结论先行：别一上来就 GPT Pro / Claude Opus 往死里充。Hermes Agent 主模型用 DeepSeek V4 Flash，再补一个千问 3.6-Flash 搞图片识别，一天一块多钱的成本，日常用完全够了。Flash 在 Agent 场景下的指令遵循表现甚至比 Pro 更稳。
一、背景：装完 Hermes 之后，卡在选模型了
装完 Hermes Agent 之后，敲 hermes model，面对几十个模型列表直接懵了。有官方的、国内的、国外的，琳琅满目。群里问一圈，有人说 “必须上 GPT”，有人说 “Gemini 才是王道”，还有人直接让你开 Claude Pro。
作为一个刚上车的人，你连这玩意儿好不好用都没试过，一上来就投大几百块，亏不亏？
这期不是跟你探讨哪个模型最强，而是给一套能先跑起来、还花不了几个钱的方案。
二、核心方案：主模型 + 多模态补位
王帅真（B站 UP 主"王帅真"）给出的公式很实在：
主模型：DeepSeek V4 Flash
视觉补位：千问 3.6-Flash（或同类多模态模型）
为什么要拆两个？
因为 DeepSeek V4 虽然便宜又好用，但官方 API 目前还不支持图片理解（官网的"识图"其实是 OCR 服务在顶着）。你要让它看照片、读截图，就得单独接一个有多模态能力的模型。
三、配模型，三步搞定
第一步：配 DeepSeek 主模型
去 deepseek.com → 点"API 开放平台"→ 创建 API Key。
然后在 Hermes 终端里：
hermes model
选 DeepSeek v3 recode（直联 API），粘贴你的 API Key，Base URL 默认不用改，回车。完事。
默认就会选到最新的 V4 Flash，100 万 Token 上下文，不香吗？
装完后敲个 /new 试试，看到 model 显示 DeepSeek V4 Flash，说明成了。
第二步：接上千问当"眼睛"
去阿里云百炼大模型平台 → 找视觉模型 → 选 千问 3.6-Flash。
注意：千问没给我广告费，你用混元、豆包、方舟都行，思路一样。关键是他们都有免费额度可以薅。
创 API Key，然后直接在 Hermes 对话框里发：
帮我配置 vision 模型，key 是 xxx，model 是 qwen-3.6-flash，用 Custom provider
Hermes 自己就能搞定配置。如果配错了，/reset 重来就行，容错率很高的。
配好后去 Dashboard 确认 Vision Custom 变成你选的模型，然后 /new 开新会话试试发图。
第三步：测一下
发一张照片给 Hermes，它说"当前实例没有配置图像识别能力" → 说明 DeepSeek 确实看不到图。
配好后同样一张照片，它就能读出 “机械键盘加垂直鼠标的桌面 setup” 了。
整个闭环就通了。
四、一天到底花多少钱？
直接看王帅真给的实测数据：
| 项目 | DeepSeek V4 Flash | GPT-5.5 / Claude Sonnet |
|---|---|---|
| 输入价格（百万 Token） | 1 元 | ~34 元（5 刀×汇率） |
| 缓存命中价格 | 0.02 元 | 3.4 元 |
| 输出价格（百万 Token） | 2 元 | ~20 元 |
| 缓存命中率 | ~90%+ | ~10% |
| 一天正常用 | 1~5 元 | 几十到上百元 |
DeepSeek V4 的缓存策略做得确实漂亮，正常聊天大多数都命中缓存，一天下来就是一两块钱。就算带图对话，千问 3.6-Flash 一张图大概 3000 Token，算下来 0.004 元一张。一轮带图的对话一分钱都不到。
五、Flash 还是 Pro？别想太多
这里有个反直觉的事——很多人觉得 Pro 更强就应该一直用 Pro。但在 Agent 场景下，Flash 的指令遵循反而比 Pro 更稳。
打个比方：
- Flash = 一线执行者：你给具体指令他照着做，又快又便宜不容易出错
- Pro = 思考型高手：你给个方向他自己琢磨，有时候确实质量高，但有时候会越想越偏
对于日常的 tool use、任务执行，用 Flash 就够了。真要搞系统架构、深度分析这类需要思考的活儿，再用 /model 切到 Pro 不迟。
六、薅羊毛小贴士
国内云平台基本都有免费推理额度：
- 阿里百炼：100 万 Token 免费额度
- 字节火山方舟：50 万 Token 免费额度
- 腾讯混元：同档免费额度
一个用完了换另一个，个人用户随便薅，先把免费的用完再说。
总结一句话：Hermes Agent 主模型上 DeepSeek V4 Flash，多模态接个千问 3.6-Flash，一天一块钱，Agent 场景下体验不比 GPT 差多少。想省钱的直接抄这份作业就行。