大模型众多如何选择实用挑选指南

让我们先从一个WPS海外版大模型选型的真实案例讲起。

金山办公全球业务副总经理张宁透露，金山办公于2023年初正式宣布全面拥抱AI（All in AI）。WPS海外版在AI应用的落地中，确定了两个核心方向：拼写检查与PPT自动生成。

方向明确、场景清晰，接下来最为关键的步骤便是：选择哪个大模型？

最初，WPS团队选择了一款在参数规模、长文本处理等各项技术指标上都堪称“顶配”的大模型。然而实际效果却并不理想，例如拼写检查功能时常“好心办坏事”，误改了原文中本不应修改的内容。

随后，团队依次测试了市面上多款知名大模型，每测试一个模型都需要投入大量的时间和精力。

转折发生在他们与亚马逊云科技中国区行业集群总经理沈涛交流之后。

沈涛的观点十分明确：当前基础模型层出不穷，并没有绝对的优劣之分，关键在于能否与自身的业务场景高度匹配。

亚马逊云科技一直致力于降低生成式AI的技术门槛，推出了全托管的生成式AI服务Amazon Bedrock。企业通过API即可调用从文本到图像领域的多种强大基础模型，快速完成模型选择与部署，从而加速AI应用的落地进程。

WPS海外版团队随后转向使用Amazon Bedrock，大模型的测试与选择工作因此变得高效而便捷。

WPS Office AI应用的选型过程，正是当前众多AI应用开发团队普遍面临的典型困境。这一案例背后，折射出AI应用开发商在大模型选择上常见的几大误区。

AI应用中的大模型选择误区

当前AI应用开发热潮高涨，但海比研究院调查显示，许多团队在大模型选型时往往会陷入三个常见的陷阱。

第一个陷阱：盲目追求排名与参数。凡是评测得分高、排名靠前、参数规模大、训练数据多、文本窗口长、多模态能力强、版本新的模型，就优先选择。

然而WPS的实际经历表明，这样选出的模型往往与自身应用场景并不匹配，最终效果自然大打折扣。

第二个陷阱：逐个联系大模型厂商，通过官方渠道逐一调用API并进行测试。

这种做法代价高昂：成本高、周期长、人力投入大。更关键的是，时间成本难以承受。

第三个陷阱：受困于大模型的“不可能三角”。所谓不可能三角，即通用性、可靠性与经济性，一个模型很难同时达到三者最优。

面对这个看似无解的难题，许多开发者陷入了纠结，难以做出决策。

海比研究院指出，这些误区的根源在于，不少AI应用开发者并未真正厘清大模型选择的两大核心问题：

第一，选择大模型应从哪些维度进行综合评估？

第二，大模型选型的实施路径，是逐个与厂商单线对接，还是通过MaaS平台一站式完成？

AI应用的大模型选型框架

大模型作为战略性、基础性的数智化产品，选型必须进行全局考量，不能仅关注参数或产品本身。

海比研究院在中国软件行业协会、清华大学、北京大学、国家应用软件产品质量监督检验检测中心等机构的支持下，推出了“数智产品六力选型框架”。该框架同样适用于大模型的选型评估。

数智产品六力选型框架

资料来源：海比研究院

对于任何AI应用，选择大模型都需要综合考量六大维度：品牌能力、产品能力、技术能力、服务能力、安全能力以及价值能力。

品牌能力，指的是大模型厂商的综合实力。其中最关键的是，该厂商是否具备持续发展的能力，能否长期陪伴业务成长。一旦选择了中途倒闭或停止更新的大模型，对AI应用将是致命打击。当前国内大模型市场正处于“百模大战”阶段，未来必然有不少玩家退出，因此品牌选择的重要性不言而喻。

产品能力，关注的是大模型本身的场景符合度、性能表现与用户体验。切忌唯技术论、唯排名论，必须与自身应用场景相匹配。排名靠前的模型未必适合你，每家厂商都有各自的核心能力，而这些能力通常与特定场景紧密关联。以WPS的拼写检查为例，一些技术上极为出色的模型反而适用性不强——文档中经常包含外语原文引用，原文可能存在语病，但大模型却会自作主张地将其“修正”，这显然不符合需求。

技术能力，既需要评估大模型厂商的技术成熟度——能否提供稳定、可靠的商业级支持，也要考察其对前沿技术的跟进能力，确保不被新的技术迭代所淘汰。

服务能力，重点考察大模型厂商在AI应用开发过程中能否提供深度的技术支持。大模型与AI应用对接时，往往需要进行大量优化与精调工作，若无厂商的深度支持，很容易走弯路。

安全能力，聚焦于数据保护。AI应用涉及开发者的数据资产与用户隐私，大模型厂商必须严格保障数据安全。同时，随着AI应用合规要求日益提高，厂商的合规能力也不容忽视。

价值能力，涵盖标杆客户、目标客户匹配度以及投入产出比。每家厂商都有其特定的目标客户群体与成本结构。

AI应用开发者可以借助“六力”框架对候选模型进行深入比较。当然，各维度的权重可根据实际需求灵活调整。例如，若当前最注重的目标是产品快速落地，则可适当放大产品能力的权重，重点评估模型与场景的匹配度。

AI应用的大模型选型路径

除了选择什么模型，如何选择同样是一个关键问题。

海比研究院调查发现，当前主流路径主要有两条：一是直接对接主流大模型厂商，逐个进行测试评估后做出决策；二是通过MaaS平台，例如亚马逊云科技的Amazon Bedrock，一站式完成测试与评估。

从当前阶段来看，MaaS平台是更为优选。

这是因为MaaS平台能有效化解大模型选型面临的三大挑战：如何快速部署生成式AI？如何降低技术应用门槛？如何确保数据隐私与安全性？

更重要的是，这条路径能为AI应用开发商大幅节约选型成本，特别是时间成本。当前MaaS服务基本覆盖了市场主流大模型，无需逐个对接；平台提供便捷的API接口，支持快速切换与测试；同时还提供精调、工程化等一系列增值服务，这些都能为开发者节省大量时间。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大模型众多如何选择实用挑选指南要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题