タスクのモデル階層または特定モデルを選択し、表示される Credit 倍率を確認します。
Qoder のタスク入力欄にはモデルセレクターがあります。タスクの範囲を確認してからモデルを選び、送信前に表示される Credit 倍率を確認します。自動ルーティング、性能階層、または利用可能な特定モデルを選択できます。
通常は Auto から開始します。複雑で品質を重視する場合は Ultimate または Performance、範囲が小さく明確な場合は Efficient または Lite を選びます。
モデルセレクターは Default と Enterprise に分かれています。Default には現在のアカウントで利用できる階層とモデルが表示され、Enterprise には現在の組織が提供するモデルが表示されます。Enterprise に選択肢がない場合、現在のアカウントで利用できる enterprise model はありません。
Tier selection に加えて、特定 provider の具体的なモデルを直接選択できます。明確なモデルの希望や特定の要件がある場合に適しています。
一部の tier と model はパラメーター設定に対応しています。model menu で対応する model に pointer を合わせて parameter panel を開き、Edit を選択します。
Context window は、会話で使用できる最大 context window size を制御します。
Thinking effort は model が response を生成する前の推論の深さを制御します。利用できる option は model ごとに異なります。
Ultimate、Performance、DeepSeek-V4-Pro、DeepSeek-V4-Flash、Qwen3.8-Max、Qwen3.8-Flash、Qwen3.7-Max、Qwen3.7-Plus、GLM-5.3、MiniMax-M3、Kimi-K3 が parameter configuration に対応します。Qwen3.7-Max、Qwen3.7-Plus、MiniMax-M3 は Context のみ、その他は Context と Thinking Effort の両方に対応します。
アプリで利用するモデルを管理する場合は、セレクター下部の Model settings を選択します。設定項目やパラメーターはモデルごとに異なるため、選択したモデルに実際に表示されるコントロールを使用してください。
はい。新しい選択は以降の Message に適用され、現在のタスクコンテキストは保持されます。以前の Response は再生成されません。
Client version、Account availability、Service update によって変わります。現在のタスクでは Composer に表示される名前、ラベル、倍率を優先してください。
Tier は Qoder が Policy に従ってモデルを選びます。特定モデルまたは能力の組み合わせが必要な場合はモデルを直接選択します。
Credit 使用量は、使用した Token、選択した tier または model、parameter configuration、tool activity によって変わります。送信前に selector に表示される倍率を確認してください。
Account を upgrade するか Credits を取得するまで、Lite のみ利用できます。
独自の API キーを使用するには、Settings → Models で個人モデルを追加します。追加後はタスク、Agent、Automation のモデルセレクターに表示されます。カスタムモデルも参照してください。
階層を選択
| Tier | 説明 | 適用シナリオ | Credit 消費 |
|---|---|---|---|
| Auto | 最適なモデルを自動選択し、performance と cost のバランスを取る | 日常的なほとんどの作業、default として推奨 | ~1.0× |
| Ultimate | Expert level の深い推論と思考能力 | 複雑な system design、高難度の問題分析 | ~1.6× |
| Performance | 高度な推論能力、高品質な出力 | コア機能実装、architecture design、code refactoring | ~1.1× |
| Efficient | 標準的な推論能力、高い cost performance | 基本的な code generation、unit test、日常的な Q&A | ~0.3× |
| Lite | 基本的な推論能力、無料で利用可能 | 簡単な検証、基本ロジック実装、quick Q&A | 無料 |
Credit 消費の比較
| Model tier | Credit 消費倍率 | タスク例の消費量 |
|---|---|---|
| Auto | ~1.0× | 10 Credits |
| Ultimate | ~1.6× | 20 Credits |
| Performance | ~1.1× | 11 Credits |
| Efficient | ~0.3× | 3 Credits |
| Lite | 無料 | 0 Credits |
タスクや codebase の違いにより、実際の消費倍率は異なる場合があります。実際の Credit 使用量は、タスク、リポジトリ、モデルパラメーター、ツール呼び出しによって変わります。次のリクエストではセレクターに表示される倍率を優先してください。
Default と Enterprise
モデルセレクターは Default と Enterprise に分かれています。Default には現在のアカウントで利用できる階層とモデルが表示され、Enterprise には現在の組織が提供するモデルが表示されます。Enterprise に選択肢がない場合、現在のアカウントで利用できる enterprise model はありません。
特定モデルを選択
Tier selection に加えて、特定 provider の具体的なモデルを直接選択できます。明確なモデルの希望や特定の要件がある場合に適しています。
| Model name | 説明 | Credit 消費倍率 |
|---|---|---|
| Qwen3.8-Max | Qwen の最新基盤モデル。2.4T parameters を備え、software engineering、office work、deep reasoning で先進的な性能を発揮 | 0.5× |
| Qwen3.8-Flash | Qwen のオープンウェイト・マルチモーダル MoE モデル。能力、レイテンシー、コストの優れたバランスを実現 | 0.1× |
| Qwen3.7-Max | Agentic capability の全面的な飛躍を実現し、長期にわたる複雑なタスクを自律的に処理 | 0.5× |
| Qwen3.7-Plus | 推論能力、効率、multimodal experience の包括的な飛躍を実現 | 0.1× |
| DeepSeek-V4-Pro | 複雑な推論、code generation、engineering task で卓越した performance を発揮 | 0.8× |
| DeepSeek-V4-Flash | 高速な推論と低 cost、バランスの取れた能力を備える | 0.3× |
| GLM-5.3 | Zhipu の open-source flagship model。coding capability に加え、security review と vulnerability reasoning にも対応 | 0.6× |
| Kimi-K3 | Kimi の最強モデル。2.8T parameters を備え、software engineering、knowledge work、deep reasoning 向けに構築 | 0.8× |
| Kimi-K2.7-Code | Kimi の最新モデル。long-context coding 向けに設計され、正確な instruction following と信頼性の高い long-horizon execution を実現 | 0.3× |
| MiniMax-M3 | Native multimodal perception、frontier coding、1M context depth を備え、高負荷の workflow に対応 | 0.2× |
モデル、能力ラベル、倍率はクライアントのバージョンやアカウントによって変わります。タスク入力欄に表示される内容を優先してください。
モデルパラメーターを設定する
一部の tier と model はパラメーター設定に対応しています。model menu で対応する model に pointer を合わせて parameter panel を開き、Edit を選択します。
Context window
Context window は、会話で使用できる最大 context window size を制御します。
| Option | 説明 |
|---|---|
| 200K | 標準 context window。ほとんどのタスクに十分 |
| 400K | 大規模な codebase や長い会話向けの拡張 context |
| 1M | 超大規模 project 向けの最大 context |
Thinking effort
Thinking effort は model が response を生成する前の推論の深さを制御します。利用できる option は model ごとに異なります。
| Option | 説明 |
|---|---|
| low | 最小限の推論、最速の response |
| medium | バランスの取れた推論深度 |
| high | 複雑なタスク向けの徹底的な推論 |
| xhigh | 高難度の問題向けの深い分析 |
| max | 最大の推論深度、最も複雑な課題向け |
Model settings を開く
アプリで利用するモデルを管理する場合は、セレクター下部の Model settings を選択します。設定項目やパラメーターはモデルごとに異なるため、選択したモデルに実際に表示されるコントロールを使用してください。
1
セレクターを開く
新規または既存タスクの入力欄下部で現在のモデルをクリックします。
2
階層またはモデルを選択
Auto、別の性能階層、または一覧の特定モデルを選択します。
3
タスクを続行
選択は以降のメッセージに適用されます。送信前にモデルと倍率を確認します。