From e7c63439d64f1c91189d2e7551e926a96bd1ab7a Mon Sep 17 00:00:00 2001 From: QQ Date: Thu, 12 Nov 2026 10:57:13 +0800 Subject: [PATCH] Import TODO.md --- TODO.md | 29 +++++++++++++++++++++++------ 1 file changed, 23 insertions(+), 6 deletions(-) diff --git a/TODO.md b/TODO.md index 3dbbc6a..f1c57fc 100644 --- a/TODO.md +++ b/TODO.md @@ -1,6 +1,6 @@ # 三省六部开发 TODO -更新日期:2026-11-10 +更新日期:2026-11-10(模型推荐段于 2026-11-12 实时更新) 当前阶段:角色与面板规划。以下勾选框表示实施是否完成,不表示方案是否确认。除特别注明外均为用户已确认、待实施;创建本文件不代表授权安装技能或修改运行配置。已有实验代码也不代表下面的新方案已实现。 @@ -32,12 +32,29 @@ 以下角色与模型的搭配均为推荐候选,不代表用户已确认绑定;具体默认模型须后续选定。用户明确偏好尽量不用 Claude。 -- [ ] 尽量不用 Claude,不列入默认模型,也不因困难自动切换到 Claude。 -- [ ] 中书省优先 GPT 系列,具体型号依据实际可用 API、规划质量与工具调用能力选择。 -- [ ] 门下省优先 Kimi 系列,具体型号依据审核能力和实际通道选择;需检查页面图像时核实图片输入支持。 -- [ ] 礼部优先支持图像输入的 Flash 模型,用户提出 MiMo Flash 或其他视觉 Flash 作为候选。不能仅凭 Flash 名称假定支持图像,接入前验证具体型号、API 图片传递和页面理解能力。 +- [ ] 尽量不用 Claude,不列入默认模型,也不因困难自动切换到 Claude。(2026-11-12 注:全球编程/Agent 榜首仍是 Claude Opus 5.5 / Fable 5.2,按此偏好未列入下表。) - [ ] 图像理解与图像生成分别配置:礼部模型需能读取截图、图表与页面;需要生成或编辑图片时另用相应工具。 -- [ ] 各角色模型保持可手动切换,技能绑定角色而非模型;其余部门具体默认模型待确认,不把此前助手推荐当作已定配置。 +- [ ] 各角色模型保持可手动切换,技能绑定角色而非模型;不把下表推荐当作已定配置。 + +### 2026-11-12 实时更新:十席推荐(依据 2026-11-05~11 的 SuperCLUE、SWE-bench、Terminal-Bench、ProgramBench、FrontierMath、LMArena 等公开榜单) + +通道标记:●=现有通道(DeepSeek 官方 API 按量付费,或 WorkBuddy/Magpie 订阅池,具体版本以 Magpie 实际刷出的模型列表为准);○=需另开通道(OpenAI / Google API,用户目前未接)。Gemini 4 Carbon 虽居多榜第一,但仅向受 vet 的安全从业者开放、无公开 model id,不列入推荐。 + +| 席位 | 主推 | 备选 | 推理档 | 依据 | +|---|---|---|---|---| +| 丞相 lead | DeepSeek V4.1 Flash (1017) ● | Kimi K3.1 Pro ● | 中 | 快、便宜、1M 上下文,SuperCLUE 国内第二;重要汇报临时切 V4 Pro | +| 中书 zhongshu | GPT-6 Astra ○ | Kimi K3.1 Pro ● | 高 | GPQA 96.0 / HLE 54.8 / ARC-AGI-2 95.0 推理天花板,沿用原 GPT 方向 | +| 尚书 shangshu | Kimi K3.1 Pro ● | Qwen3.8-Max ● | 中高 | 多任务拆解与长程 Agent;ProgramBench 第一、Terminal-Bench 65.7。备选改国产替代(2026-11-12 用户改定,原 GPT-6 Astra):Qwen3.8-Max 擅长复杂 Agent 与长程任务、企业级调度配套,与主推 Kimi 不同家族,可互为故障转移 | +| 门下 menxia | Gemini 4 Argon ○ | Kimi K3.1 Pro ● | 高 | 幻觉控制 83.19 全球断层、事实性第一;与中书/尚书不同家族保独立性;备选 Kimi 为国内幻觉控制第一(原定方向) | +| 吏部 libu | DeepSeek V4.1 Flash (1017) ● | GLM-5.3 ● | 中 | 改 Flash(2026-11-12 用户改定):编制与技能配置多为调研加结构化文案,Flash 够快够用;复杂选型评估切备选 GLM-5.3 | +| 户部 hubu | DeepSeek V4.1 Flash (1017) ● | DeepSeek V4 Pro ● | 高 | 改 Flash:数理与代码计算靠写脚本复算,Flash 便宜量大(FrontierMath 开放权重最强一档);硬核统计与证明切备选 V4 Pro。备选原 GPT-6.1 Sol,按「备选列全国产」替换 | +| 礼部 lipu | Gemini 3.8 Flash ○ | MiMo-V2.6-Flash ● | 中 | 视觉 Arena 第一(1411)、写作性价比之选、1M;备选 MiMo 全模态 MIT 开源、极便宜。未改 DS Flash:礼部必须读截图、图表与页面,DS Flash 主线是文本模型(Vision 变体接入未核实),视觉是硬需求 | +| 兵部 bingbu | DeepSeek V4.1 Flash (1017) ● | Kimi K3.1 Pro ● | 中高 | 改 Flash:调试靠流程技能加代码能力,DeepSWE 77.0 够打,部署脚本属常规活;长程终端任务切备选 Kimi(Terminal-Bench 65.7) | +| 刑部 xingbu | DeepSeek V4.1 Flash (1017) ● | Kimi K3.1 Pro ● | 高 | 本就是 Flash:DeepSWE 77.0 反超 Kimi 与 Opus。备选原 GPT-6.1 Sol,按「备选列全国产」换 Kimi——不同家族、国内幻觉控制第一,复核视角独立 | +| 工部 gongbu | GLM-5.3 ● | DeepSeek V4 Pro ● | 高 | SWE-bench 独立实测 95.4(非 Claude 阵营最高一档)、1M 无损上下文读整仓、重构稳;备选 DeepSeek 算法/后端强。未改 Flash:工部产出是生产代码,换 Flash 会明显降档,保留 GLM-5.3 | + +2026-11-12 用户两条改定:①备选列(第三列)全部换国产替代,不留国外备选;②六部执行席能用 DeepSeek Flash 的改 Flash——吏、户、兵、刑四部已改,礼部(视觉硬需求)、工部(生产代码质量)保留原主推。Flash 走 DeepSeek 官方 API 按量付费,不占 WorkBuddy 单模型约 45 次/5 小时的 429 窗口;丞相与三省决策席仍分散在 Flash / GPT / Kimi / Gemini 上。 +翰林(后续席位):原定「默认 Flash、重要总结切 Pro」不变,具体化为默认 DeepSeek V4.1 Flash,重要总结切 Kimi K3.1 Pro 或 Gemini 4 Argon。 ## 面板与基础接口