八月的模型时间线有点吵：DeepSeek V4 Flash 系列在低价档位继续抢份额，Claude Opus 5 仍在重推理和长程 coding 上压着中位分，OpenAI 一侧又在用降价和体量说话。刷榜很容易得出“换一个默认模型就赢了”的结论。真在生产里跑 Agent，默认模型只是路由表的第一行。
我更关心的是：同一条用户任务，何时走 Flash，何时走 Opus/旗舰，何时根本不该叫大模型。
价格差会改你的架构，不只是账单
公开对比里，Flash 档相对 Opus 级旗舰，输入输出可以差出一个数量级以上（具体以各家控制台为准，数字每周都在动）。这意味着：
- “每步都上最强模型”会很快把毛利打穿；
- “全部用最便宜模型”会在工具选择、长上下文一致性和难 bug 上把人磨疯。
更合理的默认是 分层：
| 层 | 典型模型档 | 适合 |
|---|---|---|
| L0 | 规则 / 小分类器 / 嵌入检索 | 意图分流、敏感词、是否需要工具 |
| L1 | Flash / 快速档 | 摘要、格式转换、单文件小改、检索后的短答 |
| L2 | 中旗舰 | 多文件重构、带测试约束的实现 |
| L3 | Opus 级 / 最强档 | 架构权衡、疑难故障、安全敏感 diff 终审 |
L0 经常被省掉。省掉的结果是：问候语和“删库相关”的请求走同一条贵模型链。
路由不该只看“难不难”
我见过只按 prompt 长度或“是否含 code fence”切模型的网关，线上会抖。更稳的信号是组合：
- 工具面宽度：要动 shell、对外 HTTP、生产库只读以外的操作 → 抬档，并收紧权限。
- 可验证性：有单测 / 类型检查 / 评测集可自动判对错 → 可以偏低档 + 重试；只能靠人眼 → 抬档或强制人工。
- 上下文污染：仓库检索已经塞了大段无关文件 → 先裁剪再叫模型，而不是换更贵模型硬读。
- 失败形态：Flash 连续两次格式错误或测不过 → 升级；Opus 仍测不过 → 停机给人，而不是再烧一轮。
伪代码可以很土，但要能上线：
if needs_write_tools or security_sensitive:
tier = L3
elif has_failing_tests and attempt >= 2:
tier = max(tier, L2)
elif task in {summarize, extract, draft_commit_message}:
tier = L1
else:
tier = L2
if budget_remaining < soft_cap:
tier = min(tier, L1) # 降级要写进产品文案，别偷偷降
降级必须可观测：日志里留下 route_reason，否则你不知道省下的钱换来了多少静默质量下跌。
图：同一条任务在廉价快速档与重推理档之间切换
Flash 擅长什么，不擅长什么
结合最近社区和评测里的共识（不是某一张榜的神谕）：
Flash 类很快很便宜时，通常够用：
- 把 PR diff 收成 changelog；
- 从日志里抽错误码和可疑文件；
- 按已有脚手架填模块样板；
- RAG 后“带引用回答”，引用已由检索保证。
该升档的信号：
- 要在多个可能设计里做取舍，且错了成本高；
- 需要维持长会话里前后 API 约定一致；
- 工具返回互相矛盾，要做裁决而不是顺杆爬；
- 输出是要直接合进主干的安全/支付路径。
有个反直觉点：有时 贵模型 + 短上下文 优于 便宜模型 + 全仓库倾倒。你在买的是注意力，不是参数量广告。
Agent 循环里的钱坑
Agent 把钱烧在循环上，不在第一句问候：
- 每轮把完整历史重喂一遍；
- 工具结果原样回灌，包括几 MB 的构建日志；
- 同一失败策略重试五次，没有换提示或换档；
- 为了“更聪明”把 temperature 拉高，导致更不可复现。
可执行的收法：
- 工具结果截断：默认头尾 + 错误邻近，全量进对象存储，模型只拿句柄。
- 记忆外置：稳定结论进结构化笔记（任务目标、已试方案、环境约束），不要只靠 chat transcript。
- 评测门禁：用一小撮真实失败案例做 regression；换默认模型先过门禁，再动流量。
- 人工门槛：生产写操作、权限变更、对外群发，永远 L3 + 人确认，不看模型自信程度。
DeepSeek 路线的开放权重和低价 API，会把“多调用几次”的心理门槛打下来。这是好事，也更容易在没人盯着时放大错误。便宜是加油门，不是撤刹车。
小结
别把八月的模型新闻读成单一冠军叙事。生产形态更像交通系统：快速辅路（Flash）、主干道（中旗舰）、应急车道（Opus 级），再加红绿灯（规则与权限）。先把 L0 分流和失败升级写清楚，再去纠结榜上零点几分的差距。钱包和事故率，都会老实很多。
