Model AI manakah yang patut anda gunakan untuk setiap tugas, dan bagaimana mengelakkan bayaran berlebihan?

Ringkasnya: biarkan model berkuasa membuat pertimbangan, dan model yang lebih ringkas melaksanakan kerja. Serahkan perancangan dan keputusan yang rumit kepada model utama (GPT-6 Astra, Claude Fable 5.1 atau Claude Opus 5.5), gunakan model kelas pertengahan untuk bekerja berdasarkan pelan yang sudah siap, dan gunakan model termurah yang mampu mengendalikannya untuk tugas rutin serta panggilan ejen latar belakang. Pada masa yang sama, semak hasilnya: semakin murah model itu, semakin teliti anda perlu menyemak kerjanya; jika tidak, penjimatan akan habis untuk kerja semula.

Di bawah ialah jadual “tugas → model” yang diterbitkan oleh penulis asal dalam repositori terbuka pada 23 September 2026. Model utama dalam jadual itu ialah pilihan peribadinya berdasarkan pengalaman kerja. Tiada ujian perbandingan dijalankan untuk jadual ini, dan hasil yang sama tidak dijamin untuk tugas lain. Saya memilih kebanyakan pilihan yang lebih murah berdasarkan kedudukan awam dan saranan pembangun sendiri; pilihan Opus 5.5 untuk kod juga berdasarkan pengalaman saya. Harga dalam bahan asal disemak berdasarkan halaman rasmi OpenAI dan Anthropic setakat 23.09.2026.

Untuk arahan lanjut tentang penggunaan Ailoot, lihat dokumentasi.

Mengapa menggunakan satu model untuk segala-galanya mahal#

Jika anda membayar token melalui API, setiap tugas yang dijalankan dengan model utama dikenakan harga model utama, walaupun model yang lebih ringkas sudah memadai. Dengan langganan, ambil kira had pelan dan model yang dipilih: semaknya pada halaman pelan. Untuk mengetahui cara had langganan Claude berfungsi dan perkara yang menghabiskannya, lihat artikel berasingan Cara mengelakkan had Claude Code habis dalam sehari. Artikel ini membincangkan pemilihan model untuk tugas tertentu.

Harga rasmi API bagi setiap 1 juta token setakat 23.09.2026:

Bayangkan satu pelaksanaan ejen: 100 ribu token input dan 10 ribu token output. Ini contoh pengiraan menggunakan harga asas tanpa caching, bukannya ukuran tugas sebenar. Pelaksanaan sedemikian berharga kira-kira $1,5 dengan GPT-6 Astra atau Fable 5.1, $0,6 dengan Opus 5.5, $0,3 dengan Sonnet 5 atau GPT-6 Sol, $0,15 dengan Haiku 4.5, dan $0,015 dengan GPT-6 Luna. Dalam pengiraan ini, harga model utama dan model termurah berbeza sebanyak seratus kali ganda. Untuk butiran tentang cara mengira kos pelaksanaan sedemikian berdasarkan jumlah penggunaan anda sendiri, lihat Cara mengira penggunaan token API.

Dua nota tentang harga. Bagi model GPT-6, permintaan yang mengandungi lebih daripada 272 ribu token input dikenakan kadar lebih tinggi untuk keseluruhan permintaan: input pada kadar dua kali ganda dan output pada kadar satu setengah kali ganda. Permintaan kelompok berharga separuh daripada harga standard di OpenAI dan Anthropic.

Peraturan: fikir dengan model berkuasa, laksanakan dengan model murah#

Kerja seterusnya bergantung pada pelan, jadi saya tidak berjimat pada bahagian ini dan menggunakan model paling berkuasa. Model yang lebih ringkas boleh menulis berdasarkan pelan siap, mengumpulkan data, menamakan semula sembang dan memampatkan perbualan.

Saya juga mengikuti tiga peraturan lain ketika memilih model:

1. Semakin murah model, semakin teliti anda perlu menyemak kerjanya. Menyemak juga menggunakan masa anda.
2. Bandingkan harga hasil yang siap, bukan satu permintaan. Contohnya, Opus 5.5 berharga 2,5 kali lebih murah daripada Fable 5.1 untuk input dan output. Jika kerja semula menyebabkan Opus menggunakan tiga kali lebih banyak token input dan output untuk sesuatu tugas, kosnya akhirnya lebih tinggi. Masa yang anda luangkan untuk menyemak ialah kos tambahan selain token. Artikel Ejen AI mana lebih murah: kos bagi satu tugas yang diselesaikan menerangkan cara mengira kos sesuatu hasil.
3. Jika model tidak sesuai untuk anda, cuba model lain. Tiada satu model yang sentiasa menang; setiap model mempunyai kelebihan dan batasan tersendiri.

