搭配方案
共 6 条
GLM 制定计划并生成代码文本，Jev 为每个浏览器步骤选择具体动作，完成 LinkedIn 发消息等任务
GLM 擅长规划与生成，Jev 专做结构化决策，两者分工让浏览器 agent 在每步快速选出动作
✓ 运行时间缩短 31% 和 43%✓ Jev 输入费率比 GLM 低 44% ✕ 总成本增加 38% 和 51%✕ Private Mode 下不可用
NPC根据任务复杂度灵活调度模型，融入Git、Docker、CI/CD实现自动闭环开发
按任务复杂度分配模型降低成本，容器沙箱扩展多模态能力上限
✓ 降低多轮任务成本✓ 可扩展多模态能力上限
低成本模型配合PTC、Workspace、Verifier和专业工具链，可取得接近Claude的任务效果
通过Runtime层统一适配与多模型路由，简单任务用高性价比模型，复杂推理路由到更强模型，失败自动回退。
✓ 成本更可控，效果接近旗舰模型✓ 模型失败自动回退，不中断任务
Kimi K3 担任主 agent，GLM 负责 sub-agent 任务
GLM 速度快，适合快速完成大量任务；Kimi K3 能力强适合主控
✓ 能走得很远✓ 快速完成大量任务
封装LoRA、量化、分布式训练，一条命令完成微调和对齐
工具原生适配这些模型，微调流程像预制菜配调料包，降低二次开发门槛
✓ 一条命令完成微调✓ 降低二次开发门槛
GLM + 
MinerU+ 
OpenAI GPT Latest+ 
Qwen + Python+ PDF+ PowerPoint (.pptx)+ deepseek-v4-flash-vision-exp
MinerU+ OpenAI GPT Latest+