第一章：大模型集成概述¶

什么是大语言模型？¶

大语言模型（LLM）是基于 Transformer 架构的深度学习模型：

海量参数：数十亿到数千亿参数
预训练：在大规模文本数据上训练
涌现能力：展现出意想不到的能力
通用性：可处理多种任务

主流大模型（2025-2026）¶

国际模型¶

模型	公司	特点	适用场景
GPT-5.4	OpenAI	综合能力最强	复杂任务、专业工作
GPT-5.4 mini	OpenAI	性价比高	编程、子代理任务
Claude Opus 4.6	Anthropic	长文本、安全、代码	企业应用、复杂推理
Claude Sonnet 4.6	Anthropic	平衡性能与成本	通用场景
Gemini 2.5 Pro	Google	多模态、长上下文	多模态应用
Llama 4	Meta	开源、可商用	私有部署

国内模型¶

模型	公司	特点	适用场景
DeepSeek-V3.2	深度求索	性价比极高、代码强	成本敏感场景
DeepSeek R1	深度求索	推理能力强	复杂推理任务
通义千问 Qwen3	阿里巴巴	多模态、企业级	企业应用
智谱 GLM-4	智谱AI	开源、学术强	学术研究
Kimi k2	月之暗面	超长文本	文档分析

API 调用方式¶

OpenAI 格式（行业标准）¶

大多数大模型 API 都兼容 OpenAI 格式：

from openai import OpenAI

client = OpenAI(
    api_key="your-api-key",
    base_url="https://api.openai.com/v1"  # 不同厂商修改此地址
)

response = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[
        {"role": "user", "content": "你好"}
    ]
)

print(response.choices[0].message.content)

流式输出¶

stream = client.chat.completions.create(
    model="gpt-5.4-mini",
    messages=[{"role": "user", "content": "写一首诗"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="")

价格对比（2026年3月）¶

国际模型¶

模型	输入价格	输出价格	特点
GPT-5.4	$2.50/1M	$15.00/1M	最强能力
GPT-5.4 mini	$0.75/1M	$4.50/1M	性价比高
GPT-5.4 nano	$0.20/1M	$1.25/1M	最便宜
Claude Opus 4.6	$5.00/1M	$25.00/1M	最强推理
Claude Sonnet 4.6	$3.00/1M	$15.00/1M	平衡选择
Claude Haiku 4.5	$1.00/1M	$5.00/1M	快速响应

国内模型¶

模型	输入价格	输出价格	特点
DeepSeek Chat	¥1/1M	¥2/1M	极致性价比
DeepSeek Reasoner	¥4/1M	¥16/1M	推理模型
通义千问	¥0.5/1M	¥2/1M	企业优惠

价格优化技巧¶

使用缓存：OpenAI/DeepSeek 支持 Prompt Caching，缓存命中后价格降低 75%
选择合适模型：简单任务用 mini/nano，复杂任务用旗舰
使用 Batch API：异步批处理可节省 50%
国内模型：DeepSeek 价格是 GPT-4 的 1/50

模型选型建议¶

场景	推荐模型	理由
复杂推理	GPT-5.4 / Claude Opus	能力最强
代码生成	GPT-5.4 mini / DeepSeek	性价比高
成本敏感	DeepSeek Chat	价格最低
长文本分析	Kimi / Claude	支持 100K+ 上下文
多模态	GPT-5.4 / Gemini	图片/视频理解
私有部署	Llama 4 / Qwen	开源可商用

小结¶

本章学习了：

✅ 大语言模型概念
✅ 2025-2026 主流大模型对比
✅ API 调用方式（OpenAI 格式）
✅ 最新价格对比
✅ 模型选型建议

下一章¶

第二章：OpenAI 集成 - 学习 OpenAI GPT-5.4 系列模型使用。