如何为你的工作负载选 LLM：能力分层、token 成本与三步方法

按基准排名选模型在实践中会失败，因为你的工作负载由三个排名从不展示的数字决定：你读多少输入、生成多少输出、输入多久重复一次。本指南用官方标价把当前旗舰与主力模型映射到这三个数字，然后给出一个能扛住模型更新的选型方法。

截至 2026-08-05 的官方每百万 token 标价：OpenAI GPT-5.5 输入 $5.00、输出 $30.00，缓存输入 $0.50；GPT-5.4 mini 输入 $0.75、输出 $4.50，缓存输入 $0.075。Anthropic Claude Sonnet 5 输入 $2.00、输出 $10.00，入门价持续到 2026 年 8 月 31 日；Claude Opus 5 输入 $5.00、输出 $25.00。Google Gemini 3.6 Flash 输入 $1.50、输出 $7.50。缓存输入是最便宜的杠杆：一个从不变化、反复使用的系统提示，会按缓存价计费。

三步方法：第一步把任务分成快速生成（聊天、草稿、抽取）与深度推理（编程、分析、多步工作）；第二步把快速层放在主力模型上，旗舰模型只留给推理层；第三步用一个典型日测量输入 token、输出 token 和重复前缀大小，然后在扩容前按标价对两层分别计算。

局限：标价和能力排名变化很快，企业或按量折扣不在其中。每月重新测量，把结果当作预算的上限估计，而不是永久答案。

任务到分层的映射能扛住版本更新，因为它锚定在工作本身，而不是模型。快速生成——聊天、草稿、抽取、格式化——属于主力层，GPT-5.4 mini、Claude Sonnet 5 和 Gemini 3.6 Flash 比各自旗舰便宜一到十倍。深度推理——编程、分析、多步研究——属于旗舰层，GPT-5.5 和 Opus 5 在真正提升的任务上物有所值。下表按 2026-08-05 标价把常见任务族映射到分层和代表模型。

上下文窗口和工具调用会以排名不展示的方式改变选择。如果你的负载把长文档或仓库流式送入提示，有效成本由输入 token 主导，那么缓存输入价格和便宜的输入比输出质量更重要。如果你的负载是工具调用或智能体，结构化输出和工具结果的可靠性比原始质量更重要；主力模型通常已经够用，只有当最终输出质量能在产品中可衡量时，旗舰才值得。在选型之前测量你的输入输出比，而不是之后。