企业官网建设流程全解析

Task Master 模型选型完全指南：Supported Models 全景解析与配置实战

【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master

Task Master（claude-task-master）是一套可嵌入 Cursor、Windsurf、Roo、Lovable 等环境的 AI 任务管理系统，而 docs/models.md 记录了截至 2026 年 1 月 15 日该系统支持的全部 AI 模型清单，包括 SWE 基准分数、Token 单价与角色归属。本文以该文档为骨架，结合仓库中的 supported-models.json、models.js 与配置文档，讲解如何读懂这份模型目录、理解 main / research / fallback 三角色机制，并用task-master models系列命令完成实际的模型切换与自定义 Provider 接入。

模型目录速览：数据列的含义与来源

docs/models.md以三张大表（Main / Research / Fallback）加一张不支持模型表呈现所有受支持模型，每张表包含四列：

这份表格的直接数据源是 scripts/modules/supported-models.json，它比文档多出三个关键字段，是判断模型"能不能用、怎么用"的核心依据：

• allowed_roles：模型允许担任的角色（main/research/fallback），文档中的三张表正是按此字段归类；
• max_tokens：该模型的最大输出 Token 上限，setModel写入配置时会自动回填到models.<role>.maxTokens；
• supported：false表示模型被明确禁止（即文档最后的 Unsupported Models 表），并附reason字段说明原因。

从源码结构看，config-manager.js 通过import MODEL_MAP from './supported-models.json'加载这份清单，因此JSON 才是运行时真相，Markdown 文档只是给人看的快照。若两者不一致，应以 JSON 为准。

Provider 分类：从 API 直连到本地模型

文档表中的 Provider 大致可分为四类，理解其差异有助于正确选型：

1. API 直连型：anthropic、openai、google、xai、groq、perplexity、openrouter、zai、azure、bedrock。需要配置对应 API Key，价格列为真实美元单价。
2. CLI 订阅型：claude-code（opus / sonnet / haiku）、codex-cli（gpt-5.2-codex 等）、gemini-cli（gemini-3-pro-preview 等）、grok-cli（grok-4-latest 等）。通过本机 CLI 的 OAuth 会话调用，Input/Output Cost 恒为 0，不需要 API Key。
3. MCP 采样型：mcp的mcp-sampling，通过 MCP 客户端的 sampling 能力调用，成本为 0，但要求运行环境具备采样能力（详见 configuration.md）。
4. 本地/自定义型：ollama（gpt-oss、qwen3、phi4 等）与lmstudio，以及可通过--openrouter、--ollama、--bedrock、--azure、--vertex、--lmstudio、--openai-compatible等 flag 接入的任意自定义 Provider。

其中 codex-cli、gemini-cli、grok-cli 等 Provider 的模型虽然写入了supported-models.json，但从代码路径看（models.js），setModel会对这些 Provider 的模型 ID 做名单校验——不在名单内会给出 warning 但仍可设置。

三角色机制：main / research / fallback 如何协同

docs/models.md将模型按角色拆成三张表，对应配置中models.main、models.research、models.fallback三个槽位。默认值定义在 config-manager.js：

{ "models": { "main": { "provider": "anthropic", "modelId": "claude-sonnet-4-20250514", "maxTokens": 64000, "temperature": 0.2 }, "research": { "provider": "perplexity", "modelId": "sonar", "maxTokens": 8700, "temperature": 0.1 }, "fallback": { "provider": "anthropic", "modelId": "claude-3-7-sonnet-20250219", "maxTokens": 120000, "temperature": 0.2 } } }

• main：主执行模型，负责任务生成、PRD 解析、任务更新等核心 AI 操作；
• research：研究模型，配合--research旗标执行联网调研类任务。文档的 Research Models 表中出现了gpt-4o-search-preview、gpt-4o-mini-search-preview、sonar、sonar-deep-research等搜索增强模型，这些模型的allowed_roles在 JSON 中仅含research；
• fallback：兜底模型，当主模型调用失败（如超时、限流、API 异常）时接管。注意docs/models.md中 Fallback Models 表与 Main Models 表高度重合，说明主流模型通常同时被允许担任 main 与 fallback 角色。

运行时getModelConfiguration（models.js）会读取这三个槽位的 provider、modelId、baseURL，并逐一校验 CLI 与 MCP 两条路径的 API Key 状态（keyStatus.cli/keyStatus.mcp），返回结构化配置。并非所有模型都能任意担任三个角色——例如o1、o3-mini、o1-pro、gpt-4o-mini等模型在 JSON 中allowed_roles仅含main，不可用作 research 或 fallback。

如何解读 SWE Score 与 Token 成本

SWE Score 是文档中最直观的选型依据，但需结合角色与场景解读：

• 分数最高的头部模型：gpt-5.2-codex（0.82）、gpt-5.2-pro（0.82）、claude-opus-4-5（0.809）代表当前目录中的最强代码能力梯队，适合作为 main 模型处理复杂任务拆解；
• 性价比之选：claude-haiku-4-5（0.733，输入 $1 / 输出 $5）、gpt-5.1（0.76，输入 $1.25 / 输出 $10）、llama-3.1-8b-instant（0.32，输入 $0.05 / 输出 $0.08）适合成本敏感场景或 research 角色；
• 成本为 0 的条目：claude-code、codex-cli、gemini-cli、grok-cli、mcp、ollama全部计费为 0——前四者走订阅/OAuth，后两者走本地或 MCP 采样，适合不想为 Token 单独付费的用户；
• 本地模型：ollama下的gpt-oss:120b（0.624）提供了近乎云端模型的 SWE 分数，且完全免费、数据不出本机。

