-prem, os modelos de código aberto (Llama / Qwen) permítenlle manter os datos dentro do seu límite, pero paga en MLOps. 6) A lista de verificación de decisións: escoller modelos como un enxeñeiro Paso 1 - Clasificar a tarefa 
 
 
 
 Alto volume / baixas apostas: etiquetaxe, reescritura, FAQ, extracción Interese medio: respostas de soporte ao cliente, información interna As apostas son altas: xurídicas, financeiras, de seguridade, de dominios médicos (teña coidado) Paso 2 - Decide a súa pila (a "regra dos modelos 2-3") Unha configuración común: 
 
 
 
 Rápido baixo custo para a maioría das solicitudes Un nivel forte para as indicacións duras, o contexto longo, o razoamento complicado Opcional: nivel de razoamento en tempo real ou profundo para UX / características específicas Paso 3 - Estratexia de control de custos (antes de enviar) 
 
 
 
 
 Limitacións de lonxitude de saída Cache repetido sistema/contexto Xestión de empregos homoxéneos engadir regras de escalada (non envíe todo ao seu modelo máis caro) 7) Unha táboa de comparación práctica que pode pegar nun PRD Aquí está unha pequena táboa "copiar / pegar" para as partes interesadas. 
 
 
 
 
 
 
 
 
 
 
 
 
 Scenario 
 Priority 
 Default pick 
 Escalate to 
 Why 
 
 
 
 
 
 
 Customer support chatbot 
 Latency + cost 
  (or Gemini Flash-tier) gpt-4o-mini 
  / Claude higher tier gpt-4.1 
 Cheap 80–90%, escalate only ambiguous cases 
 
 
 
 
 
 
 Long document synthesis 
 Context + format stability 
 Claude tier with strong long-form behaviour 
 gpt-4.1 
 Long prompts + structured output 
 
 
 
 
 
 
 Coding helper in IDE 
 Tooling + correctness 
  or equivalent gpt-4.1 
  /  o3 o1 
 Deep reasoning for tricky bugs 
 
 
 
 
 
 
 Privacy-sensitive internal assistant 
 Data boundary 
 Self-host Llama/Qwen 
 Cloud model for non-sensitive output 
 Keep raw data in-house Servizo de atención ao cliente chatbot Lentitude + custo (ou Gemini Flash-tier) gpt-4o-mini Claude Tier máis alto gpt-4.1 Barato 80-90%, escalar só casos ambiguos Síntese de documentos longos Contexto + estabilidade de formato Claude Tier con forte comportamento de forma longa gpt-4.1 Long prompts + saída estruturada Axudante de codificación en IDE Xestión + Corrección ou equivalente gpt-4.1 / de o3 o1 Razóns profundas para bugs tricky Axudante interno sensible á privacidade Fronteiras de datos Páxina oficial de Llama/Qwen Modelo de nube para a saída non sensible Manter os datos brutos dentro da casa Toma final “O mellor modelo” non é unha cousa. Só hai unha . best model for this prompt, this latency budget, this cost envelope, and this ecosystem Se vas a navegar con: 
 
 
 
 
 unha medida benéfica, un 2–3 modelo de estaca, restricións de produción rigorosas, e caching / batching, ...superará os equipos que perseguen o modelo máis novo cada mes.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Este audio está producido na lingua orixinal da historia!

Escoller un LLM en 2026: A táboa de comparación práctica (específicos, custo, latencia, compatibilidade)

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Tech Companies Community!

HackerNoon Decoded 2024: Celebrating Our Science Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

R Systems BlogBook—Chapter 1: Round 3 is Now Open for Submissions🎉

HackerNoon Decoded 2024: Celebrating Our Tech Companies Community!

HackerNoon Decoded 2024: Celebrating Our Science Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

R Systems BlogBook—Chapter 1: Round 3 is Now Open for Submissions🎉

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps