先按能力类型筛选模型，再依硬件显存或API成本锁定参数量，最后根据输入结构、输出稳定性及工具调用需求匹配具体型号。
☞☞☞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☜☜☜
你想用千问AI API调用模型，但面对Turbo、Plus、Max、Long、Coder、Qwen2.5、Qwen3、QWQ、Qwen-VL等十多个选项无从下手——选错模型轻则响应慢、成本高，重则功能不支持、API直接报错400。
先看用途，再锁范围
打开阿里云百炼平台「模型服务」页面，点击左侧「模型列表」，默认展示全部模型。不要直接滚动找名字，先按顶部筛选栏点开「能力类型」下拉菜单：选“纯文本”、“多模态”、“代码专用”、“数学推理”或“语音/图像”，立刻过滤掉70%无关型号。
比如你要做客服对话机器人→选“纯文本”；要上传截图让AI读图回答→必须勾选“多模态”；要解LeetCode Hard题→只能选QWQ-32B；想生成带文字的海报图→得挑Qwen-Image系列。这一步漏选，后面所有配置都白搭。
按硬件和预算卡死参数量
方法一：查显存底线（本地部署适用）
如果你打算把模型下载到自己GPU上跑，打开终端执行nvidia-smi，看“Memory-Usage”那一行的“Used”值。用总显存减去已用值，得出可用显存：
可用显存＜6GB → 只能选【Qwen2.5-0.5B或Qwen3-1.7B】，其他全会OOM崩溃；
可用显存8～12GB → Qwen2.5-7B是甜点选择，Qwen2.5-14B强行加载会触发显存交换，延迟飙升3倍以上；
可用显存≥24GB → 才能稳定跑Qwen2.5-32B，Qwen2.5-72B需双卡A100起步。
方法二：算API调用成本（云端调用适用）
进百炼控制台→「计费中心」→「模型Token单价表」，注意看清单位是“每千Tokens”还是“每百万Tokens”。Qwen-Turbo单价最低，但长文本摘要会比Qwen-Max多花40% Token；Qwen-Max单次调用贵3倍，却可能少发2次请求——实际成本要看你的prompt长度和输出预期。
关键场景匹配法
第一步：确认输入内容结构
纯文字提问+固定格式回复（如“提取合同金额、甲方、乙方三字段”）→优先试Qwen2.5-7B-Instruct或Qwen-Max；
用户发来PDF+图片+Excel混合文件→必须选Qwen-VL或Qwen2-VL，其他模型连文件都解析不了。
第二步：验证输出稳定性要求
生成结果要100%可复现（如金融报告关键数字不能随机波动）→禁用MoE架构模型（Qwen3-30B-A3B、Qwen3-235B-A22B），只选密集型（Dense）模型，因为MoE每次激活专家不同，相同输入可能输出微差结果；
允许轻微波动但求响应快（如闲聊机器人）→Qwen-Turbo最合适，它专为低延迟优化，上下文窗口虽仅32K，但对95%对话已足够。
第三步：检查是否需要工具调用
你的应用要自动查天气、搜股票、调用内部API→目前只有Qwen-Max和Qwen-Plus原生支持Function Calling，Qwen-Turbo和Qwen-Long不识别tools字段，传了也当普通文本忽略。
