最近，OpenAI 正式发布了 GPT-4o-mini。根据官方测试数据，这款模型在多项学术基准中全面超越了 GPT-3.5 Turbo 以及众多小模型，不论是在文本智能理解还是多模态推理方面，都展现出令人瞩目的表现。
更令人惊喜的是，它在性能上直接超越了 Gemini 1.5 Flash，而价格却极具竞争力——每 100 万输入 tokens 仅需 15 美分，每 100 万输出 tokens 仅需 60 美分。这一定价策略不仅比 Gemini Flash 更实惠，甚至直接碾压了 Llama 3 的性价比，同时基准测试成绩依然保持领先。
回到正题：GPT-4o-mini 的发布，意味着在成本敏感的应用场景中，开发者终于拥有一个既能保证高质量、又不会大幅烧钱的选项。过去许多开发者为了节省开支只能退而求其次，而现在这一局面已被打破。
按照惯例，每次新模型推出，我都会用它搭建一个本地 Copilot 来测试实际编程表现。这次也不例外。而且，基于 GPT-4o-mini 的 Copilot 在成本上远低于 GitHub Copilot 每月 10 美元的订阅费——要知道，GitHub Copilot 目前仍在使用基于 GPT-3 的 Codex 模型，说实话，这个价位已经不具备太大竞争力了。
接下来，直接进入主题：如何利用 GPT-4o-mini 创建一个 VS Code Copilot，以及一个类似 GitHub Copilot 终端建议功能的 Shell Copilot。
创建 VS Code Copilot
首选工具是 Continue Dev，安装配置都非常便捷，也是我长期使用的扩展。具体操作步骤如下：
首先，你需要拥有 OpenAI 的 API 密钥。如果还没有，可以前往 OpenAI 官网申请获得。
然后，在 VS Code 扩展市场中搜索并安装 Continue Dev。安装完成后，侧边栏会出现扩展图标，点击进入后，在界面底部可以看到模型下拉菜单。点击旁边的“添加”按钮，选择 OpenAI 选项，填入你的 API 密钥，接着点击“设置”按钮打开配置文件。将模型名称改为 gpt-4o-mini，保存即可。聊天界面会自动切换为新模型，你可以在编辑器中直接使用命令或快捷键生成代码，或者通过聊天面板进行交互，然后一键将结果插入到文件中。
若想优化代码补全（自动完成功能），可以让它使用本地小模型运行，这样既节省流量又完全免费。推荐搭配 Ollama 使用：先前往 Ollama 官网下载并安装，然后在模型页面选择 Qwen 2 1.5b（体积小巧，适合补全任务），复制安装命令并在终端执行。安装完成后，回到 Continue Dev 的配置文件，将提供商改为 ollama，模型名称改为 qwen2:1.5b，保存。现在代码补全就能在本地无网络环境下运行，而聊天和代码生成依然由 GPT-4o-mini 负责。这种大模型与小模型组合的方式，成本远低于 GitHub Copilot 的 10 美元/月。
创建 Shell Copilot
第二个项目是 Shell Copilot，使用的开源工具是 Shell GPT（GitHub 项目地址：https://github.com/TheR1D/shell_gpt）。它支持多种 LLM 提供商，灵活性很高。
安装非常简单：运行 pip install shell-gpt。安装完成后，在终端执行 sgpt，系统会提示你输入 OpenAI API 密钥。输入后即可使用。不过默认模型并非 GPT-4o-mini，需要调整配置：打开 sgpt 的配置文件（安装后会有路径提示），将默认模型改为 gpt-4o-mini，保存。
现在你可以使用 sgpt 命令了。直接给出提示，它会返回文本答案；如果加上 --shell 参数，它会直接输出对应的 Shell 命令建议。由于 GPT-4o-mini 按量计费且价格极低，你可以精确控制成本——相比 GitHub Copilot 基于 GPT-3 的老模型，这无疑是更划算且性能更强的选择。
总体而言，GPT-4o-mini 的超高性价比，让本地搭建 Copilot 变得极具吸引力。如果你想在保持代码质量的同时大幅削减成本，这套方案绝对值得尝试。