把模型选择交给用户：快与准的取舍

模型选择是取舍。本文给出自动路由的三条规则（重点是校验失败自动升级）、给用户的两档与三种覆盖方式、该观测的四个指标与三个反模式。

全都用最强的模型，是最贵的懒政

模型选择是个**取舍** ✔：快而省 vs 准而贵 ✔。

如果全站只用最强的 ✗，成本高、延迟差 ✔；如果只用最便宜的 ✗，质量差 ✔。

**做法**：**默认自动路由 + 允许用户覆盖** ✔。

```

① 复杂度路由：简单任务（分类/抽取/格式化）→ 小模型

② 长度路由：超长输入 → 长上下文模型（或先摘要）

③ 兜底路由：小模型校验失败 → 自动升级到大模型重试一次

```

**第 ③ 条最实用** ✗→✔：多数请求走小模型 ✔，

只有"小模型没做好"的少数请求才升级 ✔ —— 成本与质量都能兼顾 ✔。

用户不需要看模型清单 ✗，需要**能判断的两档** ✔：

```

○ 快速模式 — 约 2 秒，适合分类、改写、格式整理

○ 精确模式 — 约 8 秒，适合分析、多跳推理、复杂约束

（默认：自动选择）

```

**要点**：写清**耗时与适用场景** ✔（见界面文案那篇 ✔），

而不是暴露模型名与参数 ✔。

**预设档位**（快速/精确 ✔ —— 最常用 ✔）；

**自动 + 标注**（系统选了哪个，为什么 ✔ —— 透明度 ✔）；

**允许"升级重试"**（对结果不满意时一键用更强模型重跑 ✔，并提示会消耗更多额度 ✔）。

**路由分布**（多少请求走小模型 ✔ —— 比例高说明路由有效 ✔）；

**升级率**（小模型失败升级的比例 ✔ —— 过高说明路由判据不准 ✔）；

**各档的质量与成本**（分别看 ✔ —— 不能只看平均 ✔）；

**用户覆盖率**（多少用户手动选档 ✔ —— 高说明自动选择不被信任 ✔）。

**全用最强模型** ✗（成本与延迟都不必要地高 ✔）；

**全用最便宜模型** ✗（复杂任务质量差，用户流失 ✔）；

**让用户选模型版本号** ✗（用户无法判断 ✔）。

> 用户能否**说出"我该选哪档、为什么"** ✔，而系统是否会把简单请求自动走便宜路径 ✔？

> 两者缺一，说明模型选择还没设计好 ✗。