SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场model-hierarchy

model-hierarchy

智能体与模型

查看项目

更新于 10-15 07:59

技能介绍

用途

Model Hierarchy 用于对 AI 智能体的运行进行成本优化。它的基本判断是：大多数智能体工作都是常规性的，因此应根据任务复杂度把任务路由到能够胜任且最便宜的模型上，把高价模型留给真正需要深度推理的问题。文档明确写道，约 80% 的智能体任务属于「janitorial」（杂务型），例如文件读取、状态检查、格式化、简单问答，这些不需要昂贵模型。

模型分层

技能把模型分为三层（文档标注价格为 2026 年 2 月，并提示以供应商文档为准）：

  • Tier 1：便宜层（约 $0.10-0.50/百万 token）。包含 DeepSeek V3（输入 $0.14 / 输出 $0.28，适合一般常规工作）、GPT-4o-mini（$0.15 / $0.60，适合快速响应）、Claude Haiku（$0.25 / $1.25，适合快速工具调用）、Gemini Flash（$0.075 / $0.30，适合高吞吐量）、GLM 5（智谱，文档标注 OpenRouter Z.AI，价格未提供，适合常规与中等文本，200K 上下文，纯文本，不用于图像/视觉）、Kimi K2.5（Moonshot，$0.45 / $2.25，适合常规与中等任务，262K 上下文，多模态，支持文本+图像+视频）。
  • Tier 2：中价层（约 $1-5/百万 token）。包含 Claude Sonnet（$3.00 / $15.00，均衡性能）、GPT-4o（$2.50 / $10.00，多模态任务）、Gemini Pro（$1.25 / $5.00，长上下文）。
  • Tier 3：高价层（约 $10-75/百万 token）。包含 Claude Opus（$15.00 / $75.00，复杂推理）、GPT-4.5（$75.00 / $150.00，前沿任务）、o1（$15.00 / $60.00，多步推理）、o3-mini（$1.10 / $4.40，预算内推理）。

文档特别提示：纯文本模型（如 GLM 5）不得用于任何需要图像输入或视觉能力的任务，例如照片分析、截图理解、图像生成工具或文档/图表视觉处理；这类任务应路由到具备视觉能力的模型，如 Kimi K2.5、GPT-4o、Gemini、带视觉的 Claude、GLM-4.5V/4.6V。而对于可能涉及图像的常规或中等任务，可直接使用 Tier 1/2 中具备视觉能力的模型（如 Kimi K2.5），无需升级到高价视觉模型。

任务分类

在执行任何任务前，技能要求先对任务分类：

  • ROUTINE（日常）→ 使用 Tier 1。特征：单步操作、指令清晰无歧义、无需判断、输出确定。示例：文件读写、状态检查与健康监控、简单查询（时间、天气、定义）、文本格式化与重构、列表操作（过滤、排序、转换）、参数已知的 API 调用、心跳与定时任务、URL 抓取与基础解析。
  • MODERATE（中等）→ 使用 Tier 2。特征：多步但定义明确、需要一定综合、适用标准模式、质量重要但非关键。示例：代码生成（标准模式）、摘要与综合、草稿撰写（邮件、文档、消息）、数据分析与转换、多文件操作、工具编排、代码审查（非安全类）、搜索与研究任务。
  • COMPLEX（复杂）→ 使用 Tier 3。特征：需要新颖的问题求解、存在多种可行方案、需要细微判断、高风险或不可逆、此前尝试失败。示例：多步调试、架构与设计决策、安全敏感代码审查、便宜模型已失败的任务、需要解释的模糊需求、长上下文推理（>50K token）、需要原创性的创作、对抗性或边缘情况处理。

决策算法

技能给出一段伪代码选择逻辑：若任务需要图像输入或视觉，直接返回具备视觉能力的模型（不得使用 GLM 5 等纯文本模型）；若此前尝试失败，则升级到上一层；若任务带有 debug、architect、design、security 等信号，返回 Tier 3；若带有 write、code、summarize、analyze 等信号，返回 Tier 2；否则按分类结果返回 Tier 1、Tier 2 或 Tier 3。

行为规则

  • 主会话：交互工作默认 Tier 2；做常规工作时建议降级；卡住时请求升级。
  • 子智能体：除非任务明显中等以上，默认 Tier 1；批处理相似任务以摊薄开销；失败回报给父级以便升级。
  • 自动化任务：心跳/监控始终 Tier 1；计划报告按复杂度用 Tier 1 或 2；告警响应从 Tier 2 开始，必要时升级。

成本影响

文档按每日平均 100K token 估算：纯 Opus 约 $225/月，纯 Sonnet 约 $45/月，纯 DeepSeek 约 $8/月，分层策略（80/15/5）约 $19/月。80/15/5 指 80% 日常任务走 Tier 1（约 $6）、15% 中等任务走 Tier 2（约 $7）、5% 复杂任务走 Tier 3（约 $6）。文档称结果是与纯高价方案相比约 10 倍的成本下降，同时在复杂任务上质量相当。

集成示例

文档给出 OpenClaw 的配置示例（默认模型设为 anthropic/claude-sonnet-4，会话中可用 /model opus 升级、/model deepseek 降级，用 sessions_spawn 在便宜模型上派生子智能体）。OpenRouter 示例中给出 Tier 1 视觉模型 openrouter/moonshotai/kimi-k2.5，以及 Tier 1 纯文本模型 openrouter/z-ai/glm-5（文档注明 OpenRouter Z.AI 上的确切 ID 待定）。Claude Code 示例建议在 CLAUDE.md 或项目指令中让后台智能体使用 claude-3-haiku 处理文件操作、简单搜索、状态检查，保留 claude-sonnet-4 用于代码生成与分析。另有一段通用智能体系统的模型选择函数示例，按关键词返回 claude-opus-4、deepseek-v3 或 claude-sonnet-4。

反模式与建议

不要：在 Opus 上跑心跳、用高价模型做文件 I/O、任务明显常规时仍保留昂贵模型、默认在高价模型上派生子智能体、用 GLM 5（或任何纯文本 Tier 1/2 模型）处理图像/视觉任务。应当：从中间层起步并按任务调整、在成本最低的可行模型上派生助手、卡住时明确升级、按任务类型跟踪成本以进一步优化。

扩展方式

可根据自身供应商与预算调整层级定义、为分类规则添加领域特定信号、跟踪实际复杂度与预测值的差异以改进启发式、设置预算告警以捕获失控的高价用量。

限制

本技能为方法论与路由规则，文档未提供独立软件包、安装命令或版本信息；所述价格为文档标注的 2026 年 2 月数据，需以供应商最新文档为准；GLM 5 在 OpenRouter Z.AI 上的确切模型 ID 文档注明待定。