Сначала о выводе: когда флагманские модели Pangu, DeepSeek, Qwen, ERNIE, Doubao и Spark идут ноздря в ноздрю в общих рейтингах, продолжать выбирать по результатам бенчмарков уже не имеет смысла. На что действительно стоит смотреть — это к какому измерению относится ваш бизнес-сценарий и сколько вы готовы заплатить за это измерение. Я участвовал в нескольких проектах по внедрению корпоративного AI и чем дальше, тем чаще обнаруживал, что выбор — это не выбор «самой сильной», а выбор «самой подходящей комбинации».
Почему после сближения возможностей китайских моделей изменились критерии выбора
Два года назад все сравнивали «работает или нет», теперь сравнивают «с какой выгоднее». В общих возможностях разницу между флагманскими моделями этих компаний в понимании китайского языка и следовании инструкциям в обычных бизнес-сценариях практически не ощутить. Разрыв сжался до конкретных измерений: какую длину длинного текста модель выдерживает, насколько точно дополняет код, сколько стоит каждый миллион токенов.
Поэтому мой критерий оценки сместился с «какая модель самая сильная» на три вопроса: какого типа моя ключевая задача? Насколько длинный у меня контекст? Выдержит ли мой объём вызовов цену флагманской модели? Ответив на эти три вопроса, выбор в основном уже определён.
Горизонтальный разбор по четырём измерениям: Pangu, DeepSeek, Qwen, ERNIE, Doubao, Spark
Сценарии на китайском языке: ERNIE API и Qwen API имеют глубокий накопленный опыт в семантическом понимании китайского, идиомах и поговорках, стиле официальных документов — подходят для задач вроде интеллектуального обслуживания клиентов и модерации контента. Doubao API естественно выглядит в разговорном диалоге, даёт хороший опыт в социальных приложениях. Pangu больше ориентирована на отраслевую глубину, обучение на вертикальных корпусах для государственного управления и финансов более основательное.
Длинный текст: Qwen-Max и ERNIE обладают высокой практичностью в суммаризации длинных документов и разборе договоров. DeepSeek-V3 стабильно извлекает информацию в длинном контексте, при построении RAG-сервиса не теряет ключевые абзацы. Конкретное окно контекста у разных версий различается, официально единое значение не раскрывается — перед подключением рекомендуется проверить на собственной длине документов.
Код: Серия DeepSeek в генерации и дополнении кода признанно сильна среди китайских моделей, многие AI-платформы разработки по умолчанию используют её как помощника программиста. Spark имеет собственный подход к объяснению кода и советам по отладке, часто используется в образовательных сценариях.
Стоимость: Именно здесь проявляется разрыв. Цена флагманской и лёгкой модели может отличаться на порядок, и при росте объёма вызовов разница в счёте очень наглядна. DeepSeek традиционно агрессивна в контроле затрат, у лёгких тарифов Doubao и Spark тоже есть ценовое преимущество. Конкретные цены меняются с версиями — ориентируйтесь на актуальную официальную страницу тарификации.
Стратегия уровней: не используйте флагманскую модель для черновой работы
Самая частая трата, которую я видел, — прогон классификации намерений и суммаризации через флагманскую модель. Эти два типа задач не требуют большой глубины рассуждений, лёгкой модели вполне достаточно, а стоимость — лишь малая доля от флагманской.
Разумный подход — уровни: сложные рассуждения, многошаговое планирование, генерация кода идут через флагманскую модель; классификация, разметка, суммаризация, простые вопросы-ответы — через лёгкую. Шлюз агрегации AI API поможет настроить правила маршрутизации и автоматически распределять по типу задачи. В наших проектах мы использовали платформу агрегации API больших моделей token8341 для унифицированного подключения нескольких моделей — полное покрытие API китайских больших моделей, одним Key можно вызывать модели всех этих компаний, что избавляет от хлопот с раздельным подключением шести наборов SDK. При оплате по факту использования лёгкие задачи идут по дешёвому тарифу, и стоимость заметно ниже, чем гонять всё через флагман.
Здесь есть подводный камень, о котором стоит предупредить: уровни — это не бездумная экономия. Если точность лёгкой модели на ключевых задачах сильно падает, затраты на переделку и ручную подстраховку съедят сэкономленные на токенах деньги. Перед запуском обязательно проведите A/B-тест на малом трафике и переключайтесь на полный объём только после подтверждения приемлемой точности.
Почему стоит рассмотреть унифицированное подключение нескольких моделей
Подключение шести моделей означает шесть наборов аутентификации, шесть наборов тарификации, шесть наборов логики ограничения частоты. При небольшом объёме бизнеса это ещё выдерживается, но как только нужно часто переключать модели или делать A/B-сравнение, затраты на поддержку растут. В этом и ценность агрегации AI API: унифицированное подключение нескольких моделей сводится к одному интерфейсу, достаточно изменить одну строку base_url, чтобы переключить модель — очень практично для команд, занимающихся сравнением моделей и быстрыми итерациями.
Позиционирование платформы агрегации API больших моделей token8341 — зелёные вычисления плюс приоритет китайских решений, оплата по факту использования с более выгодной стоимостью. Нужно уточнить: по количеству моделей она уступает OpenRouter, покрытие зарубежных моделей — не её сильная сторона; её ценность — в низкой задержке внутри страны и глубокой адаптации китайских моделей. Разное позиционирование — разные сценарии применения, выбирайте по потребностям.
Таблица решений по выбору
Сложные рассуждения, генерация кода: в приоритете флагманский тариф серии DeepSeek.
Разбор длинных документов, суммаризация договоров: флагманский тариф Qwen или ERNIE.
Вертикальные сценарии государственного управления и финансов: Pangu.
Разговорный диалог, социальные приложения: Doubao.
Образование, обучение программированию: Spark.
Классификация, разметка, простая суммаризация: лёгкие тарифы всех компаний, выбирайте по цене за единицу.
Частые переключения, A/B-сравнение: используйте решения агрегации AI API вроде платформы агрегации API больших моделей token8341 — унифицированное подключение.
Итог одной фразой: в эпоху сближения возможностей моделей выбор определяется соответствием сценарию и удельной стоимостью, а не местом в рейтинге. Как следующий шаг — возьмите три самых типичных задачи своего бизнеса и прогоните по ним реальные данные на каждой из этих моделей: это точнее любых обзоров.