9 款大模型怎么选？Claude 规划 + Codex / Qwen 执行的 hybrid 速查表（2026 版）

先看结论：10 秒速查表

不讲大词，先给一条 2026 年 AI 项目的主线心法：

Claude 规划 → Codex / MiniMax / Qwen 执行 → Claude review。

别指望一个模型打全场，2026 年能把项目交付稳的人，都是在用 2–3 个模型分工。下面这张表，截图存着，开新项目前先对一遍。

你要干的事	主选	次选 / 搭档	为什么
Architect / 方向判断	Claude（Opus）	—	规划深度 + 风险把控目前没对手
完整项目从 0 搭起	Claude 规划 + Codex 执行	GLM（企业级兜底）/ Qwen（本地省钱）	Claude 架构最稳，Codex 落地最快
多文件重构 / 遗留代码	Claude	GLM / DeepSeek	Claude 最干净，GLM 最不漏依赖
Agent 工作流 / 工具调用	MiniMax	Qwen / Claude（规划兜底）	MiniMax 最快，Qwen 本地跑更便宜
超长文档 / 白皮书	Kimi	Gemini	Kimi 跨文档关联最稳，Gemini 带图表更强
硬核数学 / 算法	DeepSeek	Codex / Qwen	DeepSeek 性价比高，Codex 自调试更稳
中文带货 / 社媒文案	Doubao	Kimi	Doubao 自然度最高、成本最低
多模态（图 + 视频 + 代码）	Gemini	Codex / Qwen / Kimi	速度 + 价格 + 理解力最均衡
高频迭代 / 本地私有化	Qwen / MiniMax / DeepSeek	Doubao	一天跑几十次也不心疼，Qwen 还能离线

下面 9 款模型每款只讲 3 件事：最擅长 / 真实场景 / 会翻车。

1. Claude（Anthropic Claude 4.6 Opus / Sonnet 4.6）

最擅长：深度规划、架构决策、风险把控、多文件重构、长文案、代码 review。像一个不算便宜但很靠谱的高级架构师。

真实场景：复杂项目默认用它做开场——不是让它直接写代码，是让它当 architect：拆任务、定接口、列风险、判断取舍。现在我写任何不小的项目都是 Opus 规划 + Sonnet 跟进，最后还让它做一次 review 才收尾。重构 10 万行遗留代码几乎不漏依赖，5000 字以上长文最有人味。

会翻车：贵；风控偏严，偶尔拒敏感内容；高频纯执行场景成本吃不消；纯"快跑"的活交给 Codex / MiniMax / Qwen 比它强。

2. Codex（OpenAI GPT-5 系列 coding agent）

最擅长：写代码、终端执行、自调试、boilerplate、快速迭代修复。2026 年"执行层"最 predictably 好用的那一个。

真实场景：Claude 拆好任务扔给 Codex 一条条做。它能自己跑 terminal、自己写测试、自己改 bug——Reddit、X 上 2026 年 Codex 用户最高频的评价就是"稳得离谱"。CRUD、脚手架、单测、API 粘合这些活效率碾压人肉；自调试能力强、一次通过率高，token 用量其实比很多看起来便宜的模型还省——单价看着不低，算上少的返工次数和上下文轮次，总成本往往反而更低。

会翻车：方向判断一般，没有 Claude 级别的架构感；长时程自己推着推着就跑偏，需要 Claude 阶段性回头校准。

3. Gemini（Google Gemini 3 系列 / 3 Pro）

最擅长：多模态（图 + 视频 + 音频 + PDF）、超长上下文、Google 生态整合。

真实场景：500 页带图表的财报 PDF + 一小时视频会议录音，Gemini 能直接吃下来做摘要；百万 token 代码库审查几乎无衰减。预算紧张时它是多模态场景的默认首选。

会翻车：纯编码的一致性比 Claude 差一截；纯中文长文档的跨文档关联比 Kimi 差。

4. MiniMax（M2.7 / M2.5 系列）

最擅长：Agent 工作流、工具调用执行、高并发实时任务、快速原型。2026 年相当一批开发者的日常 coding agent 主力就是它——不是"便宜的平替"，是真能扛产出的那种。

真实场景：爬虫 + 清洗 + 报告生成的 Agent 流水线，MiniMax 5 分钟跑完一轮；OpenRouter 调用量常年前列。日常写脚本 / 改 bug / 多工具链调用，它的结构化输出和工具调用成功率稳得出奇，不少团队直接把 Claude Code / Cursor 的后端模型切成 MiniMax 当日常主力，只留 Claude 做规划和 review。

会翻车：长时程规划偏弱，复杂方案设计交给它容易跑偏，所以才需要 Claude 先定架构它再执行。

5. GLM（智谱 AI GLM-5 / GLM-4.7 系列）

最擅长：复杂软件工程、架构设计、大型系统 Bug 修复、企业 / 学术深度分析。江湖上常被叫"国产 Claude"。

真实场景：企业 ERP 模块（多 API + 权限 + 多库）边缘 case 几乎不遗漏。真实项目里被夸最多的是 SSO / RBAC 权限 / 多租户隔离 / 审计合规这种"一错就出大事"的场景——GLM 会老老实实把所有权限路径、角色边界、审计日志位点都列清楚，几乎不漏。最常见组合：Claude 定架构 → MiniMax / Qwen 批量执行 → GLM 兜底修企业特有的权限 / SSO / 合规逻辑。

会翻车：响应偶尔慢；保守风格有时绕弯子"想太多"。

6. Qwen（阿里通义千问 Qwen3 / Qwen3.6 / Qwen-Coder 系列）

最擅长：Agentic coding、本地 / 开源高效执行、性价比极高的复杂代码任务、长上下文代码库 + 多模态。定位是"MiniMax + DeepSeek 的升级版性价比选手 + 本地部署神器"。