注意：文档中部分条目（如google的gemini-2.5-pro-preview-05-06）价格为—，对应 JSON 中cost_per_1m_tokens: null，表示价格未收录，成本计算会显示 Unknown。

实战一：用 CLI 查看与切换模型

模型管理的入口是task-master models系列命令（TS 侧封装见 apps/cli/src/commands/models 与 model-management.ts）：

# 交互式设置模型（创建/修复 .taskmaster/taskmaster.json） task-master models --setup # 列出当前可用模型 task-master models list # 为指定角色设置模型（角色：main / research / fallback） task-master models --set-main claude-opus-4-5 task-master models --set-research sonar-reasoning-pro task-master models --set-fallback claude-3-7-sonnet-20250219 # 设置自定义 Provider 模型 task-master models --set-main gpt-5.2-codex --codex-cli task-master models --set-fallback gpt-5 --codex-cli task-master models --set-main some-model --ollama task-master models --set-main some-model --openrouter

在 MCP 场景下（如 VS Code 等客户端）也可通过models工具调用：

task-master models set-main --provider mcp --model claude-3-5-sonnet-20241022 task-master models set-research --provider mcp --model claude-opus-20240229 task-master models list

底层setModel（models.js）的判定逻辑值得注意：

1. 先按providerHint+modelId在supported-models.json中精确查找；
2. 找到则直接采用内置 Provider；找不到时，若 hint 为openrouter会实时请求 OpenRouter/api/v1/models验证，若为ollama会请求本地http://localhost:11434/api/tags验证（fetchOpenRouterModels、fetchOllamaModels）；
3. 自定义模型设置成功后返回warning，提示官方未验证、兼容性不保证；
4. 写配置时会自动同步maxTokens（来自 JSON 的max_tokens字段）并对不需要 baseURL 的 Provider 清除旧值。

因此：内置模型可直接--set-<role> <model-id>使用；自定义模型必须携带 Provider flag，否则会报MODEL_NOT_FOUND_NO_HINT。

实战二：自定义与本地模型接入

对于表中未列出的模型，文档的 Unsupported Models 表给出了边界示例：OpenRouter 的:free免费模型（如deepseek/deepseek-chat-v3-0324:free）被明确禁止，理由是"严重的速率限制、缺乏工具调用支持及其他可靠性问题，不适合生产使用"。但付费版deepseek/deepseek-chat-v3-0324本身是支持的（JSON 中supported: true）。

接入手册：

• OpenRouter 自定义模型：task-master models --set-main <id> --openrouter，需提供 OpenRouter API Key；
• Ollama 本地模型：task-master models --set-main qwen3:32b --ollama，默认连http://localhost:11434/api，可通过--baseURL或配置global.ollamaBaseURL修改；
• Azure：--azure要求提供 baseURL（可从配置global.azureBaseURL读取），否则报错；
• LM Studio：--lmstudio默认连http://localhost:1234/v1；
• OpenAI 兼容端点：--openai-compatible必须提供baseURL；
• Bedrock / Vertex：--bedrock、--vertex直接以自定义 ID 设置，不做运行时校验，需自行确保模型在云账户中可用。

配置文件位于项目根目录.taskmaster/taskmaster.json（旧版为taskmaster.config.json），手工编辑需遵循如下结构（见 configuration.md）：

{ "models": { "main": { "provider": "anthropic", "modelId": "claude-opus-4-5", "maxTokens": 32000, "temperature": 0.2 }, "research": { "provider": "perplexity", "modelId": "sonar-reasoning-pro", "maxTokens": 8700, "temperature": 0.1 }, "fallback": { "provider": "anthropic", "modelId": "claude-3-7-sonnet-20250219", "maxTokens": 120000, "temperature": 0.2 } } }

若配置文件缺失或损坏，Task Master 会报错提示运行task-master init或task-master models --setup重建。

当前模型目录中的重点型号（截至 2026-01-15）

基于docs/models.md三张表与supported-models.json的交叉核对，几个值得重点关注的型号：

选型建议与限制说明

• 以角色定模型：main 选 SWE 高分旗舰（opus-4-5 / gpt-5.2 系列 / sonnet-4-5）；research 选搜索增强模型（sonar 系列、search-preview 系列）；fallback 选成本低、稳定性高的模型（haiku-4-5、gpt-5.1 等）；
• 注意allowed_roles约束：gpt-4o-search-preview等仅限 research，o1、o1-pro等仅限 main，强行配置到不允许的角色会失败；
• 模型 ID 必须精确匹配：文档表中的 Model Name 即配置中的modelId，例如 Bedrock 模型必须使用us.anthropic.claude-sonnet-4-20250514-v1:0这种完整 ARN 格式 ID；
• 自定义模型需自担风险：官方只对内置列表保证兼容，自定义 Provider 会收到 warning；OpenRouter 免费模型则被硬性禁止；
• 数据时效：本目录为 2026 年 1 月 15 日的快照，新模型以supported-models.json与task-master models list的实时输出为准。

如需进一步深入，可阅读 configuration.md（模型相关配置全解）、models.js（设置/校验/API Key 状态实现）以及 model-management.ts（TypeScript 封装层），并结合task-master models --setup完成交互式初始化。

【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master