_{🧠 图解记忆：用真实任务找 Pareto 最优，再做路由与降级；点击图片可查看原图。}

💡 答案要点

核心：选型不是"选最强"，而是"任务复杂度 × 质量要求 × 成本预算"三维权衡。

三维决策框架（面试重点）

任务是什么？
  ├─ 简单问答/分类 → 便宜小模型（Flash/Lite 系列）
  ├─ 代码生成/复杂推理 → 中高端模型（Plus/Pro 系列）
  └─ 超复杂推理/Agent长任务 → 旗舰（Max/Opus 系列）

质量要求多高？
  ├─ 内部工具/草稿 → 可接受小模型
  └─ 对外生产/金融医疗 → 必须高端 + 人工复核

成本预算多少？
  ├─ 按量计费：看单价（输入/输出分别计费）
  └─ 高并发：考虑缓存命中折扣（Prompt Caching）

2026 年主流模型档位（按性价比分层，价格会变，看方法论）

档位	代表	特点	适用
超便宜档	DeepSeek V4-Flash、Qwen Flash、Gemini Flash-Lite	1-2元/百万输出	高频、量大、简单任务
性价比档	Qwen Plus、DeepSeek V4-Pro、GLM	4-8元/百万输出	通用生产任务
旗舰档	GPT/Claude Opus/Qwen Max/Kimi	30-100元/百万输出	复杂推理、高价值
推理档	o3/R1/QwQ/DeepThink	思考tokens另计	数学/代码/多步推理

选型五步法（面试必答）

1. 先测基准：用你的真实任务在小样本上测几个候选模型（质量对比）
2. 看成本结构：输入/输出单价 + 缓存命中价（高输入场景缓存价更关键）
3. 算峰值需求：并发量 × 单次调用 token 数 × 单价 = 月成本预算
4. 考虑峰谷：部分厂商高峰时段溢价（如 DeepSeek 白天 2 倍价），夜间批量任务可省一半
5. 留 fallback：主模型 + 备用模型链（质量下降/限流时自动切换）

工程降本三板斧（加分项）

1. 模型路由：简单问题走小模型，复杂问题升级大模型（省 60-90% 成本）
2. Prompt Caching：静态前缀复用缓存，输入成本降 90%
3. 批量/低峰调度：非实时任务放夜间跑（避开高峰溢价）

面试话术：

"选型我的方法论是'任务复杂度×质量×成本'三维权衡：先拿真实任务测候选模型的质量，再看单价和缓存价算成本，最后按峰值需求定预算。工程上我会配模型路由——简单问答走小模型（几分钱），复杂推理升级旗舰，再加 Prompt Caching 降输入成本。我现在的 Agent 系统就是 DeepSeek 主力 + Qwen 备用，夜间批量任务专门挑低峰时段跑，成本降了 70% 左右。"

---