随着 Qoder 模型阵容的持续丰富和能力升级，我们以历史周期 Credits 的实际消耗情况为参考，对 Credits 消耗的参考系数进行了周期性校准，使不同模型之间的消耗对比更加合理，帮助用户更好地选择适合的模型。调整将于 2026 年 9 月 21 日 00:00（新加坡时间） 生效。
关于 Auto 模式： Auto 是大多数用户日常使用的默认模式。近期我们对 Auto 的路由策略进行了优化，使其在保持输出质量的同时更加高效，也就意味着用户使用 Auto 将更加省 Credits，那么相应的系数从 1.0x 下调至 0.5x。
适用产品：Qoder 全系产品家族（Qoder / Qoder IDE / Qoder JetBrains 插件 / Qoder CLI / QoderWake / Qoder Cloud Agents / Qoder Mobile 等）。
订阅用户：个人 Pro-trial、Pro、Pro+、Ultra、Credit Pack，以及 Teams、企业版、Service Account 席位。
模型系数反映的是在同类型任务下，不同模型间消耗 Credits 的用量对比，供用户参考每个模型预估的消耗情况。对应模型的参考系数越高，则预计同样使用场景下 Credits 消耗越快。
随着模型阵容的持续丰富，我们会根据实际消耗速率，定期对系数进行校准，以更合理地反映不同模型之间的 Credits 消耗差异，帮助用户在选择模型时获得更准确的参考。本次调整是周期性校准的一部分。
不会。已有的 Credits 余额保持不变。
不会。我们以历史周期 Credits 的实际消耗情况为参考，对 Credits 消耗的参考系数进行了周期性校准，使不同模型之间的消耗对比更加合理，帮助用户更好地选择适合的模型。参考系数校准不会扣减更多 Credits，不影响实际消耗用量。
不会。Auto 的系数下调来自路由策略的优化。在保持输出质量的前提下，Auto 现在能以更低的资源消耗完成任务，对用户来说是更省 Credits 的体验升级。
一样。本次系数调整适用于所有版本和订阅类型。
时间安排
| 时间（新加坡时间） | 变化 | 影响对象 |
|---|---|---|
| 本通知发布日 | 发布本通知。 | 全部用户 |
| 2026 年 9 月 21 日 00:00 | 模型选择器中显示的参考系数更新。 | 使用 Qoder 内置模型的用户 |
调整详情
模型档位
| 档位 | 调整前系数 | 调整后系数 |
|---|---|---|
| Auto（智能路由） | 1.0x | 0.5x |
| Ultimate（极致） | 1.6x | 2x |
| Performance（性能） | 1.1x | 1.1x |
| Efficient（高效） | 0.3x | 0.3x |
指定模型
| 模型名称 | 调整前系数 | 调整后系数 |
|---|---|---|
| Sonus | 3.2x | 8x |
| Cantus | 3.2x | 4x |
| Qwen3.8-Max | 0.5x | 0.5x |
| Qwen3.8-Flash | 0.1x | 0.1x |
| Qwen3.7-Max | 0.5x | 0.5x |
| Qwen3.7-Plus | 0.1x | 0.1x |
| DeepSeek-V4-Pro | 0.8x | 0.5x |
| DeepSeek-Flash | 0.2x | 0.1x |
| GLM-5.3 | 0.6x | 0.8x |
| GLM-5.3-Flash | 0.1x | 0.1x |
| Kimi-K3 | 0.8x | 1.4x |
| Kimi-K2.8-Preview | 0.3x | 0.8x |
| MiniMax-M3 | 0.2x | 0.2x |
影响范围
适用产品：Qoder 全系产品家族（Qoder / Qoder IDE / Qoder JetBrains 插件 / Qoder CLI / QoderWake / Qoder Cloud Agents / Qoder Mobile 等）。
订阅用户：个人 Pro-trial、Pro、Pro+、Ultra、Credit Pack，以及 Teams、企业版、Service Account 席位。
你需要做什么
- 评估影响： 对照上方的调整详情表，了解你常用模型的参考系数变化。
- 提前规划 Credits： 根据最新的模型参考系数选择更适合自己的模型。如果你的工作流依赖高参考系数模型，可以提前获取更多 Credits 或购买资源包以备后续使用。
常见问题
Q：什么是模型参考系数？
模型系数反映的是在同类型任务下，不同模型间消耗 Credits 的用量对比，供用户参考每个模型预估的消耗情况。对应模型的参考系数越高，则预计同样使用场景下 Credits 消耗越快。
Q：为什么要调整模型参考系数？
随着模型阵容的持续丰富，我们会根据实际消耗速率，定期对系数进行校准，以更合理地反映不同模型之间的 Credits 消耗差异，帮助用户在选择模型时获得更准确的参考。本次调整是周期性校准的一部分。
Q：我的 Credits 余额会受影响吗？
不会。已有的 Credits 余额保持不变。
Q：系数调整，会不会让我消耗更多 Credits？
不会。我们以历史周期 Credits 的实际消耗情况为参考，对 Credits 消耗的参考系数进行了周期性校准，使不同模型之间的消耗对比更加合理，帮助用户更好地选择适合的模型。参考系数校准不会扣减更多 Credits，不影响实际消耗用量。
Q：Auto 模式系数下调，体验会变差吗？
不会。Auto 的系数下调来自路由策略的优化。在保持输出质量的前提下，Auto 现在能以更低的资源消耗完成任务，对用户来说是更省 Credits 的体验升级。
Q：Teams、企业版、Service Account 也一样吗？
一样。本次系数调整适用于所有版本和订阅类型。
需要帮助
- 个人用户：请联系 contact@qoder.com。
- Teams、企业版客户：可联系你的专属客户经理。