TRAE 国际版 SOLO 模式已内置 3 种模型——Gemini-3-Pro-Preview、GPT-5-medium 和 Kimi-K2-0905。不同模型在开发过程中的不同环节各有所长，选择模型的核心并非 “哪款模型最优”，而是哪款模型最适配你要交付的任务。
以下是我们为你提供的一种模型选择思路：
Gemini-3-Pro-Preview：适用于智能体驱动、长周期、多模态任务
当任务场景宽泛、各环节相互关联，且需要在上下文里统筹多个动态模块时，Gemini-3-Pro-Preview 的优势最为突出：
-
擅长智能体驱动的编码流程 —— 相比单次指令调用，通过命令行界面 / 工具调用流程运行时表现更佳
-
具备出色的多模态理解能力（涵盖文本、代码、设计规范、UI 设计），非常适合全栈开发工作
-
长周期任务表现稳定可靠 —— 可胜任大型代码库的迁移、架构调整以及全局调试工作
国际版 SOLO + Gemini-3-Pro-Preview 适用场景示例：
当任务属于 “牵一发而动全身” 的类型时，Gemini-3-Pro-Preview 通常是优选方案。
-
Gemini-3-Pro-Preview 智能体可充当 UI 工程师，基于多模态输入的设计规范生成界面并持续迭代优化
-
智能体可并行处理后端逻辑、应用程序接口（API）或数据模型的开发工作
-
TRAE 国际版 SOLO 模式负责统筹协调各智能体，Gemini-3-Pro-Preview 则保障各层级的一致性
GPT-5-medium：适用于结构化迭代与生产级别的代码修改
GPT-5-medium 就像一位经验丰富的资深工程师，你可以放心地将需要严谨思考、周密规划的修改任务交付给它：
-
擅长重构、调试循环、测试框架搭建等迭代式编码流程
-
兼顾强大的通用推理能力与编码能力，给出的方案更适用于生产环境
-
拥有超大上下文窗口（最高 272k），能够应对复杂的实际项目需求
-
配套工具生态成熟，在各类编辑器、应用程序接口（API）和插件中表现稳定
国际版 SOLO + GPT-5-medium 适用场景示例：
1. 系统重构
-
将大规模重构任务拆解为清晰的步骤，逐步推进
-
确保重构过程中各模块的核心约束条件始终有效
2. 遗留代码调试
-
跨文件追踪业务逻辑，定位问题根源
-
遵循 “先写测试，再改代码” 的流程，降低修改风险
GPT-5-medium 与 TRAE 国际版 SOLO 模式的 Plan 尤为契合，可以生成清晰的方案、有条理地执行任务并生成高度准确的结果。
Kimi-K2-0905：适用于执行高效自动化、高性价比的任务
Kimi-K2-0905 决策果断、响应迅速，能够高效推进任务，是无需人工干预的自动化任务的理想选择：它擅长多步骤逻辑处理与自主化工作流，尤其适用于研发调研或自动化脚本开发任务；单 token 使用成本远低于多数商用闭源模型，性价比突出，在日常开发工作中运行速度极快，延迟低，能够实现快速迭代。
国际版 SOLO + Kimi-K2-0905 适用场景示例：
1. 处理重复性或机械性开发工作： 清理冗余代码、生成通用模板代码、转换数据格式、统一重构代码语言风格
2. 作为子智能体执行辅助任务： Kimi-K2-0905 可以自主运行处理后台辅助任务，你就能专注于更顶层的决策工作
SOLO 模式模型选型核心思路总结
在 TRAE 国际版 SOLO 模式下，如何选择最合适的模型？你可以像带领一支真实的工程师团队一样，根据任务特点灵活调度、合理分工，让每个模型发挥其最大优势。
-
Gemini-3-Pro-Preview： 擅长广度覆盖、上下文统筹、多模态融合与系统化思考。
-
GPT-5-medium： 以稳定可靠见长，善于结构化推进和生产级迭代优化。
-
Kimi-K2-0905： 追求极速执行和自主运行，具备高性价比，专注落地执行。