跳至主要內容

用文字編輯器手工打造 docx

ひかり

「docx 說到底不就是 zip 嗎? 那把 XML 壓成 zip 再改個副檔名，不就變成 docx 了?」

抱著這個想法實際試了一下，結果理所當然地失敗了。docx 並不「只是」zip 而已，zip 裡的內容必須遵循一套固定的封裝結構，也就是 OOXML (Office Open XML)。既然都動手了，就順便實際驗證一下，到底要做到什麼程度才能做出貨真價實的 docx。

【2026年7月】生成式 AI 模型比較（Claude、GPT、Gemini、Grok、DeepSeek、Kimi、GLM、Mistral）

ひかり

透過 OpenRouter，無論是 Claude、GPT、Gemini 這類封閉模型，還是源自中國的開源權重模型， 都能自由切換使用。不過「到底該選哪一個」還是常常讓人猶豫，這次就大致比較了一下主要模型的 價格與實力。

「開源」與「封閉」到底是什麼意思​

  • 封閉（Closed）：像 Claude、GPT、Gemini、Grok 這類模型，其內部（權重）並未公開， 只能透過該公司的伺服器使用。
  • 開源權重（Open-weight）：像 DeepSeek、Kimi、GLM、Mistral 這類模型，內部是公開的， 任何人都能在自己的電腦或雲端上運行。

依等級劃分的價格​

先從最重量級的價格開始看。

Pro 等級 價格比較

可以看到，Claude Fable 5 貴得驚人（輸出每 1M token $50），而 DeepSeek V4 Pro 的輸出 僅需 $0.87。即使同樣掛著「Pro」的名號，價差竟然超過 50 倍。開源陣營（綠色標籤）全面 偏低價，一目瞭然。

再來看看中量級和輕量級。

Mid 等級 價格比較 Nano 等級 價格比較

到了輕量級，GPT-5 nano 的輸出價格僅 $0.40，幾乎達到「隨便用」的等級。若只是做簡單的 分類作業或草稿生成，這個等級往往就綽綽有餘。

看看性價比​

單看價格，容易讓人覺得「便宜的模型性能應該也差」，但實際上並非如此。這裡先不分等級， 把價格與 Intelligence Index 分數都齊全的 20 個模型彙整成一張圖。盡量涵蓋了 GPT、Gemini、 Qwen、Llama、Gemma、Mistral 等眾多模型，不分開源或封閉。

成本 vs 性能散點圖（全部模型）

縱軸是「Intelligence Index」這項綜合能力分數（詳見後述）。虛線連接的「性價比前緣」由 跨越 Nano、Mid、Pro 三個等級的 7 個模型構成：Gemma 3 27B → DeepSeek V4 Flash → DeepSeek V4 Pro → Kimi K2.6 → Gemini 3.1 Pro → Claude Opus 4.8 → Claude Fable 5。 DeepSeek V4 Pro 輸出價格僅 $0.87，分數卻逼近 Gemini 3.1 Pro（$12.00），實質上已成為 性價比的起點，一枝獨秀。另一方面，位於前緣內側的 Qwen3.7 Max、MiniMax M3、GLM 5.2、 Claude Sonnet 5、Gemini 3 Flash、Grok 4.20、Claude Haiku 4.5、Gemini 3.1 Flash-Lite、 Qwen3-Coder、Mistral Large 3、Llama 4 Maverick、Llama 4 Scout 等模型，相較同價位的其他 模型，實力則略顯遜色。

若重視性價比，不妨先從最便宜的位置開始嘗試。

到底哪個模型最聰明​

再來看看綜合能力與程式撰寫能力的排名。

綜合基準測試：Artificial Analysis Intelligence Index 程式實務能力：SWE-bench Verified

第一張圖的「綜合能力」，是第三方基準測試機構 Artificial Analysis Intelligence Index 的分數；第二張圖的「程式撰寫能力」，是 SWE-bench Verified 的分數，這項測試衡量的是 模型能解決多少實際存在的軟體錯誤修復課題。兩者都不是模型廠商的自我申報，而是由外部評測 網站實際測量並公布的數值。

在綜合能力上，Claude Fable 5 以領先 GPT-5.5 約 5 分的成績奪冠，Claude Opus 4.8、 GPT-5.5、Gemini 3.1 Pro 則以些微差距緊隨其後。僅看程式撰寫能力的話，Claude Fable 5 更是以 95% 的分數一枝獨秀。有趣的是，緊追在後的開源模型 DeepSeek V4 Pro，居然能與 封閉陣營並駕齊驅。

