如需完整的文件索引,請參閱 llms.txt。在文件頁面的網址末尾加上 .md ,即可取得該頁面的 Markdown 版本。
主要導覽
主題

模型選擇

找出適合你使用情境的模型

認識各款模型

Astra

頂尖智慧

適合處理尚待釐清的問題、進行深入分析,以及製作難度高的交付成果。

GPT-6.1 Sol

經過最佳化,效能出色

適合需要兼顧時間與成本的複雜任務。

GPT-6.1 Terra

視覺推理與電腦操作

適合透過螢幕介面操作的工作流程、精簡寫作,以及範圍明確的程式碼修正。

Luna

聰明又高效

適合範圍明確的任務、問題分流,以及經常執行的自動化任務。

可用的模型、工具、推理設定和用量上限會因產品和模型版本而異。請查看 ChatGPT 中可用的模型或 API 模型目錄。

找出適合你工作流程的模型

選擇你的工作類型和任務,即可取得模型建議。

你正在做哪一類工作?

何時考慮使用 GPT-6.1 Terra

如果要根據提供的資料撰寫精簡內容、操作電腦以達成明確目標,或修正範圍明確的程式碼問題,可以試試 GPT-6.1 Terra。請提供明確的輸入資料、需求和驗證結果的方法,例如檢查已儲存的紀錄或執行迴歸測試。

使用相同的輸入資料和推理強度,比較 GPT-6.1 Terra 與 GPT-6.1 Sol 的結果。評估寫作成果時,除了準確性和篇幅,也要考量內容是否適合目標讀者、語氣是否恰當,以及細節是否有用。評估電腦操作時,請檢查已儲存的結果,並確認任務完成報告是否準確。

何時考慮使用 GPT-6.1 Sol

執行複雜專案且需要考量成本時,可以考慮使用 GPT-6.1 Sol,例如根據財務業績製作董事會簡報,或依據產品概要建立網站。讓 GPT-6.1 Sol 和 Astra 執行相同的任務,再比較結果,衡量品質與成本之間的取捨。

請參閱 API 模型頁面瞭解規格和 API 價格,或查看模型在 Codex 和 ChatGPT 工作中的供應情況,確認你的 ChatGPT 方案是否可使用此模型。

如何選擇模型與推理強度

Luna 是成本效益最高的模型,Astra 則是我們最先進、能力最強的模型。如果無須考量成本和延遲,可以預設使用 Astra。若要降低成本或縮短延遲時間,請參考以下指引,選擇符合需求的模型和推理強度。

Luna 是我們效率最高的模型,Astra 則是我們最先進、能力最強的模型。如果無須考量用量或完成任務所需的時間,可以預設使用 Astra。若要更有效地運用可用額度,請參考以下指引,選擇符合需求的模型和推理強度。

模型與推理強度

  1. Luna · 低

    修改細節、解決範圍明確的問題,以及執行簡單的資料擷取。

  2. Luna · 極高

    從多個應用程式查找最新的背景資訊、安排工作優先順序,以及解決限制條件明確的問題。

  3. GPT-6.1 Sol · 中

    處理複雜的技術工作,以及製作一組相互配合、預計還會修改的交付成果。

  4. GPT-6.1 Sol · 極高

    製作完成度高的交付成果、建立相互銜接的視覺系統,以及權衡相互矛盾的證據後做出決策。

  5. Astra · 低

    撰寫精簡的文字或改編內容,同時保留原有的事實與細微差異。

  6. Astra · 中

    適合需要掌握廣泛背景資訊、確保互動穩定並交付完整成果的高難度專案。

  7. Astra · 極高

    進行高難度分析,以及製作必須符合嚴格要求的複雜交付成果。

模型強項
3D 與 設計 軟體 資料與 分析 文件 與簡報 電腦 操作 研究與 規劃

實際測試

你可以從本頁的指引開始。要找出適合工作流程的模型,最好的方式是實際嘗試不同的模型和推理設定,看看哪種組合最符合需求。

先考量以下問題:

  • 工作流程多久執行一次? 相較於偶爾執行的專案,頻繁執行的自動化流程會讓用量和成本累積得更快。
  • 你需要多快取得結果? 如果你正在等任務完成,可能需要選擇較快的設定。可以在夜間執行的任務則較有時間餘裕。
  • 你會如何使用輸出內容? 供自己審閱的草稿,可能不需要像對外分享的內容那樣精心潤飾。
  • 結果的品質有多重要? 視使用情境或所屬產業而定,如果特別重視品質,可以選用能力較強的模型。

如果可以,請使用相同的輸入資料進行測試並比較結果,再從符合品質要求的設定中,選擇推理強度最低的一項。

比較模型之前,先訂定驗收標準:

  • 寫作: 確認內容涵蓋必要的事實和限定條件,並檢查是否適合目標讀者、語氣是否恰當。先審閱兩份輸出內容,再判斷較短的版本是否更有用。
  • 電腦操作: 重新開啟受影響的紀錄或頁面,確認變更已儲存,並確認工作流程保留了與任務無關的資料。接著,比對任務完成報告與實際結果。
  • 程式碼與介面: 執行迴歸測試。如果是互動式應用程式,也要檢查桌面和行動裝置上的實際顯示效果。

選取多項具代表性的任務,重複進行比較。評估品質時,也要衡量完成任務所需的時間,並將審閱或修正結果的時間計算在內。接著,維持相同的模型和輸入資料,測試不同的推理強度。