Raw 生命周期：OpenRouter 官方文已降级为可恢复索引；价格/榜单等时效数据从 canonical URL 回到原文核验最新值。

How to Choose the Best AI Model（OpenRouter 的模型选型方法论）

OpenRouter（2026-08-25）官方选型教程：没有唯一最优模型，只有任务×预算×时刻最优。六步框架（定义任务→实时数据短名单→比较成本/延迟→自测 prompts→测成本每完成任务→决定或按请求路由）把模型选择从"品牌排序"变成可运行的测量工程。核心判据是成本/完成任务而非成本/token，benchmark 只是过滤器不是答案。来源：OpenRouter 官方博客。证据等级：medium（厂商方法论——框架独立有效，实证含一个价格反转研究的第三方数据点，但卖点落在自家路由产品）。

编译摘要

1. 浓缩

• 核心结论1: "最佳模型"只存在任务级答案——没有全局最优；leaderboard 排名不属于选型三判据（质量/成本每完成任务/延迟）之一
  • 关键证据: OpenRouter 把请求分为 29 类任务，编码类单独占 9 类（代码生成/调试/审查/repo 扫描/SQL/DevOps），7 日窗口内一个模型领跑其中 8 类但另一模型在 code review + 安全领先——"最佳编码模型"在编码内部都不成立
  • 关键证据: 不同任务要求不同的能力（摘要看上下文明标价、抽取看 schema 服从、聊天看首 token 延迟、视觉看 image 输入支持）
• 核心结论2: benchmark 是短名单过滤器，不是决策答案——"用于缩小几百个候选到几个可实测者"，最终用你自己的 prompts 测试决定
  • 关键证据: benchmark 分数有噪声、热门基准被 tuning、哪个都没跑过你的 prompts；用第三方分数（Artificial Analysis/Design Arena）+ 实时流量数据（29 类任务市场占比）双通道构建短名单
  • 关键证据: 用 send-message 跑自己真实工作负载（真实 tickets/documents/schemas），用 get-generation 读回精确成本、token、provider、延迟
• 核心结论3: 选型的经济单位是"成本/完成任务"而非"成本/token"——低单价模型在重试、长输出、需要更强模型兜底时更贵
  • 关键证据: Chen et al.(2026)《The Price Reversal Phenomenon》：32% 的模型对中低标价模型总成本反而更高，极端 28× 反转；同一 query 两个模型思考 token 消耗差 900%，重复运行单查询波动最高 9.7×
  • 关键证据: 实测例子（2026-07-27 价格）：GPT-5.4 mini 标价 0.75/4.50 $M，Claude Sonnet 5 标价 2.00/10.00 高约 2.4×——但 Sonnet 5 若首试成功 95%，则 mini 须首试成功 ≥40% 才更划算；低于 40% 时"更便宜 token"的更贵完成任务
  • 关键证据: 公式 cost per task = (in×pin + out×pout) × expected attempts——大多数对比漏掉 expected attempts 项

2. 质疑

• 关于激励结构的质疑: 方法论每步落点都是"that's what our MCP server / auto-router handles"——"别硬编码一家 provider、用路由层"恰是 OpenRouter 的产品目录。与库内 上一篇 OpenRouter 教程、langchain/ai-mania 等构成激励结构同构：都批评直连/硬编码、都出售中介层。方法论本身独立有效，可提取复用；结论方向需参照激励审视（成本/任务公式不含 vendor 锁定成本）
• 关于数据时效的质疑: 所有价格是 2026-07-27/08-25 快照，"30 天新增 ~40 模型"——任何具体结论下一月即过期；文章正确的部分是"把选型变成可重复运行的流程"而非任何具体的 winner
• 关于适用场景的质疑: 六步框架假设你可以构造真实评测集（Ori Eval / 真实靠打）；对没有 eval 基础设施的团队，"自测"是循环建议（前置条件未满足时框架无法启动）；低 QPS 长尾 workload 的 p99 无统计意义
• 关于比较工具的读者偏差: 全文反复强调"一个模型什么都干不划算"——这对多数需组合策略的企业成立，但也隐含"你不会只用单一 provider"的产品预设

3. 对标

• 与 Enterprise-AI-Model-Sourcing topic 的直接对接: 本文是"评测证据 + 成本曲线"两大采购变量的操作手册——企业模型采购 topic 已论证"不该默认买最大 frontier"，本文给出"如何用成本/完成任务验证这一选择"的具体流程；两者互为方法与决策层（综合判断）
• 与 Token-Supply-Chain 的 cost-per-task 命题闭合: 本库 Token-Supply-Chain 记录过 tokenizer 差异→$ 双变量偏差（计数侧隐藏变量）；本文补上质量侧（同一查询不同模型的思考 token 差 900%、首试成功率决定真实成本）——两面合起来是"模型消费的完整隐藏变量表"
• "按任务选型"≈ Distributional-Alignment 的采购版: OpenRouter 说"先定义任务再选模型"，本库 Distributional-Alignment 说"模型训练历史距部署任务多近决定质量"——同一直觉：模型与任务分布的对齐比绝对能力预测结果更好
• benchmark 是过滤器 ≈ 人员招聘类比（跨域）: 用 benchmark 短名单再用真实 prompts 定胜负，等同于简历筛人 + 现场面试——过滤器降成本，现场测试定决策；两层不可互相替代（跨域类比）
• Auto Router（30 类任务、按流量占比、成本/质量偏好按请求路由） = 把六步框架编码成运行时组件——"选型决策做成产品"正是 AI 工厂 层的能力模式

关联概念

• Enterprise-AI-Model-Sourcing — 本文是其"评测证据 + 成本曲线"变量的操作手册
• Token-Supply-Chain — 成本侧隐藏变量的既有讨论，本文补质量侧
• Distributional-Alignment — 任务分布对齐是"按任务选型"的理论依据
• Evaluation-Set — 自测短名单需要真实评测集基础设施