AI 模型怎么选，按任务不按榜单
AI模型选择按任务分：写作看语感，代码看调试，长文档看中间段落召回。四个维度各配一道自测题，再按API价格算真实成本。
「上下文写 128K，实际能用多少」「同一个任务两个模型差在哪」「便宜的够不够用」，选型时绕不开这三问。跑分答不了它们。
先读维度那篇，用四道自测题把候选缩到两个；再看上下文和价格两篇，把成本算到单次调用；最后看迁移清单，避免换模型后效果掉三成。判断标准：能重复跑出同一个结果，才算选对了。
模型选择换模型前，先跑这张对照表
换模型别看榜单，看你自己那几个任务。挑三件真实活，新旧模型各跑两遍，按指令遵循、格式稳定、幻觉次数、单次价格四栏记下来，十分钟出结论。
模型选择长上下文不是越长越好：中间段落的损耗
上下文窗口标得再大，中间段落照样容易丢。关键信息放开头结尾，长文档分段投喂，比一次性全贴进去稳得多。
模型选择选模型只看四个维度，榜单排名可以跳过
模型选择只看四个维度：指令跟随、长文召回、领域知识、输出稳定。每个维度一道五分钟的自测题，比等榜单更新快。四项都过关再谈价格，顺序反了要重来一遍。
模型选择128K 上下文实际能用多少：打个六折再算
128K 上下文，真能用多少？中间段落会被忽略、输出也占额度、价格随长度上涨，按任务倒推有效长度是七到八万。超过五万 token 的问答应分段处理。
模型选择贵三倍的模型什么时候值：算总成本，别算单价
模型价格贵三倍，总账可能只贵一成。要连成功率和返工时间一起算：顶配适合一次定稿的活，便宜模型适合能批量重跑的活。
模型选择中文能力怎么测：三道你自己就能出的题
中文能力用三道题就能测：长句拆解、术语前后一致、公文体例。十分钟出完，比看中文跑分更接近真实写作场景。三题全过，再谈价格和上下文长度。
模型选择代码任务选型：补全、改写、调试是三种不同的活
AI编程的三类活要求相反：补全要低延迟、改写要懂上下文、调试要能读整条调用链。一个模型全包，总有一头将就，按主力任务选。
模型选择图片输入能干什么：截图报错、表格转录、手写识别
多模态最稳的用法是把屏幕上的字搬进文本：截图报错、表格转录、手写识别。计数、密集小字、图表读数三类出错率偏高。
模型选择开源模型自己部署：先算这三笔账
开源模型自己部署，多数时候为了数据不出门，省不了钱。先算三笔账：显存、并发、运维人力，月调用两千万 token 以下难回本。
模型选择换模型要改什么：提示词里的四处硬伤
换模型之后效果掉三成，问题出在哪？格式偏好、长度习惯、拒答尺度、分隔符，四处硬伤按十分钟清单逐条对。清单跑完再切流量，掉分能提前发现。