引言：做 Agent，真正先要解决的是“模型接哪里”

很多人学习 Agent 时，最先关注的是：

• ReAct
• LangGraph
• Tool Calling
• Multi-Agent

但真正开始动手后，第一个必须解决的问题其实是：

你的代码，到底接哪个模型？

2026 年，Agent 开发里最常见的大模型来源，已经不再只有 OpenAI。

尤其对于国内开发者，更现实的情况是：

• OpenAI 官方 API 很难直接稳定访问
• 企业通常会通过代理商或兼容平台接入
• 越来越多团队直接使用国内模型

目前最主流的大模型，大致可以分成两类：

国外模型

• OpenAI
• Claude
• Gemini
• 本地开源模型

国内模型

• DeepSeek
• 通义千问（Qwen）
• 智谱 GLM
• Kimi（月之暗面）
• 豆包（字节）
• 腾讯混元
• 百川
• Ollama 本地模型

这篇文章重点讲：

在 Python / LangChain 中，如何快速接入这些模型，以及它们分别适合什么场景。

---

一、为什么现在不同模型都能用同一套代码？

过去，不同模型厂商的 API 差异非常大。

你如果从 OpenAI 换到别的模型，往往需要：

• 重写 SDK
• 重写请求参数
• 重写鉴权逻辑

但到了 2026 年，大多数模型厂商都逐渐兼容 OpenAI 风格接口。

因此，你会发现很多模型虽然不是 OpenAI，但仍然使用：

from langchain_openai import ChatOpenAI

真正变化的，往往只剩下：

model=...
api_key=...
base_url=...

例如：

ChatOpenAI(
    model="qwen-plus",
    api_key="...",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

这也是为什么，现在很多 Agent 项目，都可以在不改业务逻辑的前提下快速切换模型。

---

二、OpenAI：最成熟，但国内通常无法直接访问

如果你希望：

• 使用最成熟的 Agent 能力
• 兼容 LangChain / LangGraph 官方示例
• 使用最完整的 Tool Calling 与函数调用

那么 OpenAI 仍然是最强、最成熟的选择。

常见模型

• gpt-4.1
• gpt-4.1-mini
• gpt-4o
• gpt-4o-mini

其中：

• gpt-4.1：适合复杂 Agent
• gpt-4.1-mini：更便宜，更适合开发阶段

但国内不能直接接 OpenAI

对于中国大陆开发者，最现实的情况通常是：

OpenAI 官方 API 无法直接稳定访问，需要通过代理商、海外服务器或 OpenAI 兼容平台。

常见方式包括：

• 海外云服务器自建转发
• OpenRouter
• SiliconFlow（硅基流动）
• 阿里云 / 火山引擎的 OpenAI 兼容网关
• 公司内部统一 AI 网关

所以你真正写的，通常不是：

base_url="https://api.openai.com/v1"

而是：

base_url="https://你的代理地址/v1"

示例：

from langchain_openai import ChatOpenAI
import os

llm = ChatOpenAI(
    model="gpt-4.1-mini",
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url="https://your-proxy.example.com/v1"
)

OpenAI 最适合什么？

适合：

• LangGraph
• Tool Calling
• ReAct Agent
• 多 Agent
• 复杂长链推理

但如果你在国内做企业项目，通常并不推荐把 OpenAI 作为唯一方案。

---

三、DeepSeek：国内最值得优先考虑的模型之一

DeepSeek 是 2025~2026 年国内增长最快的模型。

它最大的优势是：

• 中文能力强
• 编程能力强
• 成本远低于 OpenAI
• 对 Agent 非常友好

特别适合：

• 中文问答
• Coding Agent
• 企业内部系统
• 成本敏感场景

接入方式

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="deepseek-chat",
    api_key=os.getenv("DEEPSEEK_API_KEY"),
    base_url="https://api.deepseek.com"
)

常见模型

• deepseek-chat
• deepseek-reasoner

其中：

• deepseek-chat：速度快，适合大部分业务
• deepseek-reasoner：更适合复杂推理和 Agent

DeepSeek 最适合什么？

中文 + 代码 + Agent + 低成本

对于大多数国内团队，如果不知道选什么，DeepSeek 往往是最稳妥的起点。

---

四、通义千问（Qwen）：国内最成熟、最适合企业

如果你在国内开发，而且希望：

• 不需要代理
• 中文效果稳定
• 更容易接入 Java / Spring Boot
• 更适合企业内部系统

那么通义千问通常是最推荐的。

常见模型

• qwen-plus
• qwen-max
• qwen-turbo

一般可以这样理解：

• qwen-max：最强，但最贵
• qwen-plus：综合最均衡
• qwen-turbo：便宜、速度快

接入方式

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="qwen-plus",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

通义千问最适合什么？

适合：

• 国内企业
• 中文业务
• Java / Spring Boot
• j-langchain
• 企业 Agent

很多公司最终都会选择：

通义千问 + 内部业务系统 + Java 后端

---

五、智谱 GLM：企业级 Agent 非常常见

智谱 GLM 是目前国内企业里最常见的大模型之一。

尤其适合：

• 企业私有化
• 政务 / 金融 / 企业内部系统
• 中文 Agent
• 长期稳定接入

常见模型

• glm-4-plus
• glm-4-air
• glm-5

其中：

• glm-4-plus：当前最常见
• glm-5：更适合复杂 Agent 和推理

接入方式

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="glm-4-plus",
    api_key=os.getenv("ZHIPU_API_KEY"),
    base_url="https://open.bigmodel.cn/api/paas/v4/"
)

