Escolha um chinês LLM: Guia de roteamento atual ChinaAPI

A configuração padrão incorreta é um modelo principal para cada solicitação. A maioria das falhas em produção ocorre no início: um modelo somente de texto recebe uma imagem, um modelo 256K recebe um repositório ilimitado, uma primeira tentativa barata se transforma silenciosamente em cinco novas tentativas ou um loop de ferramenta não tem limite de orçamento e aprovação.

O snapshot de 2026-07-20, conciliado com o gateway, contém 25 modelos atuais cobrados por token com a tag Reasoning. São opções suficientes para tornar um ranking genérico menos útil do que uma regra de roteamento. Este guia reduz a primeira decisão à restrição que pode fazer uma tarefa falhar: modalidade, janela de contexto, uso de ferramentas, latência ou o custo de uma resposta aceita.

Este é um guia de seleção do catálogo atual, não um parâmetro de qualidade público. Os model IDs abaixo estão ativos no ChinaAPI hoje; grupo de contas, saldo, limites de taxa, integridade do servidor upstream e a própria tarefa ainda afetam o sucesso de uma solicitação.

Resposta curta

• Para RAG centrado em texto, extração, classificação e candidatos de código de baixo custo, comece com deepseek-v4-flash. Ele tem uma janela de contexto de 1M e suporte a ferramentas no catálogo atual, a $0.3 de entrada / $1.2 de saída por milhão de tokens. Não envie entradas de imagem ou vídeo para uma rota somente de texto.
• Use qwen3.7-plus como o padrão prático de agente de uso geral quando a tarefa precisar de arquivos ou imagens, além de uma janela de 1M. É o primeiro teste certo quando o uso de ferramentas e o contexto visual importam mais do que minimizar cada token.
• Em trabalhos longos, escolha a operação antes da marca. LongCat-2.0 é uma rota de 1M somente de texto, com ferramentas; kimi-k2.7-code é o candidato especialista em código, com 256K; MiniMax-M3 é a rota de 1M deste snapshot com arquivos e visão. Eles resolvem restrições diferentes.
• Reserve qwen3.8-max, glm-5.2, ou kimi-k3 para passadas selecionadas de alto valor e para revisão independente. Uma passada premium é mais útil depois que já existe um candidato, e não como a primeira chamada em um fluxo de trabalho em lote.
• Use glm-5v-turbo quando a entrada incluir vídeo. No catálogo atual, é a rota de raciocínio explicitamente marcada para imagem, vídeo, arquivos e ferramentas; uma rota somente de texto ou somente de imagem não consegue recuperar informações que nunca recebeu.

A posição é deliberada: Não direcione o atendimento com base no selo principal do fornecedor. Direcione com base no modo de falha que você não pode aceitar e, em seguida, obtenha uma escalação premium com dados de saída aceitáveis.

O que o catálogo atual possibilita

A tabela é intencionalmente um mapa de roteamento, e não uma ordem de classificação. deepseek-v4-flash pode ser uma primeira chamada melhor do que um modelo carro-chefe quando a entrada é texto e o objetivo é produzir candidatos a baixo custo. É uma má primeira chamada quando a tarefa depende de uma imagem, um vídeo ou um arquivo que o modelo não consegue inspecionar.

O preço é um fator que influencia o roteamento, não a decisão em si.

Os preços exibidos atualmente mostram por que a direção dos tokens importa. deepseek-v4-flash custa $0.3 de entrada / $1.2 de saída por milhão de tokens. qwen3.7-plus custa $1.2 / $4.8; LongCat-2.0 custa $0.3 / $1.2; e qwen3.8-max custa $2 / $6.

Esses números representam as taxas de exibição atuais reconciliadas pelo gateway, e não uma previsão do custo total do projeto ou uma pontuação de qualidade. Tokens de processamento, falhas de cache, chamadas de ferramentas, novas tentativas, correções humanas e a probabilidade de aceitação da resposta influenciam o resultado. A unidade útil é:

usable-answer cost =
  (input tokens + output/thinking tokens + tool costs + retries + review time)
  / accepted answers

Um preço de entrada baixo perde a vantagem se o modelo não consegue processar a modalidade de origem ou se o seu primeiro resultado falha repetidamente em uma verificação de schema, citação, ferramenta ou revisão de código. Por outro lado, um modelo de saída cara pode ser adequado para uma revisão final selecionada e um desperdício para cada candidato de um lote. Verifique os preços em tempo real antes de colocar uma rota em produção.

Um método de roteamento repetível em dois estágios

Crie o cartão de tarefa antes de escolher o modelo. O objetivo é evitar que uma solicitação se transforme acidentalmente em um loop de agente dispendioso e ilimitado.

{
  "task_id": "contract-qa-01",
  "task_type": "document_question_answering",
  "source_modalities": ["pdf", "image"],
  "context_band": "1m",
  "needs_tools": true,
  "needs_video_input": false,
  "max_tool_rounds": 6,
  "max_attempts": 2,
  "acceptance_checks": ["answer cites supplied pages", "JSON validates", "no unsupported claim"],
  "candidate_model": "qwen3.7-plus",
  "escalation_model": "glm-5.2",
  "human_approval_required": true
}

Em seguida, encaminhe cada tarefa em cinco etapas:

1. Selecione a rota de menor custo que consiga efetivamente ler as entradas e que atenda às restrições de contexto/ferramenta.
2. Execute uma seleção limitada de candidatos com verificações explícitas de aceitação, custos e limites de novas tentativas.
3. Encaminhe para um canal premium ou especializado apenas os casos que não obtiveram sucesso ou que sejam de alto valor.
4. Para resultados relevantes, realize uma revisão independente e exija aprovação humana antes de ações externas, pagamentos, implementações ou exclusão de dados.
5. Armazene o resultado aceito/rejeitado, os tokens faturados, as rodadas da ferramenta, as novas tentativas e os minutos de reparo. Promova uma rota para o padrão somente depois que ela for bem-sucedida nos dados de saída aceitos.

O briefing interno de roteamento define um conjunto de 60 tarefas candidatas que abrange RAG de texto, extração estruturada, programação, uso de ferramentas, documentos longos, compreensão de imagem ou vídeo e revisão final. Isso é um plano de teste, não um benchmark público. Ainda não publicamos taxas de conclusão repetidas na ChinaAPI, distribuições de latência, taxas de sucesso de ferramentas nem resultados de programação em nível de repositório para todos os 25 modelos.

Erros comuns de roteamento

O que este guia não afirma

Este artigo não publica um ranking universal de qualidade, tabela de classificação de latência, garantia de disponibilidade do fornecedor ou resultado de política de segurança. As configurações do modelo e os preços dos gateways podem mudar; a página de preços em tempo real é a fonte oficial. Também não temos ainda um benchmark público que comprove que um modelo é melhor em código, raciocínio, uso de ferramentas ou compreensão multimodal para todas as tarefas.

Use os dados atuais do catálogo para escolher uma primeira rota defensável. Em seguida, meça seus próprios resultados aceitáveis, tipos de falha, novas tentativas e custo total. A próxima atualização útil é um relatório de benchmark com um conjunto fixo de tarefas, execuções repetidas, metodologia detalhada e conclusões claramente definidas — e não um ranking mais chamativo.