Memilih model ialah salah satu aspek bekerja dengan ejen AI.

Jadual: tugas → model#

Lajur “utama” menyenaraikan model yang saya gunakan sendiri. Lajur seterusnya menyenaraikan alternatif, yang kebanyakannya dipilih berdasarkan kedudukan awam dan saranan pembangun. Saya juga memilih Opus 5.5 untuk kod berdasarkan pengalaman peribadi. Semak hasil model yang lebih murah dengan lebih teliti. Pilihan rutin menggunakan kaedah pembayaran yang berbeza, jadi pilihan ini tidak semestinya lebih murah.

Strategi dan pelan. Kesilapan dalam pelan boleh terbawa-bawa ke langkah seterusnya. Di sini saya menggunakan model paling berkuasa. GPT-6 Sol ialah pilihan yang lebih murah: OpenAI meletakkannya untuk kod rumit dan senario ejen.

Kod. Saya menggunakan Fable 5.1 untuk kod. Namun, Anthropic menyarankan agar pengguna bermula dengan Opus 5.5 untuk kebanyakan tugas, dan menggunakan Fable 5.1 untuk penaakulan sukar serta kerja ejen yang berpanjangan, atau apabila Opus dengan tahap penaakulan tinggi tidak dapat mengendalikan tugas tersebut. Melalui API, Opus 5.5 berharga 2,5 kali lebih murah; berdasarkan pengalaman saya, penggunaannya juga lebih murah. Jika pelan sudah siap, model yang lebih murah boleh menulis berdasarkan pelan itu. Untuk perbandingan terperinci antara dua model utama bagi kod, lihat GPT-6 Astra atau Claude Fable 5.1: yang mana patut anda pilih?.

Penulisan. Jika teks ditujukan kepada pelanggan, saya menggunakan model berkuasa. Sonnet 5 ialah pilihan yang lebih murah: Anthropic menyifatkannya sebagai keseimbangan terbaik antara kelajuan dengan kecerdasan. Semak outputnya dengan lebih teliti.

Nombor dan kewangan. Di sini juga saya menggunakan model berkuasa. Ini pilihan saya berdasarkan pengalaman kerja, bukannya hasil ujian perbandingan. Namun, model berkuasa sekalipun tidak menghapuskan keperluan untuk menyemak: sahkan angka dengan sumber primer. Jangan hantar data kewangan atau peribadi kepada pelan percuma yang syaratnya membenarkan data anda digunakan.

Carian dan penyelidikan. Saya menggunakan Sonnet 5 untuk tugas ringkas dan carian; pilihan ini berdasarkan pengalaman saya. GPT-6 Luna ialah pilihan yang lebih murah: OpenAI meletakkannya untuk tugas berulang dalam jumlah besar.

Tugas rutin. Tugas rutin kerap diulang, jadi kos setiap pelaksanaan terkumpul. Saya menggunakan Kimi K3 dengan langganan Kimi Code. DeepSeek Flash ialah pilihan dengan pengebilan berasaskan API. Kaedah pembayarannya berbeza, dan pilihan yang lebih murah bergantung pada jumlah penggunaan anda.

Perkara yang tidak saya jimatkan#

Peraturan ini berdasarkan amalan saya. Saya belum mengujinya melalui kajian perbandingan.

• Perancangan dan seni bina. Kesilapan dalam pelan boleh terbawa-bawa ke langkah seterusnya.
• Nombor dan kewangan. Di sini saya menggunakan model berkuasa dan tetap mengesahkan angka dengan sumber primer.
• Menyemak hasil. Semakin murah model yang menjalankan tugas, semakin teliti anda perlu menyemak kerjanya.

Pemampatan perbualan menentukan perkara yang diingati oleh ejen daripada perbualan panjang, dan model yang terlalu lemah mungkin kehilangan maklumat penting. Anda boleh memindahkan pemampatan kepada model murah, tetapi semak kualitinya pada tugas anda sendiri.

Cara memindahkan tugas latar belakang Hermes Agent kepada model murah#

Selain kerja utamanya, ejen menjalankan tugas sokongan: mencipta tajuk sembang, memampatkan perbualan panjang, menganalisis imej dan menentukan sama ada arahan boleh diluluskan secara automatik. Dalam Hermes Agent, tugas ini dilabel sebagai tugas sokongan. Secara lalai, setiap satunya ditetapkan kepada auto: model utama anda yang mengendalikannya. Jika model utama ialah model utama dan anda membayar melalui API, tugas sokongan juga dikenakan kadar model utama.

