☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用 trae 时发现模型调用效果差异明显，或无法匹配当前开发任务需求，则可能是由于对各内置模型的定位与能力边界缺乏系统认知。以下是 trae 当前支持的主要 ai 模型及其核心能力对比解析：一、Doubao-Seed-2.0-Code：前端/UI生成专家
该模型由字节跳动专为 Agentic 编程任务深度优化，聚焦视觉驱动型开发场景，强调从设计输入到可运行代码的端到端转化能力。其设计目标是降低 UI 实现门槛，尤其适配国内高频使用的原型图、截图、Figma 导出稿等非结构化输入。
1、支持图像输入解析，可直接识别 UI 设计稿中的组件布局、颜色体系与交互逻辑；
2、在 SWE-Bench Verified 测试中准确率达 78.8%，为当前国内编程模型性能榜首位；
3、具备 256K 超长上下文，能完整承载大型前端工程的多模块依赖关系；
4、全量透明缓存机制保障多轮调试过程中响应速度不衰减。
二、GLM-5：系统架构与复杂任务专家
作为智谱 AI 最新开源旗舰模型，GLM-5 采用 MoE 混合专家架构，在系统级建模、跨服务接口设计、高并发架构推演等重逻辑任务中表现突出。它并非通用对话模型，而是面向工程决策链路深度训练的推理引擎。
1、总参数量达 744B，预训练数据量为 28.5T；
2、上下文窗口扩展至 202K，显著优于 GLM-4.7 的 128K；
3、在 React/Vue/Svelte 前端构建任务中成功率实现 100%；
4、开源可本地部署，适配边缘设备与嵌入式 AI 场景。
三、MiniMax-M2.5：跨语言工程专家
该模型主打高效推理与低成本生产落地，专为需高并发调用、强工具链集成的工程环境设计。其核心优势在于“小身材大能力”的激活策略——推理时仅动态激活约 100 亿参数，却拥有 2300 亿总参数的知识底座。
1、SWE-Bench Verified 得分为 80.2%，与 Claude Opus 4.6 处于同一梯队；
2、在 Multi-SWE-Bench 多语言编程测试中得分 51.3%，显著高于同类闭源模型；
该技能指导用户根据设计灵感创建视觉情绪板。它提供分步说明，用于提取颜色、排版和UI模式，并将其组织成文档化的设计方向。工作流程包括根据用户反馈进行迭代优化，最终形成可供实施的设计系统。
3、推理速度最高达 100 Token/秒，单位成本仅为顶级闭源模型的 1%；
4、原生支持 Agent 工具调用协议，可无缝对接数据库 CLI、CI/CD API、容器管理命令等工程基础设施。
四、Kimi-K2.5：超长上下文阅读专家
由月之暗面研发，Kimi-K2.5 是当前唯一实现 1T 参数规模与 100 子智能体并行调度的 MoE 架构模型。其设计重心不在代码生成速度，而在对海量异构文档（如技术白皮书、API 手册、遗留系统注释）的结构化解析与意图映射。
1、支持原生多模态输入，可同步处理图像、PDF 文档、Markdown 源码与日志片段；
2、在 HLE 与 BrowseComp 等 Agent 评测中取得当前最佳表现；
3、单次上下文承载能力覆盖超大型项目文档集，适合重构分析、合规审查、知识迁移类任务；
4、子智能体协同机制允许将“阅读文档→提取接口规范→生成 Mock 服务→编写单元测试”拆解为原子化执行流。
五、DeepSeek R1/V3：逻辑派代码理解引擎
该模型未被封装为独立选项，但在 Trae 的底层分析管道中深度集成，承担代码语义解析、调用链还原、递归逻辑推演等静默任务。其训练数据高度聚焦数学证明、算法竞赛题解与分布式系统设计文档，形成区别于通用大模型的推理范式。
1、对异步回调嵌套、宏展开逻辑、模板元编程等高阶 C++/Rust 特性具备显式建模能力；
2、在跨文件依赖图谱构建中，错误率比基于 Claude 3.5 的方案低 42%；
3、支持实时反向追溯——输入某段报错日志，可回溯至原始 commit、相关测试用例及潜在内存泄漏点；
4、与 Trae 编辑器的 AST 解析层直连，无需序列化中间表示即可完成语法树级干预。
