模型

每个项目用平台的一个模型。这个模型评审项目的运行，替项目做平台 AI 的事，也在沙盒里应答 Agent 的模型调用。本页说明有哪几个可选、多少钱、在哪里处理，以及怎么换。

选项目的模型

模型在项目的页头，项目名旁边。点开下拉框选一个：

选项	模型	编号
「最强 · 较慢 · Gemini 4 Argon」（默认）	Gemini 4 Argon	vertex:gemini-4-argon
「强 · 较快 · GPT-6.1 Sol」	GPT-6.1 Sol	azure:gpt-6.1-sol
「均衡 · Gemini 3.8 Flash」	Gemini 3.8 Flash	vertex:gemini-3.8-flash
「省钱 · GPT-6 Luna」	GPT-6 Luna	azure:gpt-6-luna
「跟随组织默认（…）」	组织的默认模型，括号里写着是哪个	API 里是 null

每个选项下面用浅色的一行写着它每 1M token 实际收的价（输入 / 输出），见价格。换模型时会让你确认一次：「评审、平台 AI 和沙盒里的 Agent 都会改用这个模型。已有的结果不变，还是按当时的模型判的。」

模型用在哪里

1. 平台评审的运行都用它判，包括对话 AI 的测试集，以及沙盒里的运行（连仓库或自带镜像的项目）。每次运行都记下是哪个模型判的，换了模型以后，以前的结果还是原来的标签，报告的「这次是怎么测的」里写着那次的评审模型。两个实验的评审模型不同时，对比会写「不可比」和原因（见对比两个实验）。
2. 平台的 AI 替这个项目做的每一步都用它：在这个项目里打开的助手（在别处打开时用组织的默认模型）、写测试、「让 AI 补全并检查」和「让 AI 填好并测通」、AI 自动审批、结果的诊断、出安全测试题、助手发现的问题（起名和建评分器）。这些照旧计入助手每天的用量。
3. 连仓库或自带镜像、项目密钥里没有 OPENAI_API_KEY 的项目，Agent 的模型调用由平台应答。Agent 要的是上面几个之一就用它，不是的就用项目的模型。见 Agent 的模型。
4. 设置新的对话 AI、接口类型选「平台模型」时，模型列表就是这几个，默认选好项目的模型。已经建好的平台模型对话 AI 保留它建的时候用的模型，因为你们测的就是那个模型。

平台不评审的地方，评审模型仍按 review.yaml 的 judge.model。本地测试机上，那台机器有评审模型的密钥时用它调用；没有、写的又是平台提供的模型时，平台评审，和沙盒里一样。沙盒里写的是平台不提供的模型时，要把它的密钥加成项目密钥（见评审模型的密钥）。

价格

美元每百万 token，就是实际收的价：模型的标价再加 30%，和平台上所有的模型用量一样。缓存输入是提供方从缓存里读出的那部分提示词（重复的开头，比如很长的系统提示词）。

模型	输入	缓存输入	输出	标价（输入 / 缓存 / 输出）
Gemini 4 Argon	$5.20	$0.26	$26.00	$4 / $0.20 / $20
GPT-6.1 Sol	$2.60	$0.13	$13.00	$2 / $0.10 / $10
Gemini 3.8 Flash	$1.95	$0.195	$9.75	$1.50 / $0.15 / $7.50
GPT-6 Luna	$0.13	$0.013	$0.65	$0.10 / $0.01 / $0.50

这几个模型回答前会先思考，思考用的 token 按输出计费，和模型厂商收的一样（Gemini 把它和回复分开报，平台加在一起算）。Azure 对超过长上下文门槛的请求收更高的价。平台的调用远低于这个门槛，按短上下文的价计费。各类用量记在账单的哪一项、每次运行和每天的上限，见价格。

为了比较评得准不准，2026 年 10 月 9 日，三个模型评审了平台的 50 道评审校准题（回复必须说出的事实、不能说的内容）。GPT-6.1 Sol 50 道全对，Gemini 3.8 Flash 对 49 道，GPT-6 Luna 对 48 道。之前默认的评审模型 gpt-4.1-mini 对 48 道。

2026 年 10 月 24 日加了 Gemini 4 Argon。它在这 50 道题上跑了三次，三次全对，GPT-6.1 Sol 也是；在平台 258 道安全测试的评审校准上，它两次都对 252 道，GPT-6.1 Sol 平均对 249 道。所以它排在最前面。但它每次调用比 GPT-6.1 Sol 慢：一般慢一半多，最慢的那些慢 2 到 3 倍；同样的评审花费也约是两倍多。所以它的档位叫「最强 · 较慢」，GPT-6.1 Sol 叫「强 · 较快」。

