按任务成本看模型分层
socialwithaayan · x · 2026-07-10
作者按**每个任务的成本**，把模型分成四档来讨论如何选型，而不是只看热度或单项 benchmark。 - **TIER 1：便宜且快**，适合分类、打标、路由等高频任务；文中认为 Claude Haiku 4.5、GPT-5.6 Luna、Gemini 3.1 Flash-Lite 分别在速度、性价比、最低价格上各有优势。 - **TIER 2：日常默认档**，用于草稿、代码审查、日常 agent；作者认为 Claude Sonnet 5、GPT-5.6 Terra、Gemini 3.1 Pro 是这一层的代表。 - **TIER 3：高难推理**，适合多小时 agent、迁移/重构等更贵的失败场景；文中提到 Claude Opus 4.8、GPT-5.6 Sol、Gemini 3.1 Deep Think。 - **TIER 4：前沿能力**，用于必须一次成功的 SOTA 编码或重度推理；对应 Claude Fable 5、GPT-5.6 Sol Ultra、GPT-5.6 Sol Fast。 核心结论是：**更便宜的模型正在赢得“每任务成本”**，而前沿模型赢的是能力，不一定是性价比；应按任务难度分层，避免把 frontier 价格花在低价值工作上。