【模型切换】降本增效：在 Midscene 中接入 DeepSeek / 阿里通义千问 API 替代 GPT-4o

前言：GPT-4o 很好，但你的钱包还好吗？2026 年，UI 自动化测试领域正经历一场深刻的范式变革。字节跳动 Web Infra 团队开源的 Midscene.js，截至目前已迭代至v1.8.0 版本，在 GitHub 上积累了超过12.5k Stars，已成为互联网、金融、政企、汽车等多个行业落地 AI 自动化测试的首选方案。然而，大量团队在享受 Midscene “自然语言驱动自动化”红利的同时，也面临一个棘手的问题——API 调用成本过高。GPT-4o 的 API 价格长期维持在较高水平，对于每天运行数百条自动化测试用例的团队来说，单月 API 费用轻松破万。尤其是 Midscene 这类依赖多模态视觉理解能力的工具，每次页面分析都需要消耗大量 Token，成本问题尤为突出。好消息是，进入 2025-2026 年，国产大模型迎来了爆发式增长。DeepSeek V3/V4 系列在多项 benchmark 上直接叫板 GPT-4o，价格却只有后者的十分之一甚至更低。与此同时，阿里通义千问 Qwen3 系列也展现出极强的视觉理解与推理能力，成为 UI 自动化场景的有力竞争者。本文将从问题诊断、方案设计、实践部署到效果验证，手把手带你完成 Midscene 的模型切换，实现“性能不降级、成本打骨折”的目标。一、问题溯源：为什么你的 Midscene 项目需要换模型？