DeepSeek V4 Flash 价格仅 $0.14/M tokens，通义千问 Max 中文写作碾压 GPT，Kimi 200 万上下文可以一次读完《三体》三部曲，GLM 智谱支持私有化部署……国产模型在 2026 年已经不是"平替"了，在某些场景甚至比海外模型做得更好。

但问题来了：这些模型在 Hermes Agent 上表现如何？ 本文实测四款主流国产模型，覆盖编码、写作、翻译、长文档四个场景，给出选购建议。

---

一、参测模型与配置

1.1 模型资费一览

模型	提供商	输入价格（/M tokens）	输出价格（/M tokens）	上下文长度
DeepSeek V4 Flash	DeepSeek	$0.14	$0.28	1M
DeepSeek V4 Pro	DeepSeek	$1.74	$3.48	1M
通义千问 Max	Alibaba DashScope	$0.80	$3.20	256K
Kimi (moonshot-v1)	月之暗面	$0.50	$2.00	200 万
GLM-5.1	Z.AI / 智谱	$0.60	$2.40	128K
Qwen3.7-Max	Alibaba DashScope	$1.20	$4.80	128K

1.2 Hermes 中的配置方式

# DeepSeek
echo 'DEEPSEEK_API_KEY=sk-...' >> ~/.hermes/.env
hermes config set model.provider deepseek
hermes config set model.default deepseek-v4-flash

# 通义千问
echo 'DASHSCOPE_API_KEY=sk-...' >> ~/.hermes/.env
hermes config set model.provider dashscope
hermes config set model.default qwen-max

# Kimi
echo 'KIMI_API_KEY=sk-...' >> ~/.hermes/.env
hermes config set model.provider kimi

# GLM
echo 'GLM_API_KEY=...' >> ~/.hermes/.env
hermes config set model.provider zai

---

二、场景实测

场景 1：编码（Python FastAPI + PostgreSQL CRUD）

任务： "创建一个用户管理模块，包含注册、登录、获取用户列表三个接口，用 FastAPI + Pydantic v2 + SQLAlchemy 2.0，写测试。"

评估维度	DeepSeek Flash	DeepSeek Pro	通义千问 Max	Kimi	GLM-5.1
代码正确性	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
类型注解完整性	有的缺了	✅ 完整	部分缺了	✅ 完整	部分缺了
测试覆盖	基本覆盖	✅ 完整	基本覆盖	✅ 完整	只有主路径
错误处理	基础 try-except	✅ 完整	基础	✅ 完整	基础
首次运行通过率	85%	95%	70%	90%	75%
延迟（首 token）	0.8s	1.5s	2.0s	1.2s	1.8s

编码场景结论：

• 首选：DeepSeek V4 Pro — 代码质量最优，价格合理
• 省钱选：DeepSeek V4 Flash — 代码质量足够，价格只有 Pro 的 1/10
• 通义千问和 Kimi 编码能力接近，但不如 DeepSeek 稳定
• GLM 编码能力最弱，不建议用于编程

场景 2：中文技术写作（翻译 + 重写一篇英文技术文档）

任务： "把这篇英文 API 文档翻译成中文技术博客，要求：技术术语保留英文括号标注，句式用中文习惯重组，删掉啰嗦的部分。"

评估维度	DeepSeek Flash	DeepSeek Pro	通义千问 Max	Kimi	GLM-5.1
翻译准确度	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐
中文流畅度	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
术语处理	有的没标注	✅ 规范	✅ 非常规范	✅ 规范	一般
句式重构	一般	好	非常好	好	一般
啰嗦删减	不太够	好	很好	好	不太够

写作场景结论：

• 首选：通义千问 Max — 中文写作一骑绝尘，句式自然、术语规范
• 次选：DeepSeek Pro / Kimi — 都很好
• 通义千问在中文语感上有明显优势，毕竟是阿里达摩院的底子

场景 3：长文档处理（分析一篇 8 万字的技术报告）

任务： "读这篇 8 万字的技术报告，总结核心观点，列出关键数据，指出报告中可能的偏误。"

