使用不同任务比较 AI 模型

概述

支持 Copilot Chat 的每个 AI 模型具有不同的优势。 为了帮助你决定使用哪种模型，本文提供了常见开发人员任务的真实示例，以及示例提示、响应和指导，说明为什么特定模型非常适合。

这些示例介绍了模型在推理风格、响应深度和处理视觉输入的能力方面的差异。 使用它们来比较输出质量，并为你的特定工作流程选择合适的模型。

有关支持的模型和并排功能比较的完整列表，请参阅“AI 模型比较”。

GPT-4.1

对于受益于速度、响应能力和常规用途推理的常见开发任务，GPT-4.1 是一个不错的选择。 在处理需要广泛知识、快速迭代或基础代码理解的任务时，可以使用 GPT-4.1 模型。

示例方案

请考虑在 Python 服务中为访问控制编写辅助函数的场景。 你想添加 docstrings 来阐明函数的目的。

下面是为文档授予编辑权限的辅助函数：

def grant_editor_access(user_id, doc_id):
    access = AccessManager()
    access.assign_role(
        resource_type="document",
        resource_id=doc_id,
        role="editor",
        user_id=user_id
    )

示例提示

Add a docstring to the function that explains what it does.

def grant_editor_access(user_id, doc_id):
    access = AccessManager()
    access.assign_role(
        resource_type="document",
        resource_id=doc_id,
        role="editor",
        user_id=user_id
    )

Add a docstring to the function that explains what it does.

Add a docstring to the function that explains what it does.

示例响应

def grant_editor_access(user_id, doc_id):
    """
    Grants editor access to a specific document for a given user.

    This function uses the AccessManager to assign the "editor" role
    to the specified user for the provided document ID.

    Args:
        user_id (str): The ID of the user to grant access to.
        doc_id (str): The ID of the document to which access is being granted.
    """
    access = AccessManager()
    access.assign_role(
        resource_type="document",
        resource_id=doc_id,
        role="editor",
        user_id=user_id
    )

为什么 GPT-4.1 适合

• 该函数简短且独立，因此非常适合快速生成 docstring。
• GPT-4.1 可以识别模式并提供清晰简洁的说明。
• 该任务不需要深层推理或复杂逻辑。

GPT-5 mini

OpenAI GPT-5 mini 是一种快速、经济高效的模型，专为简单或重复编码任务而设计。 它能以极低的延迟提供可靠、简洁的答案，非常适合用于获取实时建议和轻量级开发工作流。 GPT-5 mini 针对速度和响应能力进行了优化，因此可以快速循环访问小代码更改或获取直接提示的即时反馈。

示例方案

假设你正在构建一个实用脚本，需要筛选用户记录的列表，使结果仅包含活跃用户，并按其注册日期排序。 这项任务很简单，不需要深度推理或多步骤逻辑。

以下是用户列表的示例：

users = [
    {"name": "Alice", "active": True, "signup_date": "2023-12-10"},
    {"name": "Bob", "active": False, "signup_date": "2023-11-05"},
    {"name": "Charlie", "active": True, "signup_date": "2024-01-15"}
]

示例提示

Filter the list of users to only include active users, and sort them by signup_date.

users = [
    {"name": "Alice", "active": True, "signup_date": "2023-12-10"},
    {"name": "Bob", "active": False, "signup_date": "2023-11-05"},
    {"name": "Charlie", "active": True, "signup_date": "2024-01-15"}
]

Filter the list of users to only include active users, and sort them by signup_date.

Filter the list of users to only include active users, and sort them by signup_date.

示例响应

# Filter to only include active users
active_users = [user for user in users if user["active"]]

# Sort active users by signup_date
active_users_sorted = sorted(active_users, key=lambda user: user["signup_date"])

print(active_users_sorted)

为什么 GPT-5 mini 适合

• 这项任务简单直接，可通过快速、低延迟的响应高效完成。
• GPT-5 mini 针对成本和速度进行优化，非常适合快速编辑、原型制作和实用工具代码。
• 如果希望获得简单编码问题的可靠答案，但不想等待不必要的深度解析时，可使用此模型。

GPT-5.2

GPT-5.2 支持图像输入，使开发人员能够在 UI 检查、图表分析或布局调试等任务中引入视觉上下文。 这使得 GPT-5.2 特别适用于通过图像输入增强问题解决的场景，例如要求 Copilot 分析 UI 屏幕截图以识别辅助功能问题，或帮助理解布局中的视觉错误。

示例方案

你正在设计一个购物车系统，并有一个 UML 类关系图，概述了 Cart、Product、User 和 Order 之间的关系。 你希望上传图表的图像并要求 Copilot 生成类，而不是从头开始写出系统。

示例提示

Use this UML diagram to generate the classes for a shopping cart system.

Use this UML diagram to generate the classes for a shopping cart system.

示例响应

Copilot 将为关系图中的每个类生成一个类，包括它们之间的关系。 下面是为 Cart 类生成的示例代码：

from cart_item import CartItem
from order import Order

class Cart:
    def __init__(self, cart_id, user_id):
        self.cart_id = cart_id
        self.user_id = user_id
        self.items = []

    def add_item(self, item):
        self.items.append(item)

    def remove_item(self, item):
        self.items = [i for i in self.items if i != item]

    def calculate_total(self):
        return sum(item.quantity * item.product.price for item in self.items)

    def place_order(self):
        # Implementation for placing an order
        return Order("", None, 0)

为什么 GPT-5.2 适合

• 其中解释视觉对象资产，例如 UML 关系图、线框或流程图，以生成代码基架或建议体系结构。
• 对于查看 UI 布局或窗体设计和生成的屏幕截图非常有用。

Claude Haiku 4.5

Claude Haiku 4.5 是日常编码支持的良好选择，包括编写文档、回答特定语言的问题或生成模板代码。 它提供有用的直接答案，不会过度复杂化任务。 如果你在成本约束范围内工作，则建议 Claude Haiku 4.5，因为它在 Claude Sonnet 4.5的许多相同任务上提供可靠的性能，但资源使用率较低。

示例方案

考虑一个场景，你正在为应用程序实现单元测试和集成测试。 你希望确保测试是全面的，并涵盖你可能想到和可能没有想到的任何边缘情况。

关于方案的完整指南，请参阅 使用 GitHub Copilot 编写测试。

为什么 Claude Haiku 4.5 适合

• 它在测试生成、样板基架和验证逻辑等日常编码任务方面表现良好。
• 该任务倾向于多步骤推理，但仍处于较不先进模型的置信区间内，因为逻辑不太深入。

Claude Sonnet 4.5

Claude Sonnet 4.5 在软件开发生命周期的各个阶段都表现出色，从初始设计到 Bug 修复，从维护到优化。 它尤其适用于多文件重构或架构规划场景，在这些场景中理解跨组件的上下文非常重要。

示例方案

考虑这样一个场景：你正在用 Node.js 重写旧 COBOL 应用程序，从而使其现代化。 project涉及理解不熟悉的源代码、跨语言转换逻辑、迭代生成替换项，以及通过测试套件验证正确性。

关于方案的完整指南，请参阅 使用 GitHub Copilot 现代化旧代码。

为什么 Claude Sonnet 4.5 适合

• Claude Sonnet 4.5 处理复杂的上下文，使其适合跨多个文件或语言的工作流。
• 其混合推理体系结构使其能够在快速答案和更深入、分布式问题解决之间切换。

其他阅读材料

• AI 模型比较
• GitHub Copilot 指南