模型路由基准：Sol high 更稳

petburiraja · reddit · 2026-07-11

作者做了一组按角色划分的本地 benchmark，用来决定在 Codex/CLI 工作流里，不同任务该路由到哪个模型或档位。

主要结论

• 在战略决策类任务上，Sol high 接近参考结果，且比 Sol max 更省时间和推理 token。
• 在仓库驱动的执行 brief 上，Sol medium 比 high 更快，推理 token 少很多，但 high 在依赖推理上仍略占优。
• 在带有植入 bug 的修复任务中，多条实现路线都能首轮通过测试，说明这些低档位模型在受限任务上也能稳定工作。

作者的路由建议

• main strategic session：Sol high
• main operational session：Sol medium
• consequential review：Sol xhigh
• manual deep review：Sol max（少用）
• read/map/cleanup：GPT-5.4 mini low
• tight tested implementation：Sol low
• implementation rollback：GPT-5.4 medium

备注

作者也强调了局限性：样本量小、评估者知道模型身份、CLI 开销会影响延迟，且这些结果只是本地工作流的参考，不等于通用智能排名。

原文链接 →

「编程与Agent」频道最新

• NeurIPS 论文：MCP 工具故障使 agent 任务分暴跌 60%，大模型也救不了 — dair_ai · 2026-10-26
• 通用 Agent 跑 LinkedIn 外联一月烧 1.4 亿 token,脚本方案省 60 倍 — ChrisHarpon2 · 2026-10-26
• OpenAI Decisions API 升级：单次可处理 400 个问题并新增语音与图像能力 — OpenAIDevs · 2026-10-26
• 单靠 NLI 校验 Agent 记忆会误杀 5/6 新事实,加一道相似度门槛全部纠正 — Alternative_Pin9598 · 2026-10-26
• LangChain 发布 Managed Deep Agents 0.9,伦敦大会演讲详解 — LangChain · 2026-10-26
• 知识工作者 kit 新增项目组织方法：第一周发现比收尾省得多 — dSebastien · 2026-10-26

更多「编程与Agent」频道 AI 资讯 →