AI 客服选什么 LLM？

做客服和做写作、编程完全不同。写诗写差了是文风问题，代码写错了能跑测试看出来，但客服胡说一个退货政策、编造一个售后流程，直接就是客诉。

客服场景的核心指标只有两个：精确指令遵循（让它说啥就说啥，不擅自发挥）和幻觉控制（不知道就说不知道，别编）。能力分再高，这两项不行就不适合做客服。

下面用 SuperCLUE 2026-05 的实测数据，按这两个维度加权排序，再结合价格和国内可用性，给你三档推荐。

SuperCLUE 客服适配榜（精确指令 45% + 幻觉控制 40% + 综合 15%）

数据来源：SuperCLUE 2026-05（2026-07-02T04:24:39.365863+08:00 抓取）。客服分 = 精确指令遵循 × 45% + 幻觉控制 × 40% + 总分 × 15%。

三档推荐

企业级：不差钱，要稳定

年客服预算 10 万+、有 SLA 要求、需要发票和合同流程的企业，直接上 ERNIE 5.1 或 GLM-5.1。

ERNIE 5.1 在客服分榜单上排第 1，精确指令遵循 84.2、幻觉控制 82.3，两项都是顶尖。百度智能云的企业服务流程成熟，适合已经有百度生态的客户。输出价 $3.08/M，不算便宜但企业级场景能接受。

GLM-5.1 排第 4，精确指令 81.6、幻觉控制 78.9，比 ERNIE 略逊。输出价 $3.04/M，和 ERNIE 几乎持平（2026-07 智谱刚把 output 从 $4.30 降到 $3.04，企业级定价才追上来）。智谱的企业服务在快速完善，适合需要国内合规、又想要 200K 上下文的场景。

性价比档：月调用 100 万次以下的中小团队

这个档位的核心诉求是：客服分不能掉太多，但价格要控制住。推荐 DeepSeek V4 Flash，Kimi K2.6 在 7 月涨价后已经不算性价比选项了。

DeepSeek V4 Flash 输出价 $0.168/M，是全网最便宜之一。SuperCLUE 同家族 V4 Pro 国内第 1（70.48 分），Flash 版能力略有折损但客服场景够用。1M 上下文也能覆盖长对话历史。国内直连，私有化部署支持好。

Kimi K2.6 输出价在 2026-07-03 从 $0.70 涨到 $3.41（接近 5 倍），已经跌出性价比档。如果之前在用 Kimi 跑客服量，建议这周重新算一下成本——同样预算现在只能跑五分之一的量。Moonshot 的企业支持还在加强，但对质量要求高、预算也跟得上的团队才值得继续用。

极致便宜：跑量场景、试用阶段

还在验证 AI 客服 ROI 的阶段，或者日均调用量超过 10 万次的场景，选 MiMo-V2.5 或 GLM 5。

MiMo-V2.5 输出只要 $0.28/M，比 DeepSeek V4 Flash 还便宜三分之一。AA Intelligence 40，能力不算强但客服问答够用。小米的模型，适合已有小米生态或预算极紧的场景。

GLM 5 输出 $1.92/M，比 GLM-5.1 便宜约 37%，客服分榜单排第 6（78.9 分）。智谱的国内服务稳定，适合想要「比 Flash 稳一点、比 5.1 便宜一点」的中间态。

国内可用模型价格参考（输出价 ≤ $3）

价格数据：OpenRouter（2026-07-11）。绿色 = 输出价 ≤ $0.5/M（极致便宜档）。速度数据：Artificial Analysis（2026-07-11）。

选模型的决策树

客服场景的特殊注意事项

1. 必须接知识库，别指望模型自己记住政策

再强的模型也会记错退货期限。客服系统的正确架构是：RAG 知识库检索 + LLM 生成回复。模型只负责「把检索到的政策用客服语气说出来」，不负责「记住政策」。

2. temperature 必须调低（0.1-0.3）

客服回复不需要创意。temperature 高了，模型会「帮你想一个更友好的说法」，结果就是把「不支持退换」说成「可以考虑特殊情况」——客诉就是这么来的。

3. 系统提示词要锁死角色

系统提示词里必须写明：「你是一名客服代表，只能基于提供的知识库内容回答，不知道的问题请转人工，不要编造。」这行字比选什么模型更重要。

4. 国内直连是硬要求

客服系统不能依赖代理。Claude、GPT 再强，国内网络波动时响应超时，直接影响用户体验。表中所有推荐都是国内直连的。