Kto może to zrobić: Członkowie zespołu
Które plany: Free, Starter, Business, Enterprise
Na jakich platformach: Przeglądarka, aplikacja desktopowa, urządzenia mobilne
Gdy wykonujesz działania AI w Miro przy użyciu przepływów i współpracowników AI, funkcja Wybierz własny model umożliwia wskazanie najbardziej odpowiedniego dużego modelu językowego (LLM) do danego zadania.
Na przykład przy generowaniu obrazów możesz zdecydować, czy użyć Stable Diffusion 3.5 Large, czy Gemini 2.5 Flash Image (Nano Banana).
Wybór może zależeć od złożoności lub stopnia szczegółowości zadania.
💡 Przepływy Miro i współpracownicy AI mają domyślny LLM wybrany dla każdego zadania. Jeśli nie wiesz, który model wybrać, najlepszym początkiem jest użycie modelu domyślnego. Domyślny model jest oznaczony etykietą „Zalecany”.
Opcja wyboru modelu jest dostępna tylko w przepływach Miro i współpracownikach AI dla następujących elementów:
- Dokumenty i formaty obrazów w współpracownikach AI i przepływach Miro
- Główna logika współpracowników AI
- Blok instrukcji w przepływach Miro
Ten artykuł wyjaśnia, jak wybrać własny model dla przepływów Miro i współpracowników AI oraz zawiera informacje pomagające dobrać LLM do typowych zadań.
Wybór własnego modelu
Przepływy
Każdy dokument, obraz i blok instrukcji w przepływie ma pole prompt, w którym możesz wybrać własny model.
Wykonaj te kroki:
- Dodaj dokument, obraz lub blok instrukcji na planszę.
- Aby uzyskać dostęp do listy dostępnych modeli, w prawym górnym rogu pola promptu kliknij nazwę domyślnego modelu. Na przykład
AWS | Claude 3.5. - Wybierz model.
Aby dowiedzieć się więcej o tworzeniu przepływów i o UX przepływów, zobacz Przepływy.
Współpracownicy AI
Podczas tworzenia lub edycji współpracowników AI zobaczysz sekcję Model (zaawansowany), w której możesz wybrać model do przetwarzania przez współpracownika AI, generowania obrazów i tworzenia dokumentów.
Aby dowiedzieć się więcej o współpracownikach AI, zobacz dokumentację współpracowników AI.
Czym różnią się modele
Duży model językowy (LLM) zazwyczaj należy do rodziny modeli, która obejmuje modele o dużych możliwościach, lecz zasobożerne, modele optymalne oraz najszybsze, lecz mniej zaawansowane modele.
Na przykład rodzina GPT-5 obejmuje GPT-5, GPT-5-mini i GPT-5-nano.
Najszybsze, lecz najmniej zaawansowane modele są idealne, jeśli zależy Ci na niskich opóźnieniach.
Reasoning i non-reasoning
Jedną z głównych różnic między LLM-ami są modele rozumujące i nierozumujące.
Wnioskowanie oznacza, że model potrzebuje więcej czasu, aby udzielić odpowiedzi o wyższej jakości.
✏️ Wnioskowanie nie zawsze daje najbardziej dokładny rezultat. Jeśli potrzebujesz wielu iteracji wyników, wysoki poziom wnioskowania może nie być najbardziej efektywny.
Do zadań złożonych, takich jak tworzenie dokumentów dla klientów, priorytetyzacja oraz zadania wymagające przetworzenia dużej ilości informacji, najlepszym wyborem jest model rozumujący.
Do prostych zadań, takich jak sprawdzanie gramatyki, tłumaczenie czy zmiana formatu tekstu, najbardziej efektywny jest model nierozumujący.
