主流大模型出厂设置一览：6 款热门模型谁的「性格」最对你的味？

你有没有遇到过这种情况：同样一段提示词，在 Claude 上给了你一段长文分析，在 GPT 上给你列了个清单，在 DeepSeek 上直接开始写代码——都不算错，但风格完全不一样。

这不一定是你提示词写得不好。每个模型出厂的时候，就已经带着自己的「性格」了。

它们的默认温度（temperature）、上下文窗口大小、甚至有没有内置的系统指令，都会决定一个提示词下去，模型会用方式回应。知道这些出厂设置，选模型的时候才心中有数。

一张表看明白

模型	开发者	上下文窗口	默认温度	特殊出厂倾向
Claude Sonnet 4	Anthropic	200K tokens	1.0	擅长结构化输出，喜欢深入分析
GPT-4o	OpenAI	128K tokens	1.0	平衡型，指令遵循和创造力比较均衡
Gemini 2.5 Pro	Google	1M tokens 🔥	1.0	超长上下文，多轮对话和大文档处理强
DeepSeek V3	DeepSeek	128K tokens	1.0	代码倾向明显，性价比极高
Qwen 3.8 (27B)	Alibaba	128K+ tokens	~0.7	爱「想太多」——出厂默认高推理消耗
Mistral Large	Mistral	128K tokens	1.0	多语言能力强（欧洲语系底子好）

注：默认温度是厂商 API 的出厂参数，各家实际可能略有浮动。部分模型（如 Gemini）的 system instruction 可以在调用时自由设置，出厂未预设。

温度 = 1.0 其实是业界通用默认值，既不特别保守（0 像复读机）也不特别奔放（2.0 像喝多了）。在 1.0 下，模型每次输出会有一定随机性，同一段提示词多次问可能得到不同答案——对创意写作是好事，对事实性问答需要自己控制。

例外：Qwen 3.8 默认温度 ~0.7，偏保守。配合它的「过度思考」出厂设定（见本站上篇《你的 AI 为什么要出厂设置？》），Qwen 倾向于在回答前仔细推理一轮再给出结论，适合需要准确性的场景。

相当于一次能读完 《三体》三部曲 的体量。如果你在做一个需要回顾大量历史对话、或分析长文档（几百页 PDF）的任务，Gemini 的 Mega-context 是天然优势。

其他模型 128K~200K 也够用，但遇到真正「海量」的场景，Gemini 是唯一不需要分段的。

知道默认值只是第一步。日常用的时候，你完全可以覆盖它。

调用 API 时改 temperature：

用聊天界面时：

选 AI 和选工具是一个道理：知道它出厂的时候被调成什么样，才用得好。

你不是非得用一款，口袋里多放几款，该换就换。