少侠，选好模型再下手！

我观察到一个挺普遍的现象，尤其是在刚接触Codex的人身上：

拿到额度，直接开干。

模型？不看的！默认是哪个就用哪个，哪个名字看起来最猛就用哪个！

结果没跑几个任务，额度就没了。

我为什么会知道这件事？

因为我干过。

那是我刚接触Codex的时候，当时我在跑一个Submify的外链任务——现在回头看，这件事本身就没什么意义，因为从Google的角度来讲，垃圾外链并不会提高权重。但当时觉得，反正 AI 去干也无所谓，拿到指令直接就丢给了Codex的work了。

它默认用了当时最高的模型去跑。

结果呢？好像还没跑完3个任务，免费额度就用完了。

现在想想，这是一个特别中二（傻 X）的行为。

中二在两层：

第一层，任务本身的有效性就很差。外链这种事，质量比数量重要得多，我当时跑的那些，大概率是白跑。

第二层，就算任务有效，用最高推理模型去干这么基础的工作，也是一种巨大的浪费。

好比你要搬几箱可乐，叫了一辆超长厢货的货拉拉来拉，倒不是不行，但运费是你自己出的。

那模型之间到底差多少？

我拿现在各档位的模型消耗做个对比：

看最后两列就够了。

从 Luna 到 Astra，同样 5 小时内能跑的消息数从 2000 掉到 45，消耗系数翻了大约 45 倍。

而我们换到额外购买credits的视角，结论大致相同：

那你再想想，我当时用最高模型跑Submify外链任务——那个任务本身的复杂度，配得上这个成本吗？

完全不配。

那什么时候该用什么模型？

我的粗略判断是这样的：

机械任务、格式处理、简单的信息抓取和整理——用Luna就够了，它的性价比是最高的，这类任务也不需要深度推理。

需要一定分析、拆解、判断的任务——可以考虑Terra，它比Luna贵10倍，但推理能力也上来了，适合那些“需要想一想”的任务。

真正复杂的推理、架构设计、多步骤规划——再上Sol或Astra，这些模型的推理能力确实更强，但它们贵，贵得离谱，你可以肉眼可见的“血槽在被清空”，应该把它们花在真正需要的地方。

最怕的就是反过来：用Astra跑格式转换，用Luna跑架构设计。

前者浪费钱，后者浪费时间。

回过头来看那件事，我学到的是什么？

倒不是“外链没用”这个具体的教训——那个后来自然就懂了。

而是：在让AI干活之前，先想一下这个活是什么级别的活。

选模型这件事，本质上和带团队是一样的，你不会让一个CTO去改PPT的错别字，也不会让一个实习生去定战略方向。

人岗匹配，模型和任务也要匹配。

所以，少侠，选好模型再下手！

生命诚可贵，额度价更高，机械任务交给Luna就可以了啦！