Poniższa tabela pokazuje niektóre modele rozumujące i nierozumujące.
| Zdolność rozumowania | Modele |
|---|---|
| Rozumujące | GPT-5, GPT-5-mini, GPT-5-nano, Claude Sonnet 4, Claude Sonnet 4.5, Gemini 2.5, Gemini 2.5 Flash, o3, o4-mini |
| Nierozumujące | GPT 4o, GPT-4o-mini, GPT-4.1, GPT-4.1-mini, Claude Sonnet 3.7, Claude Sonnet 3.5, Gemini 2.5 Flash Lite |
Styl
Każdy LLM ma unikalny "styl". Eksperymentując z różnymi modelami, możesz zauważyć, że konkretny sposób generowania wyników odpowiada Twoim wymaganiom, czy to pod kątem brandingu, klimatu, czy preferencji.
💡 Starsze modele mają bardziej wyrazisty styl, szczególnie w przypadku kreatywnych, nietuzinkowych wyników.
Wybór modelu AI według zadania
| Zadanie | Modele | Opis |
|---|---|---|
| Burza mózgów | GPT-4o, o3, o4-mini, Sonnet 3.7 | Świetne do myślenia dywergentnego, wybuchów pomysłów na funkcje, zabawnego tonu i „kreatywnego sznytu”. Użyj do generowania tekstu, np. alternatywnych nagłówków i wariantów microcopy. |
| Priorytetyzacja i punktowanie | GPT-5, Claude Sonnet 4.5, Gemini 2.5 | Najlepsze modele rozumujące do konsekwentnego punktowania i jasnych uzasadnień. Na przykład: RICE/MoSCoW w backlogu, analizy kompromisów i poziomy roadmapy. |
| Synteza i badania | GPT-5, GPT-5-mini, Claude Sonnet 4.5, GPT-4.1, Claude Sonnet 3.7, Gemini 2.5 Flash | Użyj do zadań o średnim i wysokim stopniu złożoności. Na przykład: tworzenie person z notatek oraz wyciąganie obserwacji z danych i baz wiedzy. |
| Schemat i transformacja | GPT-5-mini, GPT-5-nano, GPT-4.1, Sonnet 3.7, Gemini 2.5 Flash, Gemini 2.5 Flash Lite | Zmiana formatu zwykle nie wymaga złożonego rozumowania, więc zoptymalizowane wersje zwracają wyniki szybciej, ale trzymaj się nowszych rodzin modeli, aby zapewnić spójność przy pracy z dużymi kontekstami. notatki → dokumenty, dokument → tabela danych, specyfikacja → diagram) |
| Szybkie edycje tekstu | GPT-4o-mini, Gemini 2.5 Flash Lite, GPT-5-nano, Claude 3.7 | Najszybsze opcje. Najlepsze do prostych edycji tekstu, takich jak korekta gramatyczna, tłumaczenie i przeredagowanie w celu poprawy czytelności. |
Wybór modeli do generowania obrazów
Wszystkie duże modele językowe (LLM), które obsługuje Miro, potrafią przetwarzać tekst i obrazy. Jednak większość z nich nie potrafi generować obrazów.
Do generowania obrazów Gemini 2.5 Flash Image (Nano Banana) szczególnie dobrze radzi sobie z przekształcaniem twoich ogólnych instrukcji w obraz.
Większość LLM oczekuje opisu obrazu, a nie szczegółowych instrukcji. Na przykład "obraz przedstawiający psa w zabawnym kapeluszu" jako opis, w przeciwieństwie do "stwórz zabawny obraz psa" jako instrukcja. Nano Banana potrafi generować obrazy na podstawie konkretnych instrukcji.
✏️ Użyj Nano Banana do precyzyjnych edycji istniejącego obrazu. Inne modele mogą wykorzystać istniejący obraz jako odniesienie stylu.
Pod względem szybkości lub jakości wyników różnice między LLM-ami są niewielkie. Jak w każdym przypadku użycia, możesz eksperymentować z różnymi modelami, aby znaleźć ten, który najlepiej odpowiada Twoim preferencjom.