模型选择

AI 成本是订阅、token、网络、账号、硬件和时间的总和，不能只看月费。

多 Agent 和复杂工作流会显著提高 token 消耗，需要用门禁、缓存和任务拆分控制成本。

国产模型在很多普通业务里已经够用，但多模态和复杂工程仍要按场景实测。

长期做 AI 应把电脑、内存、网络和本地模型环境视为生产资料投资。

模型选择正在从能力崇拜转向性价比、可用性和接入便利性的综合权衡。

有商业订单时应优先购买稳定能力，没商业回报时才需要精细控制模型成本。

免费或灰色通道适合试用，不适合作为长期生产基础设施。

平台型工具的竞争力来自模型、工作流、远程能力和生态入口的组合。

AI 成本主要消耗在试错和跑通流程阶段，成熟流程要尽快迁移到低成本执行路径。

中转 API 的模型名称不等于真实模型质量，关键任务应优先使用可验证、可锁定的官方 API。

图像、视频、批量内容生成尤其要算单位成本，否则很容易把试验做成高价消耗。

本地模型适合测试流程闭环，强模型适合处理高价值判断和最终质量把关。