Untuk kelulusan arahan dalam mod smart, dokumentasi Hermes menyarankan model murah dan pantas serta menyifatkan penggunaan model mahal sebagai pembaziran. Untuk pemampatan konteks dan meringkaskan halaman web—iaitu, menceritakannya semula secara ringkas—dokumentasi itu juga menyarankan model pantas dan bukannya model penaakulan yang mahal.

Langkah:

1. Sambungkan penyedia untuk model murah terlebih dahulu, bersama kunci. Menurut dokumentasi Hermes, jika anda menetapkan penyedia tanpa kunci kepada sesuatu tugas, sistem akan beralih kepada pilihan lalai dan amaran akan ditulis dalam log agent.log. Dalam mod auto, jika model utama tidak dapat menjalankan tugas dan tiada rantaian sandaran dikonfigurasikan, Hermes akan melangkau tugas itu dengan amaran dan tidak beralih kepada penyedia lain yang telah disambungkan.
2. Buka panel web Hermes dan ikuti Models → Model Settings → Auxiliary tasks → Configure. Pada baris tugas yang diperlukan (contohnya, Compression, Title Gen, Vision), klik Change, pilih penyedia dan model, kemudian klik Switch. Dokumentasi Hermes menyenaraikan butang Show auxiliary sebagai pilihan lain; label bergantung pada versi.
3. Atau masukkan tetapan yang sama dalam ~/.hermes/config.yaml. Contoh daripada dokumentasi Hermes: analisis imej (vision) menggunakan model pantas.

Cari panduan alat dalam dokumentasi Ailoot

Untuk tajuk sembang, dokumentasi mencadangkan supaya anda menetapkan model pantas atau menetapkan auxiliary.title_generation.prefer_fast_model: true; Hermes akan memilih model pantas daripada penyedia anda.

4. Buka sesi baharu. Perubahan model hanya berkuat kuasa untuk sesi baharu; sembang yang sudah terbuka akan terus menggunakan tetapan lama. Jika anda mengedit config.yaml secara manual dan sesi baharu tidak menggunakan tetapan tersebut, mulakan semula Hermes.

Cara menyemak. Baris tugas sepatutnya memaparkan provider · model dan bukannya auto (use main model). Jika masih memaparkan auto, tugas itu masih menggunakan model utama. Untuk mengembalikan semua tugas kepada model utama, klik Reset all to auto.

Untuk tugas latar belakang, jadual menyenaraikan GPT-6 Luna, Gemini 3.8 Flash, DeepSeek Flash dan Claude Haiku 4.5. Pilih daripada penyedia yang telah anda sambungkan. Jika anda menyambungkan model OpenAI melalui penyedia langganan ChatGPT / Codex, dan GPT-6 Sol serta GPT-6 Luna belum disenaraikan dalam model Hermes anda, jadual itu mencadangkan GPT-5.6 Sol atau GPT-5.6 Luna. Menurut halaman Anthropic, Haiku 4.5 tidak akan ditamatkan lebih awal daripada 15 Oktober 2026. Tarikh tepat belum ditetapkan, jadi semak statusnya sebelum tarikh itu.

Perkara yang tidak disertakan dalam jadual#

• Peratusan penjimatan. Saya belum mengukurnya. Jumlah yang dijimatkan bergantung pada tugas anda dan model yang dipilih.
• Penggunaan tepat had langganan. Dokumentasi Hermes tidak menerangkan dengan tepat cara permintaan daripada Hermes menggunakan had langganan ChatGPT.
• Harga yang tidak berubah. Model dan pelan berubah. Semak halaman rasmi sebelum membeli.

Perkara yang boleh dilakukan hari ini#

1. Senaraikan tiga atau empat jenis tugas yang paling kerap anda berikan kepada ejen.
2. Bagi setiap tugas, tentukan: adakah tugas itu memerlukan pemikiran atau pelaksanaan pelan yang sudah siap?
3. Kekalkan model utama untuk “berfikir”, gunakan model satu tahap di bawahnya untuk “melaksanakan”, dan gunakan model termurah yang mampu mengendalikan tugas untuk kerja rutin.
4. Dalam Hermes, mulakan dengan tajuk sembang: tajuk ialah perkara paling mudah untuk dipindahkan kepada model murah. Kemudian pindahkan pemampatan konteks, dan semak dalam perbualan panjang anda sendiri sama ada ejen mula kehilangan maklumat penting.

Untuk menggunakan model dengan lebih lanjut, pergi ke Ailoot.