随着 AI 应用加速普及，无论个人还是组织，都已从“探索尝试”走向“规模化应用”。而规模化能否长期持续，绕不开一个关键指标：成本与 ROI 是否匹配。

最近和同事、朋友交流时，我反复听到类似反馈：有些场景用 AI 做，效果和效率都很好，但token消耗带来的成本偏高。当然，成本高通常由多种因素叠加造成，比如 SOP 流程是否合理、AI 介入时机是否恰当、上下文是否过长、是否存在频繁重试与无效输出等。但对很多初学者来说，最容易被忽视、却也最“立竿见影”的变量，其实是——模型选择。

大家都知道：同一个任务、同一套 AI 应用方案，换不同的大模型，效果会有差异。于是为了“保险”，不少人干脆默认选择更强、甚至最高阶的模型来跑全流程。短期看确实更稳，但副作用也很明显：token 成本被迅速放大，轻则预算吃紧、吞吐变慢，重则 ROI 直接转负，导致规模化应用难以持续。

模型选择这件事其实没那么难。可以参考 Anthropic 的文章《Choosing the right Claude model: Haiku, Sonnet, and Opus》。它讨论的是 Claude 的 Haiku / Sonnet / Opus 如何取舍，但把思路抽象出来，几乎所有模型都能用同一套框架来做选型。

我大致做了一个框架总结如下：
首先，给业务场景做一个“任务画像”，可以从如下三个维度入手：
1、任务复杂度：信息量大小、步骤数多少、是否需要深度推理与跨文档整合
2、输出要求：准确性门槛、是否需要解释过程、是否要求结构化、是否需要可审计/可复核
3、资源约束：时延要求、成本预算、调用频次、额度/并发上限

接着，把我们可用的模型按能力与成本分为三类（不必纠结命名）：
1、轻量模型：快、便宜，适合“短平快”任务与信息提取
2、通用模型：写作、代码、分析、多步骤工作流的默认选择
3、深度推理模型：长文档理解、复杂决策、多约束推演、高风险场景，适合需要持续思考与更高确定性的任务

基于以上两步，我们就能建立一张简单但非常实用的“选模对照表”：
对于检索 / 摘要 / 抽取 / 分类 → “轻量”
对于写作 / 代码 / 业务分析 / 流程自动化 → “通用”
对于研究型分析 / 多约束推理 / 高准确性要求 / 长文档深度理解 → “深度推理”
如果不确定怎么办？先用“通用”，跑不动或质量不够再升级（最稳的默认策略）

真正落地时，再配合一个关键方法：“分层调用“（或叫分工协作）。把不同任务、甚至同一任务的不同子任务，分配给不同档位的模型——用”轻量“做抽取与结构化，用”通用“做生成与改写，用”深度推理“做关键结论与高风险校验。通常在不牺牲效果的前提下，就能把成本与时延优化到更合理的区间。

最后提醒一点：这张对照表不是一劳永逸的。模型能力、价格、上下文长度与推理机制都在快速变化，今天必须用“深度推理”的任务，未来可能“通用模型”就能胜任。建议把它当作一个可维护的“工程资产”，持续跟进行业变化，定期复盘并迭代你的模型对照表。