评估维度	DeepSeek Flash	DeepSeek Pro	通义千问 Max	Kimi	GLM-5.1
是否一次读完全文	✅ 1M 上下文	✅ 1M 上下文	❌ 截断了	✅ 200 万上下文	❌ 截断了
总结准确度	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	N/A（截断）	⭐⭐⭐⭐⭐	N/A
关键数据提取	⭐⭐⭐	⭐⭐⭐⭐	N/A	⭐⭐⭐⭐⭐	N/A
偏误识别	⭐⭐⭐	⭐⭐⭐⭐	N/A	⭐⭐⭐⭐	N/A

长文档场景结论：

• 首选：Kimi — 200 万上下文是它最独特的优势，别的模型做不到
• 次选：DeepSeek Pro（1M 上下文也够用）
• Kimi 适合：法律文档分析、学术论文综述、大代码库全局分析

场景 4：代码解释和调试（一个 500 行的 Legacy 代码）

任务： "下面这段 PHP Legacy 代码是干什么的？有没有 Bug？怎么重构？"

评估维度	DeepSeek Flash	DeepSeek Pro	通义千问 Max	Kimi	GLM-5.1
代码理解	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
Bug 发现	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐
重构建议	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐
安全性检查	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐	⭐⭐⭐	⭐⭐

调试场景结论：

• 首选：DeepSeek Pro — 代码理解和 Bug 发现能力最强
• 次选：DeepSeek Flash / Kimi — 够用
• DeepSeek 在代码方面的优势明显，跟它的训练数据侧重编程有关

---

三、综合评分

场景	冠军	亚军	省钱首选
编码	DeepSeek V4 Pro	Kimi	DeepSeek V4 Flash
中文写作	通义千问 Max	DeepSeek Pro	DeepSeek Flash
长文档	Kimi	DeepSeek Pro	—
代码调试	DeepSeek V4 Pro	Kimi	DeepSeek V4 Flash
综合性价比	—	—	DeepSeek V4 Flash

---

四、最佳实践：搭配方案

方案 A：极致省钱（月费 $2-8）

# 默认跑 Flash
model:
  default: deepseek-v4-flash
  provider: deepseek

日常编码、翻译、写作全用 DeepSeek Flash。虽然中文写作不如通义，但价格优势巨大。

方案 B：平衡方案（月费 $8-20）

利用 Profile 系统，不同任务用不同模型：

# Profile: default → DeepSeek Flash（聊天、查资料）
# Profile: coder → DeepSeek Pro（写代码）
# Profile: writer → 通义千问 Max（写文章）
# Profile: research → Kimi（读长文档）

hermes profile create coder --clone
hermes -p coder config set model.default deepseek-v4-pro

hermes profile create writer --clone
hermes -p writer config set model.provider dashscope
hermes -p writer config set model.default qwen-max

hermes profile create research --clone
hermes -p research config set model.provider kimi

方案 C：备用链（故障转移）

# 主用 DeepSeek，它挂了自动切通义
model:
  default: deepseek-v4-flash
  provider: deepseek

fallback_providers:
  - provider: dashscope
    model: qwen-max

---

五、国内用户专属建议

1. 网络延迟：所有国产模型在国内直连延迟都很低（<1s）。DeepSeek 和通义最快。不需要代理。
2. 价格优势：DeepSeek Flash 的 $0.14/M 是全球最低价之一，比 GPT-4o 便宜约 50 倍
3. 中文优势：通义千问 Max 的中文写作质量优于 GPT-5 和 Claude
4. 私密部署：GLM 支持私有化部署，适合对数据安全有要求的企业
5. 免费额度：Kimi 和通义新用户通常赠送数百万 token 的免费额度

---

六、一句话总结

写代码找 DeepSeek，写文章找通义，读长文档找 Kimi，私有化部署找 GLM。

但如果你只想装一个——DeepSeek V4 Flash 的性价比让所有竞品望尘莫及，$0.14/M 的价格、1M 上下文、足够好的编码和中文能力。在 Hermes 上把它设为默认模型，一年省下的钱够买几本书了。