一位初创 CTO 分享了自己挑选 AI 编程模型的完整方法。此前团队每月在单一编程助手 API 上烧掉 $14k，其中一半来自工程师并不喜欢的模型。他决定停止相信营销文章，用真实工作负载、真实花费对十个模型进行基准测试，按「每美元得分」计算性价比，三个月省下约 $9k/月。
测试覆盖五个真实任务：Python 递归函数实现、JS 异步竞态条件修复、TypeScript 实现 Dijkstra 算法、Go 服务代码审查（含隐蔽认证 bug）、Express.js 分页过滤端点。评分维度为正确性、代码质量、文档和边界情况，各 1–10 分，再除以美元成本。
结果榜单（按得分排序）：DeepSeek-R1 9.4 分/$2.50，DeepSeek V4 Pro 9.1/$0.78，Kimi K2.5 9.0/$3.00，Qwen3-Coder-30B 8.8/$0.35，DeepSeek V4 Flash 8.7/$0.25，DeepSeek Coder 8.6/$0.25，Ga-Standard 8.5*/$0.20，Qwen3-32B 8.3/$0.28，GLM-5 8.0/$1.92，Hunyuan-Turbo 7.5/$0.57。
按每美元得分看，Ga-Standard 路由模型 42.5 居首，DeepSeek V4 Flash 34.8 次之，DeepSeek Coder 34.4 第三，而得分最高的 DeepSeek-R1 仅 3.8。作者指出「最佳模型」与「最佳 ROI 模型」几乎从不在同一行。
任务层面：简单函数实现用 Flash（$0.25）即可，R1 的 $2.50 溢价不值得；算法难题 R1 值得，约 5% 的提示词会命中；关键服务代码审查必须用推理模型，廉价模型会漏掉 goroutine 泄漏和 defer 错误；CRUD 类样板代码用 $0.25–$0.35 的代码专用模型即可。
作者最终采用三桶路由策略：70% 提示词走 Flash（$0.25/M），25% 走 Qwen3-Coder（$0.35/M），5% 走 R1（$2.50/M），加权均价约 $0.40/M，相比原默认 $3.00/M 降低 87% API 花费。同时强调通过统一 OpenAI 兼容接口封装多模型，避免供应商锁定，模型涨价或弃用时可在一小时内完成切换。
#开发者 #工具 #AI编程 #模型选型 #DeepSeek #Qwen #Kimi #GLM #Hunyuan #路由模型
@DevToolboxHub