使用不同任务比较 AI 模型

概述

Copilot对话中支持的每个 AI 模型都有不同的优势。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

Copilot prompt

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

注意

以下响应是示例。 Copilot对话的回答是不确定的，因此你可能会得到与这里所显示的不同的回答。

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
    )

GPT-4.1 为何适合

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。

数据变量.copilot.copilot_gpt_5_mini %}

OpenAI GPT-5 微型是一种快速且成本高效的模型，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 微型针对速度和响应能力进行了优化，因此你可以针对小型代码更改进行快速迭代，或者对简单的提示进行即时反馈。

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

Copilot prompt

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

注意

以下响应是示例。 Copilot对话的回答是不确定的，因此你可能会得到与这里所显示的不同的回答。

# 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 微型是一个理想的选择

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 微型针对成本和速度进行了优化，使其成为快速编辑、原型制作和实用工具代码的理想选择。
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。

数据变量.copilot.copilot_gpt_52 %}

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。你不想从头开始编写系统，而是想上传关系图的图像，并要求 Copilot 生成类。

购物车 UML 关系图的屏幕截图，显示了“购物车”、“产品”、“用户”和“订单”的类详细信息。

示例提示

Copilot prompt

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

注意

以下响应是示例。 Copilot对话的回答是不确定的，因此你可能会得到与这里所显示的不同的回答。

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 非常合适

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。

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。

克劳德十四行诗 4.5 能够很好地处理复杂的上下文，使其适用于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

        [AUTOTITLE](/copilot/reference/ai-models/model-comparison)

        [AUTOTITLE](/copilot/copilot-chat-cookbook)

在本文中

概述

GPT-4.1

示例方案

示例提示

示例响应

GPT-4.1 为何适合

数据变量.copilot.copilot_gpt_5_mini %}

示例方案

示例提示

示例响应

为什么 GPT-5 微型是一个理想的选择

数据变量.copilot.copilot_gpt_52 %}

示例方案

示例提示

示例响应

为什么 GPT-5.2 非常合适

克劳德·海库 4.5

示例方案

为什么克劳德·海库 4.5 是一个理想的选择

克劳德十四行诗 4.5

示例方案

为什么克劳德十四行诗 4.5 是一个理想的选择

其他阅读材料