> For AI agents: the complete documentation index is available at /zh/llms.txt, the full documentation bundle is available at /zh/llms-full.txt.

# 模型选择指南

本文介绍 Midscene 支持的模型、两种接入方式，以及默认模型与多模型组合的使用思路。

## 支持的模型

Midscene 支持使用这些多模态模型操作界面：[豆包 Seed](/zh/model-api-setup.md#doubao-seed-model)、[千问 Qwen](/zh/model-api-setup.md#qwen)、[DeepSeek](/zh/model-api-setup.md#deepseek)、[Google Gemini](/zh/model-api-setup.md#gemini)、[OpenAI GPT](/zh/model-api-setup.md#gpt)、[月之暗面 Kimi](/zh/model-api-setup.md#kimi)、[小米 MiMo](/zh/model-api-setup.md#xiaomi-mimo)、[智谱 GLM-V](/zh/model-api-setup.md#glm-v)、[蚂蚁百灵 Ant Ling](/zh/model-api-setup.md#ant-ling)、[Jev（实验性）](/zh/model-api-setup.md#jev)，以及其他兼容模型 [AutoGLM](/zh/model-api-setup.md#auto-glm) 和 [UI-TARS](/zh/model-api-setup.md#ui-tars)。

## 选择接入方式

Midscene 支持两种模型接入方式，任选一种即可：

- **模型 API Key**：使用模型服务商提供的 API Key，接入上面列出的模型。参见[使用模型 API Key](/zh/model-api-setup.md)。
- **ChatGPT 订阅**：登录并授权 Midscene，使用 ChatGPT 订阅额度调用 GPT 模型；可用模型以你的账号为准。参见[使用 ChatGPT 订阅](/zh/chatgpt-subscription.md)。

## 从一个默认模型开始

先配置一个默认多模态模型，用它完成规划、定位和界面理解。这条路径适用于大多数场景。支持的模型和配置示例见[使用模型 API Key](/zh/model-api-setup.md)，也可以选择[使用 ChatGPT 订阅](/zh/chatgpt-subscription.md)。

## 使用多模型组合能力应对复杂场景 {#multi-model-strategy}

Midscene 支持组合多个模型来应对复杂场景。一条自动化任务可能同时涉及多步骤规划、精确的元素定位，以及数据提取或结果判断，不同模型在这些能力上的表现各有差异。

你可以在保留默认模型的基础上，增加 Planning、Locate 或 Insight 模型，让不同模型按各自擅长的能力分工，共同完成同一条任务。例如，为包含条件分支的长流程配置更擅长规划的模型，为较难识别的界面元素配置定位模型，或为复杂断言和结构化数据提取配置界面理解模型。

各项职责可以独立配置，无需一次引入全部专用模型；未配置的职责继续使用默认模型：

| 模型          | 职责                                 |
| ----------- | ---------------------------------- |
| 默认模型        | 必填的基础配置，提供各项能力；未配置专用模型的职责使用默认模型    |
| Planning 模型 | 增强复杂目标、多步骤任务和分支场景的规划               |
| Locate 模型   | 负责独立的元素定位，包括操作中的目标定位和 `deepLocate` |
| Insight 模型  | 增强数据提取、断言和页面理解                     |

多模型组合可能增加耗时和 Token 消耗。建议先通过[模型高级配置与调试](/zh/model-config.md#verify-model-connectivity)定位问题，再按需[配置多个模型](/zh/model-config.md#multi-model-combination-example)。