状态:实验设计 Demo,数据将在接入实际模型后补充。

模型路由不能只按单次调用价格选择。最小实验至少同时记录:

指标目的
任务成功率判断输出是否真正可用
首字延迟衡量交互体验
总耗时衡量端到端吞吐
单位成功成本避免“便宜但失败更多”

实验会将简单抽取、结构化生成和多步推理分层,分别选择满足质量阈值的最低成本模型。