适用于 GitHub Copilot 的 AI 模型的比较
GitHub Copilot 支持具有不同功能的多个 AI 模型。 你选择的模型会影响 Copilot 对话助手 的响应以及 Copilot 代码补全的质量和相关性。 某些模型提供较低延迟，而另一些模型则提供较少的虚构内容或针对特定任务的更出色性能。 本指南可帮助你根据任务（而不仅仅是模型名称）选择最佳模型。
注意
不同的模型具有不同的高级请求乘数，这可能会影响每月用量补贴的使用量。 有关详细信息，请参阅 GitHub Copilot 中的请求。
按任务推荐的模型
使用下表快速查找合适的模型，请在以下部分中查看更多详细信息。
| 型号 | 任务领域 | 擅长功能（主要用例） | 附加功能 |
|---|---|---|---|
| GPT-4.1 | 常规用途的编码和编写 | 快速、准确的代码补全和解释 | 代理模式，视觉对象 |
| GPT-4o | 常规用途的编码和编写 | 快速补全和视觉输入理解 | 代理模式，视觉对象 |
| o3 | 深层推理和调试 | 多步骤解决问题和体系结构级代码分析 | 原因 |
| o4-mini | 快速帮助完成简单或重复的任务 | 为轻型编码问题提供快速可靠的答案 | 降低延迟 |
| Claude Opus 4 | 深层推理和调试 | 复杂的问题解决挑战，复杂的推理 | 推理，视觉 |
| Claude Sonnet 3.5 | 快速帮助完成简单或重复的任务 | 提供代码、语法和文档方面的快速答复 | 代理模式 |
| Claude Sonnet 3.7 | 深层推理和调试 | 跨大型复杂代码库进行结构化推理 | 代理模式 |
| Claude Sonnet 4 | 深层推理和调试 | 为编码工作流打造的性能与实用性的完美结合 | 代理模式，视觉 |
| Gemini 2.5 Pro | 深层推理和调试 | 复杂代码生成、调试和研究工作流 | 原因 |
| Gemini 2.0 Flash | 使用视觉对象（图表、屏幕截图） | 为基于 UI 和图表的任务提供实时答复和视觉推理 | 视觉对象 |
任务：常规用途的编码和编写
将这些模型用于需要平衡质量、速度和成本效益的常见开发任务。 如果没有特定要求，这些模型是不错的默认方案。
| 型号 | 适合的原因 |
|---|---|
| GPT-4.1 | 这是适合大多数编码和编写任务的可靠默认方案。 快速、准确且跨语言和框架工作良好。 |
| GPT-4o | 提供低延迟的 GPT-4 级性能。 |
| Claude Sonnet 3.7 | 生成清晰、结构化的输出。 遵循格式设置说明并保持一致的样式。 |
| Gemini 2.0 Flash | 快速且经济高效。 非常适合快速问题、简短代码片段和轻型编写任务。 |
| o4-mini | 针对速度和成本效益进行了优化。 非常适合以较低的使用开销提供实时建议。 |
何时使用这些模型
如果要执行以下操作，请使用这些模型之一：
- 编写或查看函数、短文件或代码差异。
- 生成文档、注释或摘要。
- 快速解释错误或意外行为。
- 在非英语编程环境中工作。
何时使用其他模型
如果要处理复杂的重构、体系结构决策或多步骤逻辑，请考虑使用深层推理和调试中的模型。 若要完成更快、更简单的任务（如重复编辑或一次性代码建议），请参阅快速帮助完成简单或重复的任务。
任务：快速帮助完成简单或重复的任务
这些模型针对速度和响应能力进行了优化。 它们非常适合快速编辑、实用工具函数、语法帮助和轻型原型制作。 你将获得快速答案，而无需等待不必要的深度或较长的推理链。
建议的模型
| 型号 | 适合的原因 |
|---|---|
| o4-mini | 这是一款适用于重复或简单编码任务的快速且经济高效的模型。 提供简洁明了的建议。 |
