大模型规划、小模型干活：把智能体账单砍下来的 3 种分工方式

很多人第一次自己搭智能体（Agent），都会犯同一个错：从头到尾只用一个最贵、最强的模型。结果是效果不错，账单吓人。这个月几家大厂的新品其实已经把答案摆出来了：让大模型当「经理」，小模型当「员工」。

为什么一个强模型跑到底很贵

一个智能体任务里，真正需要「想」的步骤很少：理解需求、拆分计划、判断结果对不对。大部分步骤是体力活：调用搜索、读网页、抽字段、格式化、跑测试、改一行代码。这些活让最贵的模型做，相当于请总监去复印文件。

拿本月公布的价格算一笔账（每百万 token，美元）：

同样的输出量，Fable 和 Ember 的单价差了 80 倍。哪怕只把八成的体力活挪给小模型，总账单也能降一大截。

强模型只做两件事：开头拆任务、结尾验收。中间每个子任务交给便宜模型执行。Anthropic 这次就明确说 Fable 5.2 可以作为 Orchestrator 把简单任务分派给小模型。

反过来：默认全程用小模型，小模型自己判断「这步我没把握」时，才把问题发给强模型请教。适合大部分步骤都简单、偶尔遇到难点的流程，比如批量处理工单、整理资料。

在入口放一个很便宜的模型或简单规则，先判断请求难度，再决定交给谁。比如「查天气、改格式」直接走小模型，「帮我设计数据库结构」才走大模型。

先记账，再优化。给每一步打日志：用了哪个模型、多少 token、成功没有。跑一周就知道钱花在哪。
小模型的输出要能被检查。让它输出 JSON 或固定格式，用代码校验；校验不过再重试或升级给大模型，而不是盲目信任。
注意幻觉率，不只看价格。便宜模型之间差别很大。比如 Artificial Analysis 测得 Muse Ember 的幻觉率是 17.4%，约为 Claude Haiku 5.5 的一半；也有媒体指出 MiniMax M3.1 Flash 便宜但幻觉率偏高。抽取事实、涉及金额的步骤，宁可多花点钱。
用好缓存。系统提示词和工具说明每次都一样，开启提示缓存后，缓存部分的输入价往往只有原价零头（Ember 缓存输入是 0.004 美元 / 百万 token）。
留意涨价时间点。不少模型有首发优惠价。Gemini 4 Carbon 和 Argon 都会在 12 月涨价，把模型名写在配置里，方便随时切换。

假设你要做一个「每天抓 20 篇行业新闻、写成中文摘要」的智能体：

大模型读的是几千字的要点而不是二十篇原文，token 用量可能只有原来的几分之一，质量却基本不掉。

价格均为各厂商 2026 年 11 月公布的官方 API 价格，可能随时调整，以官网为准。

本文由 Lingshi 发布，转载请注明出处。