同一天起，Gemini 4 Argon 是平台的默认。选了 GPT-6.1 Sol 的项目和组织改用 Gemini 4 Argon，选了 GPT-6 Luna 的改用 Gemini 3.8 Flash（50 道题上它对 49 道，GPT-6 Luna 对 48 道）。写了这两个模型的 AI 评分器和试验场的列也一样换了，评分器换的是一个新版本，旧版本和它打的分不变。平台模型对话 AI 不换，因为你们测的就是那个模型。GPT-6.1 Sol 和 GPT-6 Luna 还可以选。

组织的默认模型

所有者在「组织 → 策略」里设「默认模型」，可选的也是这几个。选了「跟随组织默认（…）」的项目用它，在项目以外打开的助手也用它。项目和组织都没选时，用平台的默认：Gemini 4 Argon（2026 年 10 月 24 日以前是 GPT-6.1 Sol）。

语义相似类判断标准

similar 和 answer_relevance 两种判断标准用嵌入比较意思。平台评审的运行不用为它们做任何设置。平台用 Google 的 gemini-embedding-001，在 Vertex AI 伦敦（europe-west2）计算，嵌入不收费。

用这个模型时，默认阈值是 similar 0.96、answer_relevance 0.87，是在中英文标注句对上实测定的。用别的嵌入模型时仍是 0.75 和 0.7。在判断标准里自己写了阈值的，按你写的算。

similar 只看两段话意思像不像。日期、金额说错了，相似度也可能超过 0.96，所以要对照参考答案核对事实，请用「事实一致」。本地测试机上照旧设 judge.embedding_model。

模型在哪里处理

平台用自己的账号调用这些模型，不涉及你们的密钥，平台的密钥也不进沙盒。

模型	提供方	在哪里处理
GPT-6.1 Sol、GPT-6 Luna	Microsoft Azure（Azure AI Foundry），全球标准（Global Standard）部署	Azure 的任意区域
Gemini 4 Argon、Gemini 3.8 Flash	Google Cloud Vertex AI，全球端点	Google 提供它的任意区域
gemini-embedding-001（语义相似类判断标准）	Google Cloud Vertex AI	伦敦（europe-west2）

见子处理者。

内容过滤

GPT 模型当被测 AI 时（平台模型对话 AI，或沙盒里 Agent 的模型调用），用 Azure 默认的内容过滤器；Gemini 模型有 Google 的安全过滤器。被哪一家的过滤器拦下，结果里都写明「被模型服务商的内容过滤器拦下了，不是模型拒答」。平台自己的调用（评审和平台 AI）用的是过滤放宽的部署，这样安全测试的攻击题也能照常评审。

沙盒里 Agent 要的模型平台没有、由平台的 Gemini 顶替回答时，这次调用把 Gemini 能调的安全过滤都关掉（请求能设的每一类都设成 OFF；哪项设置都关不掉的照旧）：换上的模型是平台选的，安全测试的攻击题要拿到真回答才能判。这类安全测试的调用被它的安全过滤拦下（回空内容，或者回 HTTP 400 说被安全过滤拦了）时，平台改用另一家的平台模型（Gemini 被拦就用 GPT-6.1 Sol）把这次调用重发一次，报告的「这次没测到的」里写明哪几道题是换了模型代跑的。另一家也拦下时，算平台的模型出错：这次执行「没测成」，不算 Agent 的，也不算被测产品的，不收费。Agent 自己点名要这个 Gemini 时，用它自己的默认设置，拦下是被测模型自己的结果。换上的模型不收的参数，平台去掉后重发，运行记录里写明（Gemini 的「Penalty is not enabled for this model」：frequency_penalty 和 presence_penalty）。AI 网关的调用从不改。

API

路由	做什么
GET /v1/models	可选的模型和它们的编号。
PATCH /v1/projects/<项目编号>	{ "model": "azure:gpt-6-luna" } 设项目的模型：模型的编号，或 null 跟随组织的默认。为了兼容，judge_model 和 agent_model 仍然收：其中写的是模型的编号时，设的就是 model。
PATCH /v1/orgs/<组织编号>	{ "default_model": "vertex:gemini-3.8-flash" } 设组织的默认模型，null 是用平台的默认。只能由所有者在浏览器里设。

编号不是这几个模型之一时回 400 unknown_model。这个平台现在没开通的模型回 400 model_unavailable。见 API 与令牌。

下一步

• 价格：用量怎么收费，以及费用上限。
• 项目密钥：不给密钥时 Agent 的模型调用。
• 数据处理：谁处理什么、在哪里处理。