附贈：開源模型「內部規模」有多大​

開源權重模型由於內部公開，因此也能得知其參數量（模型規模）。長條圖中深綠色部分是實際 推理時使用的「活性化參數」，淺綠色則是 MoE（Mixture of Experts）架構下，當下未被使用的 其餘專家部分。

開源權重模型的參數量

DeepSeek V4 Pro 以總計 1.6 兆參數居冠，但實際運行時只使用其中的 490 億（得益於 MoE 機制）。規模雖大卻能輕快運行，正是重點所在。圖中唯獨 Gemma 3 27B 的長條全為深綠色， 這是因為它並非 MoE，而是每次都會用到全部參數的「dense（密集）」架構。密集模型的總參數量 等於活性化參數量，因此與 MoE 陣營相比，其規模比較的意義略有不同，需特別留意。

結論：該選哪一個​

  • 不管怎樣就是要最聰明的 → Claude Fable 5 或 Claude Opus 4.8（要有花大錢的心理準備）
  • 重視性價比，也想拿來寫程式 → DeepSeek V4 Pro（便宜到不行卻相當優秀）
  • 日常使用的均衡型 → Claude Sonnet 5 或 Gemini 3 Flash
  • 不管怎樣就是要便宜大量處理 → GPT-5 nano 或 DeepSeek V4 Flash

由於價格與排名的變動速度都很快，實際使用前別忘了到 openrouter.ai/models 確認最新資訊。

分數的資料來源​

本文所使用的基準測試分數，來源如下。兩者皆為獨立於模型廠商之外的第三方評測網站所測量並 公布的數值。

另外，Kimi K2.6 / Qwen3.7 Max 的 SWE-bench Verified 分數在不同資料來源間存在近似值混雜的 情形，故僅作為參考值處理。

在 Claude Code 中使用 GLM-5.2 / GLM-4.7-Flash 模型

ひかり

Claude Code CLI（claude）不只能用 Anthropic 原生模型，透過 OpenRouter 提供的 Anthropic Messages API 相容端點（「Anthropic Skin」），也能讓任意模型作為後端運作。這次我 嘗試了將對話主模型設為 z-ai/glm-5.2、標題產生等輕量背景任務用的模型設為 z-ai/glm-4.7-flash 的設定，這裡整理一下作法。

參考: https://openrouter.ai/docs/cookbook/coding-agents/claude-code-integration

前提條件​

  • 已將 OpenRouter 的 API 金鑰設定於 $env:OPENROUTER_API_KEY。
  • 即使已用 claude.ai 帳號登入 Claude Code，只要有透過環境變數的驗證，就會優先採用該方式。 此時會出現 ⚠ claude.ai connectors are disabled ... 的警告，但不影響實際運作。

所需的環境變數​

變數值備註
ANTHROPIC_BASE_URLhttps://openrouter.ai/apiOpenRouter 的 Anthropic 相容端點
ANTHROPIC_AUTH_TOKENOpenRouter 的 API 金鑰以 Authorization: Bearer 傳送
ANTHROPIC_API_KEY""（明確設為空字串）若未設定或非空，驗證方式會衝突而導致錯誤
ANTHROPIC_MODELz-ai/glm-5.2主要對話模型。直接指定 OpenRouter 上的模型 ID
ANTHROPIC_SMALL_FAST_MODELz-ai/glm-4.7-flash用於標題產生等輕量背景任務的子模型

主模型與子模型的區分使用​

ANTHROPIC_MODEL 只控制主要對話模型。Claude Code 內部用於標題產生、 auto-mode 判斷等輕量、高速任務的子模型，則由 ANTHROPIC_SMALL_FAST_MODEL 指定。 只要設定這個變數，就能確實切換輕量任務所使用的模型。

設定方法​

方法A：以專案為單位啟用（推薦）​

在儲存庫的 .claude/settings.local.json 中設定如下內容。

{
  "env": {
    "ANTHROPIC_BASE_URL": "https://openrouter.ai/api",
    "ANTHROPIC_API_KEY": "",
    "ANTHROPIC_MODEL": "z-ai/glm-5.2",
    "ANTHROPIC_SMALL_FAST_MODEL": "z-ai/glm-4.7-flash"
  }
}

ANTHROPIC_AUTH_TOKEN（機密資訊）不要寫入檔案，而是在 shell 端由 OPENROUTER_API_KEY 提供。只要在 PowerShell 設定檔（$PROFILE）中加入以下內容一次， 之後每次開啟 shell 都會自動設定完成。

