开放测试版

模型选择器

选择器有助于避免过度规格:为任务选择足够的模型,而不是默认选择最大的。

选择合适的模型级别

目的不在于奖励最大的模型,而是寻找能够以标准、合理的成本和更冷静的碳足迹解决任务的模型类型。

配置您的案例

主要任务

优先级

使用规模

AISHA 推荐

mini

Mini 或 Flash 模型

从能解决工作的最轻量模型开始。

如果您的首要任务是控制成本和用量,任务“通用撰写”不需要支付前沿模型能力的费用。

通常接近基础文本范围,在大规模使用时能更好地保护成本和能耗。

适合用于

  • 摘要、分类及稳定的运营支持。
  • 高用量或按调用付费的流程。
  • 随后由人工或附加规则审查的流程。

避免使用当

  • 具有强烈歧义的长分析。
  • 可靠性取决于复杂上下文的任务。

适合哪些人

首次实用且可行的解读

设计 AI 流程、采购供应商或需要证明为什么任务并不总是需要前沿模型的人。

它将关注什么

选择器从任务开始,而不是从供应商名称开始

核心问题很简单:你真正需要什么级别的模型才能可靠地解决这项工作。

它将返回什么

具有可见权衡的冷静建议

该工具不会选择最壮观的模型,而是选择最适合任务和上下文的模型。

为什么重要

选择错误的模型不是技术细节:它改变成本、消耗和产品设计

这个模块攻击了一个具体的市场惯性:总是使用超出需要的容量。

互动测试版已上线:有助于选择足够的模型类型,而不会过度扩大成本和消耗。