模型评测

模型选择应按任务价值分层，而不是把所有任务都交给最贵模型。

高质量模型适合做 plan 和 review，低成本模型适合做 execution 和 smoke test。

Gemini 在代码任务中的幻想、删代码和假数据风险需要额外防范。

视频生成和虚拟电脑式 Agent 的完成度可能更高，但成本必须先算清楚。