真实场景：本地一张消费级卡就能跑 Qwen3.6-35B-A3B MoE（仅 3B 激活），做 Agent 循环速度跟 Claude 接近，成本低到离谱；"Claude 规划 → Qwen 执行"正在成为 2026 年越来越多开发者的默认搭法——高频项目一天跑几百轮也不心疼，还能完全离线不过 API，私有数据场景也能跑。

会翻车：极致深度的多文件规划一致性偶尔输给 Claude；简单聊天有时"理工男话痨"，绕一大圈才给答案。

7. DeepSeek（V3.2 / R1 系列）

最擅长：硬核编程、数学算法、科研推理、高频低成本项目、开源本地部署。

真实场景：LeetCode Hard、数学建模的准确率和主流旗舰几乎持平，但成本低一个数量级；算法密集项目一天跑几百次能显著压住账单。开源权重对私有化部署也友好，不想折腾微调选 Qwen，想吃更深数学深度选它。

会翻车：简单聊天偶尔"理工男话痨"，絮絮叨叨一大段；推理模式稍慢。

8. Doubao（字节 Doubao-Seed-2.0 / Pro）

最擅长：日常中文对话、语音交互、社媒 / 电商文案、实时资讯、高频低成本。

真实场景：写抖音 / 小红书带货文案 + 口播脚本最自然、最有流量感——别家模型写出来常"太正经"。日常客服和批量内容生成，高频用不心疼钱。

会翻车：专业代码 / 科研深度明显不足；复杂 Agent 任务别让它主导。

9. Kimi（月之暗面 Kimi K2.5 / K2）

最擅长：超长文档 / 论文 / 研报 / 整本代码库分析、跨文档关联、Agent 集群。

真实场景：一本 200 万字技术白皮书 + 3 份研报交叉验证，跨文档关联目前是天花板；多智能体并行做竞品分析也很稳。

会翻车：简单任务大材小用；响应偶尔慢；带图表的多模态场景不如 Gemini。

3 个真实场景的 hybrid 玩法

场景 1：两周交付一个 AI 客服 SaaS Demo

text
规划（1 天）：
  Claude Opus 定架构——对话编排 / FAQ 检索 / 工单生成 / 人工接管回路
  产出：接口文档 + 风险清单 + 5 个模块拆分

执行（10 天）：
  Codex 写 API、前端、单测（每模块一次过）
  预算紧 / 要私有化 → Codex 换成 Qwen 本地跑
  MiniMax 负责 Agent 编排层（跑 FAQ / 工单调用）
  GLM 兜底修企业 SSO + 权限边缘 case

Review（2 天）：
  Claude Sonnet 逐文件 review，挑架构漂移 + 遗漏依赖

场景 2：吃透 3 份竞品 PDF 白皮书并写成报告

text
读资料：Kimi 吃 3 份 PDF 并交叉找矛盾点
图表补强：Gemini 解析带架构图的部分
大纲：Claude 定报告结构 + 论点优先级
初稿：Codex 批量生成段落 + 引用格式
终稿：Claude 逐段调语感 + 删水分

场景 3：迭代一个算法交易的回测脚本

text
数学推导：DeepSeek（便宜 + 深度够，跑一百轮不心疼）
代码实现：Codex（快速出版本，自跑回测自改 bug）
本地高频跑：切 Qwen（要私有数据 / 合规就别走云 API）
架构 review：Claude（每周一次，挑潜在数据泄漏 + 时间对齐 bug）

一句话记忆点

2026 年 AI 打法只有一条主线：Claude 规划 → Codex / MiniMax / Qwen 执行 → Claude review。

开新项目前问自己 3 件事就够了：

1. 这一步是"想清楚"还是"干出来"？—— 想清楚交 Claude，干出来交 Codex / MiniMax / Qwen
2. 处理的是"纯文本"还是"多模态"？—— 纯长文看 Kimi，多模态看 Gemini
3. 这条流程每天跑几次？要不要本地化？—— 跑 50 次以上或要私有化，就往 Qwen / DeepSeek / Doubao 靠

这 3 题答完，主选和搭档基本就锁死了。

常见问题

Q：一个项目真要同时用 2–3 个模型吗？不嫌麻烦？

2026 年一个项目只用一个模型才是真麻烦——短板会被无限放大。主力 2–3 个模型分工（规划 / 执行 / review）是现在最常见的打法，OpenRouter、Cursor、Claude Code 这类多模型 router 工具早就把切换成本打平了。硬让一个模型打全场，不是省事，是给自己挖坑。

Q：Codex 和 Cursor / Claude Code 是什么关系？

三个都是"coding agent"这一层的工具，底下跑的模型不同：Codex 特指 OpenAI 官方那套（跑 GPT-5）；Claude Code 跑 Claude；Cursor 可以任意切。工具名不重要，重点是"你用什么模型来执行"——2026 年执行层 Codex / MiniMax / Qwen 最稳，规划层 Claude 最稳。

Q：想本地 / 私有化部署首选哪款？

Qwen 和 DeepSeek 都开源权重，差别是：想要 agentic coding 体验 + 一张消费级卡能跑，选 Qwen3.6 MoE（35B-A3B 那档）；想要数学 / 算法更深的推理，选 DeepSeek。两者都能完全离线，适合合规 / 私有数据 / 高频压账单的场景。

Q：出新版本要全切过去吗？

不用。版本号不重要，"在你自己的任务上有没有变好"才重要。拿你手头一个现有项目重跑一遍再决定，千万别看榜单切。

Q：为什么没讲文心 / 腾讯 / 其他模型？

只列了我自己 2026 年日常用得最多的 9 款。国内模型梯队变动快，先把这 9 款用熟，其他的有具体新场景再补。