| Claude Sonnet 3.5 | 平衡质量输出与快速答复。 非常适合小型任务和轻型代码解释。 |
| Gemini 2.0 Flash | 延迟极低和支持多模态（如果有）。 非常适合快速交互式反馈。 |
何时使用这些模型
如果要执行以下操作，请使用这些模型之一：
- 编写或编辑小型函数或实用工具代码。
- 询问快速语法或语言问题。
- 以最少的设置建立创意原型。
- 获取有关简单提示或编辑的快速反馈。
何时使用其他模型
如果要处理复杂的重构、体系结构决策或多步骤逻辑，请参阅深层推理和调试。 有关需要更强常规用途的推理或更结构化输出的任务，请参阅常规用途的编码和编写。
任务：深层推理和调试
这些模型专为需要分步推理、复杂决策或高上下文感知的任务而设计。 当你需要结构化分析、深思熟虑的代码生成或多文件理解时，它们就很合适。
建议的模型
| 型号 | 适合的原因 |
|---|---|
| o3 | 擅长算法设计、系统调试和体系结构决策。 可平衡性能和推理。 |
| Claude Sonnet 3.7 | 提供可兼顾快速任务和更深入思考的混合推理。 |
| Claude Sonnet 4 | 在 3.7 的基础上加以改进，在压力下可提供更可靠的补全和更智能的推理。 |
| Claude Opus 4 | Anthropic 的最强模型。 在策略、调试和多层逻辑方面非常强大。 |
| Gemini 2.5 Pro | 提供具有长篇语境的高级推理和提供科学或技术分析。 |
何时使用这些模型
如果要执行以下操作，请使用这些模型之一：
- 跨多个文件调试上下文的复杂问题。
- 重构大型或互连的代码库。
- 跨层规划功能或体系结构。
- 在库、模式或工作流之间进行权衡。
- 分析日志、性能数据或系统行为。
何时使用其他模型
若要完成快速迭代或轻型任务，请参阅快速帮助完成简单或重复的任务。 有关常规开发工作流或内容生成，请参阅常规用途的编码和编写。
任务：使用视觉对象（图表、屏幕截图）
如果要询问有关屏幕截图、图表、UI 组件或其他视觉输入的问题，请使用这些模型。 这些模型支持多模态输入，非常适合前端工作或视觉对象调试。
| 型号 | 适合的原因 |
|---|---|
| GPT-4o | 支持图像输入。 非常适合利用视觉上下文解释屏幕截图或调试 UI 问题。 |
| Gemini 2.0 Flash | 这款快速多模态模型针对实时交互进行了优化。 非常适合用于提供图表、视觉原型和 UI 布局的反馈。 |
何时使用这些模型
如果要执行以下操作，请使用这些模型之一：
- 询问有关图表、屏幕截图或 UI 组件的问题。
- 获取有关视觉草稿或工作流的反馈。
- 通过视觉上下文了解前端行为。
提示
如果在不支持图像输入（如代码编辑器）的上下文中使用模型，则看不到视觉推理的优势。 可以使用 MCP 服务器间接访问视觉输入。 请参阅“使用模型上下文协议 (MCP) 扩展 Copilot 对话助手”。
何时使用其他模型
如果任务涉及深层推理或大规模重构，请考虑使用深层推理和调试中的模型。 若要完成纯文本任务或更简单的代码编辑，请参阅快速帮助完成简单或重复的任务。
后续步骤
选择正确的模型有助于充分利用 Copilot。 如果不确定要使用哪种模型，请从常规用途的方案（如 GPT-4.1 或 GPT-4o）开始，然后根据需求进行调整。
- 有关详细的模型规格和定价，请参阅 Copilot 中支持的 AI 模型。
- 有关如何使用不同模型的其他示例，请参阅 使用不同任务比较 AI 模型。
- 若要切换模型，请参阅 正在更改 Copilot Chat 的 AI 模型 或 更改 Copilot 代码补全的 AI 模型。
- 要了解 Copilot 对话助手 如何提供不同的 AI 模型，请参阅“托管 Copilot 聊天的模型”。