$env:ANTHROPIC_AUTH_TOKEN = $env:OPENROUTER_API_KEY

bash/zsh 的情況，則在 ~/.bashrc 或 ~/.zshrc 中加入：

export ANTHROPIC_AUTH_TOKEN="$OPENROUTER_API_KEY"

在此狀態下於此目錄中執行 claude -p "..."，就會自動讀取 .claude/settings.local.json 的設定，讓主模型與子模型都透過 OpenRouter 運作。 不會影響其他專案中 Claude Code 的執行。

方法B：僅針對特定指令暫時切換​

若不想修改 shell 設定檔，可以在執行時當場指定環境變數。

PowerShell:

$env:ANTHROPIC_BASE_URL = "https://openrouter.ai/api"
$env:ANTHROPIC_AUTH_TOKEN = $env:OPENROUTER_API_KEY
$env:ANTHROPIC_API_KEY = ""
$env:ANTHROPIC_MODEL = "z-ai/glm-5.2"
$env:ANTHROPIC_SMALL_FAST_MODEL = "z-ai/glm-4.7-flash"
claude -p "1+1は？"

bash:

ANTHROPIC_BASE_URL="https://openrouter.ai/api" \
ANTHROPIC_AUTH_TOKEN="$OPENROUTER_API_KEY" \
ANTHROPIC_API_KEY="" \
ANTHROPIC_MODEL="z-ai/glm-5.2" \
ANTHROPIC_SMALL_FAST_MODEL="z-ai/glm-4.7-flash" \
claude -p "1+1は？"

方法C：設為整台機器的預設值（不推薦）​

若將上述變數持久化為 Windows 的使用者環境變數，任何終端機、任何專案都會預設透過 OpenRouter/GLM 運作。但這也會影響其他專案中原本打算使用一般 Claude（Anthropic） 的操作，因此除非確實想改變整體預設值，否則建議使用方法A/B。

動作確認​

以下指令確認回應內容及計費紀錄（modelUsage）中都記錄了 z-ai/glm-5.2。

claude -p "Reply with exactly: OK-GLM-TEST" --output-format json
{
  "result": "OK-GLM-TEST",
  "modelUsage": {
    "z-ai/glm-5.2": { "inputTokens": 3272, "outputTokens": 8, "costUSD": 0.028336 }
  }
}

此外，搭配 --debug all 執行稍長的提示詞後，也確認主模型與子模型的 派送實際上都有發生。

[API:timing] dispatching to firstParty model=z-ai/glm-4.7-flash
[API:timing] dispatching to firstParty model=z-ai/glm-5.2

針對單一提示詞，輕量任務正確地交由 z-ai/glm-4.7-flash 處理，正式回應則交由 z-ai/glm-5.2，模型的區分使用是正確的。

已知注意事項：互動式工作階段中的請求增生​

在互動式 claude 工作階段（無論是從 VS Code 開啟或直接在 TTY 上啟動）中，即使只是輕微 輸入，OpenRouter 的 Activity 紀錄中同一分鐘內就記錄了多達 13 次 API 呼叫。其中 12 次是 發送給子模型（GLM 4.7 Flash）的小型呼叫，只有最後 1 次是主模型（GLM 5.2）的正式回應。 總成本約在 $0.0094 以內。

另一方面，也確認了透過 claude -p（非互動、print 模式）的單次執行，幾乎不會發生這種 增生現象。若想壓低成本，使用 -p 較為安全。若經常使用互動式工作階段，建議設定 ANTHROPIC_SMALL_FAST_MODEL 讓請求流向便宜的模型，同時透過 OpenRouter 的 Activity 儀表板監控用量。

疑難排解​

  • ⚠ claude.ai connectors are disabled because ANTHROPIC_API_KEY or another auth source is set... 這個警告可以忽略（只是 claude.ai 的連接器功能被停用，API 呼叫本身仍會成功）。
  • 若 ANTHROPIC_API_KEY 未設定而非設為空字串，驗證方式可能會變得曖昧而導致錯誤。 務必明確設定為 ""。
  • 若想切換至其他模型，只需將 ANTHROPIC_MODEL 改為 OpenRouter 上的模型 ID （例如：anthropic/claude-opus-4-8、openai/gpt-5 等）即可。
  • 工具搜尋最佳化（ENABLE_TOOL_SEARCH）在非 Anthropic 主機上預設為停用。 如有需要，請加入 ENABLE_TOOL_SEARCH=true。