模型的六种类型与开源闭源

「模型」不只有聊天机器人一种。按输入输出分六大类： 文本模型：文字进、文字出。对话、写作、翻译、写代码的主力，按 token 计费。 图片生成模型：文字进、图片出。海报、插画、配图，按张计费。 视频生成模型：文字或图片进、视频出。目前按秒计费，成本最高的一档。 语音合成：文字进、语音出。配音、播报，按字符或秒计费。 语音识别：语音进、文字出。会议转写、字幕，按时长计费。 向量模型（embedding）：文字进、一串坐标出。不给人看，专供检索系统判断「意思是否接近」，第十一章的主角。 同一款产品背后常常是几种模型的接力：语音会议助手先跑识别、再跑文本总结、最后合成纪要语音。 六种模型的输入输出速记表： 文本模型 → 文字 → 文字（按 token 计费） 图片生成 → 文字 → 图片（按张计费） 视频生成 → 文字/图片 → 视频（按秒计费，最贵） 语音合成 → 文字 → 语音（按字符/秒计费） 语音识别 → 语音 → 文字（按时长计费） 向量模型 → 文字 → 一串坐标（供检索用，最便宜）

推理模型（reasoning model）回答之前，会先生成一段不展示给你的内部推理，想清楚了再作答。代价是时间更长、token 更贵——那些「看不见的思考」也是照常计费的。 它值得花的场景：数学计算、多步逻辑推理、复杂规划、疑难 bug 定位。 不值得的场景：日常问答、格式转换、文风润色。这类任务普通模型又快又好，开深度思考纯属浪费。 判断口诀：任务需要「想清楚才能答对」时才用推理模型。拿不准时，同一道难题两个模式各跑一次，对比质量和耗时，你就有体感了。

开源模型指权重文件公开发布，你可以下载到自己机器上运行。它换来的是数据不出门、用量不限、可以魔改；代价是机器要自己买、效果要自己调、安全补丁要自己盯。 闭源模型通过 API 使用。能力强、更新快、零运维；代价是数据按对方政策处理、单价长期累积、厂商停服或涨价你没有太多办法。 什么时候自部署才划算？三个条件同时满足：数据敏感必须本地化、调用量大到 API 账单可观、团队有能力维护 GPU 服务。缺任何一条，API 都是更好的起点。