按任务选模型：不要让最贵模型处理所有事情

核心原则

模型选择不是“越强越好”，而是让任务难度、模糊程度和失败代价与模型能力匹配。

当前官方定位可以概括为：

• Astra：最复杂、最模糊或高风险的推理与执行
• Sol：复杂的代理式编码任务
• Terra：日常开发的工作模型
• Luna：高频、边界明确、聚焦的小任务

名称、credits 和套餐规则会变化，本页只代表 2026-09-17 的核验快照。

建议分工

任务	建议起点	什么时候升级
改文案、格式、提取信息	Luna	连续误解要求或涉及代码风险
明确的小组件、小 Bug	Terra	根因跨模块或多次失败
常规功能与测试	Terra	需要复杂架构取舍
跨模块故障、迁移、复杂重构	Sol	风险极高或信息高度不完整
高风险决策与极难推理	Astra	不再自动升级；先缩小问题

不要只看单次价格

轻量模型可能在一次任务中更省，但如果它：

• 反复搜错目录
• 生成不可用代码
• 多次跑完整测试
• 需要人反复纠正

最终消耗可能高于一次使用更合适的模型。

因此建议记录“完成一个合格交付”的总消耗，而不是只比较单条消息。

一个简单路由问题表

每个任务开始前回答：

1. 文件范围是否明确？
2. 验收标准是否明确？
3. 是否涉及跨模块调用链？
4. 失败是否会影响生产数据、安全或支付？
5. 是否需要大量工具和检索？
6. 过去轻量模型是否在同类任务上成功？

前两项明确、其余大多为否，可以从轻量模型开始；模糊和风险越高，越需要更强模型。

Reasoning 也要按需提高

不要把 High/最高推理作为永久默认值。先使用默认档位；出现以下情况再提高：

• 多个看似合理的根因需要排除
• 复杂并发、状态机或数据一致性问题
• 需要严谨证明的迁移与安全问题
• 默认档位已经收集到证据但无法形成可靠结论

当前 credit 费率快照

模型的 credit 费率会变化，本页不把历史数字作为当前价格承诺。选择模型前，请查看官方最新费率，并结合任务完成质量和返工次数比较总消耗。

本页的重点不是记住某个数字，而是：高成本模型只做只有它值得做的事情。

来源

• OpenAI Pricing / Usage Limits：查看来源 ↗