模型路由（Model Routing）：为任务选对模型

不是每个任务都需要最强（也最贵）的模型——模型路由（model routing）能在不牺牲质量的前提下省钱。

问题所在

像 Claude Opus 这样强大的模型很擅长复杂推理，但价格昂贵，速度往往也更慢。像 Claude Haiku 这样便宜、快速的模型，对于简单、机械性的任务效果往往同样好——而价格却低了好几倍。如果什么任务都用最贵的模型，就是在烧钱，却换不来质量上的提升。

什么是模型路由

模型路由（model routing）指的是把不同的任务分配给不同能力等级的模型：一个强大的模型承担 orchestrator（协调者）的角色——负责规划、拆解复杂任务、做出困难的决策。更便宜的模型则处理机械性的子任务：分类、格式化、简单摘要、常规代码。

Anthropic 自己的建议

Anthropic 把路由（routing）描述为一种独立的 agent 模式：把简单或常见的请求交给 Claude Haiku 这样更小、更省钱的模型，把困难或不常见的请求交给 Claude Sonnet 这样能力更强的模型。当任务能被清楚地分成不同类别、而且这种分类能够被可靠地自动完成时，这种做法效果很好。

具体的成本杠杆

不同模型之间的价格差异相当大：一个便宜的模型每百万 token 的价格可能只是最强模型的几分之一。在一天几千次请求的规模下，这很快就会累积成账单上一笔巨大的差异——而简单任务的完成质量并不会因此明显变差。

示例

一个编码 agent 接到任务：“清理项目里所有的 console.log 调用，并写一份总结，说明哪些文件复杂到需要人工检查”。一个便宜的模型机械地清除几百个文件里的 console.log 那一行。一个强大的模型（orchestrator）之后只需要评估少数几个真正含糊不清的情况，并写出总结。

🛠️ 练习——自己动手试试

分析一个你自己的（或假设的）多步骤工作流，判断哪些子任务可以交给一个便宜的模型处理。

列出你工作流中的所有子步骤（比如调研、分类、格式化、最终决策）。
为每一步标注：它需要真正的推理/创造力，还是机械性、明确无误的？
粗略估算一下，如果把机械性的步骤交给更便宜的模型，能省下多少成本（可以用来源里的价格表）。

✅ 自查清单

☐ 有没有至少一个步骤明显是机械性的，但目前却不必要地用了昂贵的模型？
☐ “简单 vs. 困难”这个分类本身是否足够可靠，可以自动完成？
☐ 如果便宜的模型在一个困难案例上失败了，会发生什么——有没有备用方案（fallback）？

小测验

根据 Anthropic 自己的描述，模型路由在什么情况下特别划算？