Antigravity AI 模型选用指南

本文档整理了当前可用的 AI 模型的优势、劣势及适用场景，方便团队根据不同需求灵活选用。

Gemini 3.1 Pro (High) `New`

优势

超强的长上下文理解，支持海量代码库分析
多模态能力强，可处理图片、截图等视觉输入
与 Google 生态整合良好
工具调用（Tool Call）成功率高

劣势

响应速度较慢
对需要"深度推理"的复杂逻辑题，不如 Thinking 系列

适合场景

大型代码库重构、多文件跨模块分析
UI 截图理解、长文档处理
需要调用大量外部工具的自动化任务

Gemini 3.1 Pro (Low) `New`

优势

比 High 版本响应速度更快，成本更低
日常开发任务综合表现良好

劣势

在超复杂、高精度任务上略逊于 High 版

适合场景

日常代码问答、简单 Bug 修复
快速生成模板代码、单文件修改

Gemini 3 Flash

优势

极速响应，适合高频交互
Token 消耗少，成本最低

劣势

模型能力相对有限，复杂任务表现较弱

适合场景

快速问答、简单代码补全
轻量脚本生成，对速度有强烈要求时

Claude Sonnet 4.6 (Thinking)

优势

带思维链（Chain of Thought）推理，代码质量极高
对 UI/CSS 审美细节把控能力强
逻辑严谨，对边界情况处理较好

劣势

响应较慢（需要思考时间）
上下文窗口比 Gemini 系列小

适合场景

UI/UX 页面重构（首选）
复杂业务逻辑实现、高质量前端组件开发
需要高代码质量输出的场景

Claude Opus 4.6 (Thinking)

优势

Claude 系列最强模型，推理能力顶级
适合最复杂的架构设计，代码正确率最高

劣势

速度最慢、成本最高
简单任务"大材小用"

适合场景

系统架构设计、复杂算法实现
需要多步推理的技术难题

GPT-OSS 120B (Medium)

优势

开源模型，隐私性更好，数据不出本地
成本可控，代码能力均衡

劣势

综合能力弱于上面的旗舰模型
在极复杂任务上与商业模型有一定差距

适合场景

对数据隐私有要求的场景
日常代码生成、简单功能实现

快速选型表

需求场景	推荐模型
UI/UX 页面重构	Claude Sonnet 4.6 (Thinking)
大型代码库分析 / 架构梳理	Gemini 3.1 Pro (High)
日常 Bug 修复 / 快速问答	Gemini 3.1 Pro (Low) 或 3 Flash
最复杂的业务架构设计	Claude Opus 4.6 (Thinking)
隐私敏感或本地化场景	GPT-OSS 120B (Medium)