What 是什么
按任务类型路由到最合适模型的决策框架
Why 为什么有效
统一用贵模型既费钱又非最优，路由才双赢
Who 适合谁
大量用 AI 的工程师、团队与独立开发者
When 何时做
每个非平凡任务开工之前先问该用哪个模型
Where 在哪做
支持按任务选模型的 agentic 编码工具
How 怎么做
前端→K3、难后端→Fable 5、调试→Sol、高量→开源、长时→Fable 5
How much 成本/收益
同任务 K3 约 $0.03、Fable 5 约 $0.38，省 3 倍+
Step-by-Step 执行 SOP
1
前端/UI/视觉任务交给 Kimi K3
K3 在 Frontend Code Arena 赢 6/7 个领域，视觉更完整且成本约为 Fable 5 的 1/12，落地页/仪表盘/设计首选
2
难后端与架构决策用 Fable 5
Fable 5 以 80.3% SWE-Bench Pro 最强，适合数据库设计、分布式架构、难迁移；常规 CRUD 别为它付溢价，用 Opus 4.8
3
调试任务交给 GPT-5.6 Sol
Sol 擅长迭代式假设驱动调试，但要先写清「修复」的明确定义并跑测试验证，因它可能钻模糊目标的空子
4
长时无人值守任务用 Fable 5
Fable 5 专为多小时/多天自主 agent 工作而生，但需加「进度验证」指令与「禁止擅自行动」边界
5
高量低成本任务降到开源模型
批量生成/分类/日志分拣用 K3，量更大就切 DeepSeek V4 Pro 或 GLM-5.2（MIT 可自托管），边际成本近零
6
把路由与缓存固化进工作流
用支持按任务选模型的工具，开工前按清单问「这是前端/长时/高量/调试/难后端哪种」，并启用 prompt caching 再省最高 90%