结论：选模型不是选"最强"，而是选"匹配任务难度与约束"。一个系统里往往应该同时存在大模型和小模型——按任务路由，才能同时拿到质量、成本与延迟。

一、选型的四个维度

四者常常互相制约，选型本质是权衡，而非找全能冠军。

二、按任务分层路由

• 简单任务（分类、抽取、格式化）→ 小/快模型。

• 中等任务（常规生成、工具调用）→ 中型模型。

• 复杂推理（规划、多步决策）→ 大模型。

先用一次廉价调用判断任务难度，再路由到对应模型。成本与延迟都能显著下降（呼应成本工程篇）。

三、用评测确定边界，而不是用感觉

每个模型在不同任务上的能力差异，要通过 Evals 实测确定（呼应评测篇）。"某模型听说很强"不能作为选型依据，必须在你自己的任务分布上验证。

四、能力边界的显式管理

• 明确每个模型"能做什么、不能做什么"。

• 超出边界时降级为"拒绝 + 引导"，而不是硬着头皮输出。

• 模型升级/更换要重跑评测，不能默认"新的更好"。

五、常见误区

• 全程用最贵模型；凭口碑选型不做实测；更换模型不重跑评测；不设能力边界，什么都敢接；忽视格式稳定性导致下游解析崩溃。

六、检查单

• [ ] 选型同时评估能力/成本/延迟/稳定性

• [ ] 按任务难度分层路由

• [ ] 每个候选模型在自有任务分布上实测

• [ ] 明确各模型能力边界

• [ ] 超边界时降级或拒绝，不硬输出

• [ ] 模型变更必重跑评测

• [ ] 格式稳定性纳入选型标准