直接回答
先选模型服务条件，再用任务决定版本
第一轮先排除数据地域、合同、安全、并发和可用性不满足要求的服务；第二轮用同一批真实任务评测剩余候选。重要业务通常需要主模型、低成本模型和备用模型，而不是让一个模型承担全部工作。
六个判断维度
模型选型先问什么
- 01
任务：输入是什么，必须交付什么，错误是否容易发现？
- 02
数据：资料允许经过哪些地域、云服务和第三方处理方？
- 03
工具：是否稳定输出结构化参数，能否正确停止、重试和拒绝？
- 04
质量：事实、证据、完整性和人工修改量怎样评分？
- 05
体验：首字延迟、总时长、并发和限流是否满足业务？
- 06
成本：一次被采用的结果包含多少调用、重试、工具和复核成本？
候选池
品牌只决定从哪里开始测，不决定最后选谁
候选路线必须核验任务评测
OpenAI / GPT可用模型、工具接口、数据条款与价格在本企业材料和工具上盲测
Anthropic / Claude可用模型、工具接口、数据条款与价格与相同输入、提示和预算对比
Google / Gemini可用模型、模态、地域和服务配额单独测试多模态与工具任务
国产模型官方 API 版本、部署路径、并发和合同测试中文知识、长文档、代码和结构输出
这里列的是候选路线，不是能力排名。模型名称、版本、价格与条款应以评测和采购当日的官方页面为准。
评测集
20 条任务可以开始，但不能只测顺利样本
从最近真实工作中抽取常规、长输入、资料缺失、规则冲突和高风险任务。固定检索结果、工具定义、输出格式、预算和重试次数，由业务人员盲评。记录具体模型标识和测试日期，避免把旧版本结果套用到新版本。
指标记录口径不能替代
一次成功率不重跑即可进入下一环节只看主观“感觉不错”
人工修改量修改时间、字段数和错误类型只比较生成速度
工具可靠性正确调用、停止、重试和越权次数只测聊天回答
一次成功成本模型、工具、重试和复核总成本只比较 token 单价
路由策略
主模型、专长模型和备用模型
主模型覆盖大多数日常任务
便于控制默认质量、成本和用户体验。
专长模型处理特定高价值步骤
例如复杂报告、代码、视觉理解或批量推理。
备用模型服务异常时继续工作
在质量可接受的前提下保证关键任务连续性。
官方来源
先核对当日产品事实，再形成企业判断
- OpenAI Models 官方文档
- Anthropic Claude 模型官方文档
- Google Gemini 模型官方文档
- DeepSeek API 官方文档
- 阿里云百炼模型列表
- 智谱 GLM 官方文档
- Moonshot Kimi API 官方文档
链接用于核对当前模型、接口和服务条件，不代表数位人对某一模型作永久推荐。
模型路由是否会增加复杂度？
会增加配置和监测工作，因此不应为了“模型多”而多。只有当任务质量、数据地域、成本或可用性存在明确差异时才增加路线，并始终保留统一的任务日志和预算控制。