智谱最适合什么？

适合：

• 企业内部系统
• 中文 Agent
• 私有化部署
• 政企项目

---

六、Kimi（月之暗面）：超长上下文最强

如果你的场景需要：

• 超长文档
• PDF / 论文 / 合同
• 多轮长上下文
• 多 Agent 协作

那么 Kimi 往往是最好的选择。

Kimi 最大的特点是：

能处理特别长的上下文。

接入方式

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="kimi-k2.5",
    api_key=os.getenv("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.cn/v1"
)

Kimi 最适合什么？

适合：

• 长文档 Agent
• 法律 / 金融 / 研究
• 多步骤复杂任务
• 多 Agent

---

七、豆包（Doubao）：最便宜、最适合大规模调用

字节的豆包模型，这两年增长非常快。

它最大的优势是：

• 便宜
• 中文能力强
• 多模态能力好
• 适合高并发

如果你要做：

• 企业客服
• 批量生成
• 大规模 Agent
• 多模态业务

豆包会非常适合。

接入方式

通常通过火山引擎方舟：

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model="doubao-1.5-pro",
    api_key=os.getenv("ARK_API_KEY"),
    base_url="https://ark.cn-beijing.volces.com/api/v3"
)

豆包最适合什么？

适合：

• 低成本
• 高并发
• 企业内部客服
• 文本 + 图像

---

八、腾讯混元：适合腾讯生态

如果你的系统本身就在：

• 腾讯云
• 企业微信
• 腾讯内部生态

那么混元通常会更顺手。

from langchain_openai import ChatOpenAI
import os

llm = ChatOpenAI(
    model="hunyuan-pro",
    api_key=os.getenv("TENCENT_API_KEY"),
    base_url="https://hunyuan.tencentcloudapi.com"
)

腾讯混元更适合：

• 腾讯云生态
• 企业微信
• 内部办公 Agent

---

九、Ollama：本地部署，零 API 成本

如果你不希望：

• 上传数据到云端
• 消耗 API 成本
• 依赖外部网络

那么最适合的方式，就是本地模型。

2026 年最流行的本地模型工具，就是 Ollama。

安装模型

ollama pull qwen2.5:3b

或者：

ollama pull llama3.2

默认服务地址：

http://localhost:11434

Python 接入

pip install -U langchain-ollama

from langchain_ollama import ChatOllama

llm = ChatOllama(
    model="qwen2.5:3b"
)

response = llm.invoke("请用一句话解释什么是 Agent")
print(response.content)

Ollama 最适合什么？

适合：

• 学习
• 本地 Demo
• 内网
• 隐私场景
• 零成本开发

但它的限制也很明显：

• 推理慢
• 能力弱于顶级云模型
• Tool Calling 支持有限

---

十、到底该怎么选？

模型	国内是否可直接访问	优势	最适合
OpenAI	否，需要代理	最强、生态最成熟	LangGraph、复杂 Agent
DeepSeek	是	中文、代码、便宜	中文 Agent、Coding
通义千问	是	企业最成熟、Java友好	企业系统、Java
智谱 GLM	是	私有化、政企项目	企业 Agent
Kimi	是	超长上下文	长文档、多 Agent
豆包	是	最便宜、多模态	客服、高并发
腾讯混元	是	腾讯生态	企业微信、腾讯云
Ollama	是，本地	免费、隐私好	学习、本地部署

一个非常实用的建议是：

学习 / Demo → Ollama
中文项目 → DeepSeek / 通义千问
企业项目 → 通义千问 / 智谱
长文档 → Kimi
高并发、低成本 → 豆包
复杂 Agent → OpenAI（通过代理）

---

十一、推荐的配置方式：不要把模型写死在代码里

建议在 .env 中统一管理：

MODEL_PROVIDER=qwen
MODEL_NAME=qwen-plus

OPENAI_API_KEY=...
DEEPSEEK_API_KEY=...
DASHSCOPE_API_KEY=...
ZHIPU_API_KEY=...
MOONSHOT_API_KEY=...
ARK_API_KEY=...

然后统一封装：

if provider == "openai":
    ...
elif provider == "deepseek":
    ...
elif provider == "qwen":
    ...
elif provider == "glm":
    ...

这样未来切模型时，不需要改业务代码。

---

结语

2026 年，做 Agent 已经不再是“只能接 OpenAI”。

尤其在国内，更现实的选择通常是：

OpenAI 作为最强能力参考；
DeepSeek、通义千问、GLM、Kimi、豆包作为真正落地的主力。

一句话总结：

• OpenAI：最强，但需要代理
• DeepSeek：中文、代码、性价比最高
• 通义千问：企业和 Java 最友好
• GLM：企业与私有化
• Kimi：超长文档
• 豆包：便宜、高并发
• Ollama：本地免费

模型没有绝对谁最好。

真正重要的是：

根据你的业务场景，选择最合适的模型。