推荐 Coding 模型

目标

每次运行都读取最新的 free-model-radar 数据，输出最多 5 个真正适合日常 Coding 的模型。质量优先于数量；合格候选不足 5 个时只输出合格候选，不使用弱模型凑数。

“适合 Coding”同时满足以下条件：模型家族可靠且版本较新、上下文在 128K–1M、是通用大语言模型、实时探测可用、交互速度可接受。

数据源

必须优先读取线上接口：

curl -sS --fail --max-time 30 \
  https://fm.ggball.top/api/results \
  -o /tmp/radar-results.json \
  -w 'HTTP %{http_code}\n'

检查：

• HTTP 非 200、JSON 无法解析或没有 updatedAt 时停止并说明无法取得最新数据。
• isStale: true 时仍可分析，但必须在结果开头标注数据已过期。
• 使用模型自己的 checkedAt 判断测评新鲜度，不要只看全局 updatedAt。
• 优先使用 src/domain/model-capabilities.ts 中按 Provider 和完整模型 ID 匹配的上下文与能力信息；没有能力信息的模型视为上下文未知，不进入 Coding 推荐。

硬性筛选

逐条应用，任何一条不满足都排除：

1. Provider 的 status 必须为 healthy。
2. 如果模型有 freeStatus 字段，必须等于 free；不能把 available 当作免费。
3. availability 存在时必须为可用状态。
4. checkedAt 距当前时间不超过 36 小时；如果候选不足 5 个，最多放宽到 72 小时，并在该模型后标记“数据较旧”。
5. 必须是通用 LLM：isLlm === true，且不是 embedding、image、audio、video、TTS、OCR、rerank 或 moderation 模型。
6. 上下文窗口必须满足 128000 <= contextWindow <= 1048576。将 1.05M 视为约 1,048,576；“未知”直接排除。
7. 必须有有效的 ttftMs、latencyMs、tokensPerSec 数字。
8. 默认速度门槛：ttftMs <= 3000、latencyMs <= 8000、tokensPerSec >= 10。

以下名称信号直接排除：

embedding translate safety safeguard moderation image video audio tts ocr rerank
vision-exp vision-only flash-lite nano mini-small 1b 3b 7b

mini 不能单独排除所有模型，但 gpt-4.1-mini、gpt-4.1-nano 这类轻量模型不能作为 Coding 主推荐，除非没有任何更高质量候选。

模型质量白名单

优先选择下列新版本模型家族。模型 ID 必须能明确匹配家族和版本，不能只因为包含 code 或 free 就放行。

第一优先级：

• OpenAI：gpt-5+、gpt-oss-120b+
• Anthropic：较新的 claude-sonnet-*、claude-opus-*
• Google：gemini-3+
• DeepSeek：deepseek-v4+
• Qwen：qwen3.6+
• GLM：glm-5+
• Kimi：kimi-k3+
• MiniMax：minimax-m3+
• NVIDIA Nemotron：nemotron-3+，但排除 safety/content-safety/omni 专用变体

第二优先级：

• 较新的 ling-3+、hy3/hy4、north-mini-code
• 其他大型厂商新模型，只有在能力、上下文和实时性能均有数据时才允许进入候选

Provider 只是接入渠道，不等于模型质量。OpenRouter、NVIDIA NIM、Groq、AIHubMix 等渠道上的同一上游模型，按上游模型家族判断质量，再按实际渠道性能排序。

Coding 排名

先按质量分级，再计算速度和新鲜度。质量分不得被极高 TPS 的弱模型反超。

质量等级建议：

S：Claude Opus/Sonnet、GPT-5+、Gemini 3+、DeepSeek V4、Qwen 3.8+、GLM-5+、Kimi K3、MiniMax M3
A：其他满足白名单和硬性条件的新模型

速度等级：

优秀：TTFT <= 1500ms，E2E <= 3000ms，TPS >= 20
可接受：TTFT <= 3000ms，E2E <= 8000ms，TPS >= 10

建议排序分数：

speedScore =
  0.50 * clamp(1 - ttftMs / 3000, 0, 1) * 100
  + 0.30 * clamp(1 - latencyMs / 8000, 0, 1) * 100
  + 0.20 * clamp(tokensPerSec / 80, 0, 1) * 100

finalScore =
  qualityScore * 0.50
  + speedScore * 0.35
  + freshnessScore * 0.10
  + stabilityScore * 0.05

其中：

• qualityScore：S 级 100，A 级 82；轻量模型不能获得 S 级。
• freshnessScore：24 小时内 100，36 小时内 85，72 小时内 65。
• stabilityScore：如果有历史样本，按最近最多 5 次探测成功率计算；没有历史数据取 70。
• clamp 使用 min(max(value, min), max)。

排序后进行去重：同一个上游模型通过多个 Provider 提供时，保留分数最高的渠道；同一 Provider 最多保留 2 个模型，尽量覆盖不同上游模型家族。

推荐输出

用中文输出最多 5 个，不输出内部评分细节堆砌：

推荐这 5 个当前最适合 Coding 的免费模型：

1. **Provider 名称**
   - 模型：`model-id`
   - 上下文：`xxx`
   - 实测：TTFT `xxx ms`，端到端 `xxx ms`，吞吐 `xxx tokens/s`
   - 推荐理由：说明模型质量、版本、速度和适用场景

2. ...

如果少于 5 个合格候选，标题改为“当前找到 N 个合格 Coding 模型”，并说明缺少候选的原因。不要把上下文未知、速度超标或质量明显偏弱的模型补进来。

选择默认 Coding 模型

如果调用方只需要一个模型，选择排序第一名，但必须满足 S 级或 A 级质量和“可接受”速度。不要选择仅凭模型名称猜测 Coding 能力的模型。

如果第一名是质量强但速度偏慢的 Claude/GPT/Gemini 模型，而第二名是质量可靠且速度明显更好的 DeepSeek/Qwen/GLM/MiniMax 模型，同时两者都合格：

• 默认主模型选择质量更高者；
• 在备选中保留速度更快者；
• 明确说明“质量优先”或“交互速度优先”的取舍。

运行脚本要求

可以使用 Python、Node.js 或 shell 处理 JSON，但必须实际执行筛选，不要凭记忆推荐。脚本至少要打印：

• 数据更新时间和 isStale
• 通过硬性筛选的候选数
• 最终前五的 Provider、模型 ID、上下文、TTFT、E2E、TPS
• 被排除的主要原因计数

不要输出 content、prompt 或任何 API Key、Authorization header。