MODEL OBSERVATORY / 2026.10.16离线报告 · Claude 扩展核验于 10 月 16 日

从任务出发，比较模型。

Gemini、Claude、GPT 的能力、成本、速度与推理档位。把“擅长什么”和“完成一次任务要付出什么”放在一起看。

20 个选型与兼容候选（含 14 款 Claude）＋ 3 个 GPT 代际基线 · Mythos 受限入口另列
01 / DECISION BRIEF

先选任务，再看档位与预算。

01

复杂编码可先试 Sol 6.1

Vulcan 的 23 题中，high 通过 23/23，约 $0.33/次、10.2 分钟/题。Astra high 同样通过 23/23，用时约 4.9 分钟，费用约 $1.71。预算和等待时间会导向不同选择。

Sol 原始实验 ·

02

写作不必默认最高档

同一 ToneBench 快照中，Opus 5.5 high 为 84.61 分 / $0.328，Sonnet 5.5 max 为 84.60 分 / $1.383。Opus 5.5 xhigh → max 仅增 0.10 分、费用增至 2.57 倍；小分差没有显著性保证。

ToneBench 同版数据 · 英文脚本，不等于中文写作。

03

多模态与轻量任务单独选型

Gemini 三个候选都原生接收音频、视频与 PDF。AA 中 Argon high 的自动化子项为 78%；Flash-Lite 约 438 token/s，但综合指数为 22。输入能力、速度和任务质量应分别验收。

Google 规格 ·

这些是候选选择与观测结果。没有把不同基准揉成总分，也没有把 API 费用换算为 ChatGPT、Claude 或 Gemini 的订阅额度。

Claude 全型号：先核对入口，再选起步档位

2026-10-16 核验：截图中的 8 款全部纳入，加上原报告的 4 款新版、官方仍可调用的 Opus 4.5 与 Sonnet 4.5，共 14 款通用型号。Active 不代表你的入口有权限；Deprecated 仍能调用，但需安排迁移。

如果目前只能使用截图里的型号：日常编码先试 Sonnet 5 high，范围明确时试 medium；复杂定位、重要 review 和设计比较 Opus 5 high。Fable 5 作为难题升级候选，截图提示另需 usage credits。这是结合官方起点的选型建议，旧型号缺少同版 Vulcan 档位曲线。

起步建议依据 官方 effort 指南 与 旧型号 thinking 预算指南；支持某档位不等于该档位是已验证的甜蜜点。每款的价格、窗口与输出限制见“规格与预算”。AA 中 * 为来源估计值；写作配置可能是 provider default 或含回退，不能一律看作显式 effort。

中文未实测：以上全部 Claude 的中文写作、中文研究成稿与中文任务档位建议均待验证。ToneBench 测英文脚本，不能据此给中文排名。

可用性边界：退役、usage credits 与 Mythos 受限入口

截图只证明型号在选择器可见；未验证实际调用、额度或套餐。Fable 5 的 Requires usage credits 提示保留，API 美元无法换算为该入口扣额。Claude API 生命周期另确认 Sonnet 4.5 将于 2026-11-30 退役；Haiku 4.5 当前仍 Active，“不早于 10-15”不是已退役。

Mythos 未确认账户权限且未纳入同口径实测，不用 Fable 分数代填。已 Retired 的型号不作为可调用候选；Bedrock / Google Cloud 可能采用不同退役日期。

按任务快速选型

建议整理于 2026-10-16。下表给出可执行的起点；“甜蜜点”是质量、整任务费用与等待时间的折中。公开实测、官方起点和本报告推断分别标明，未在你的仓库逐项跑对照实验。

工程主力：GPT 6.1 Sol high；明确小改动用 medium。Claude 路线：Sonnet 5.5 medium / high；仅截图入口用 Sonnet 5 medium / high。复杂定位、重要复核与方案取舍比较 Opus 5.5 high，截图入口用 Opus 5 high。各型号的同名档位不代表相同计算预算。

分类参考 SWE-TaskFlow 的任务意图分类，另按工程流程拆分测试生成与执行验证；不是行业统一标准。SWT-Bench 的回归测试标准是错误实现上失败、修复后通过。

公开实测 仅支持原题集的观测；官方起点 是厂商建议；推断建议 需要在实际工作流验收。

开发与工程 · 9 类任务 · 每行给出默认档位与换挡条件
任务默认模型 / reasoning 甜蜜点Claude 选择 / 截图替代升档或换模型条件依据与限制
代码理解、文档与常规问答Explain / Docs / QuestionSol 6.1 low跨模块理解用 medium。Haiku 5.5 low截图：Haiku 4.5 关闭 thinking；跨模块换 Sonnet 5 medium。需要追踪完整调用链、状态变化或隐含约束时升 Sol high；缺代码或文档先补资料。推断建议轻任务分流；Haiku 5.5 low 有官方起点，未做仓库问答对照。
明确的小功能、局部修改New feature · 范围明确Sol 6.1 medium已有清楚的接口和验收条件。Sonnet 5.5 medium截图：Sonnet 5 medium；质量不足回到 high。需求有歧义、需自行探索，或改动影响多个模块时升 high。不要仅因文件多而自动升档。官方起点＋推断Sonnet 5.5 明确代理编码用 medium；Sol 小任务分流为推断。Sonnet 5 缺同版编码档位曲线。
多文件功能实现、完整交付New feature · 探索、实现、验证Sol 6.1 high本报告的编码主力起点。Sonnet 5.5 high截图：Sonnet 5 high；难点比较 Opus 5 high。方向正确但遗漏约束时试 xhigh；重复走错实现路径时换 Opus 5.5 / Opus 5 high。时间优先且预算允许，可比较 Astra medium。编码实测＋任务外推Vulcan：Sol high 23/23；不是完整仓库交付保证。Claude 替代按官方起点，未证明同档胜负。
BUG 定位与修复Debug / Bug fixSol 6.1
medium：根因明确
high：根因不明		复杂定位：Opus 5.5 high截图：Opus 5 high；明确小修复可用 Sonnet 5 medium。并发、时序、缓存或跨服务因果链可试 xhigh；补齐日志仍只修症状时换模型独立诊断。缺复现不靠升档解决。推断建议编码评测只间接支持；没有按 BUG 类型分层的同题模型 × 档位对照。
Code review正确性、兼容性与可维护性Sol 6.1 high若代码由 Sol 生成，重要变更优先加 Claude 独立复核。Opus 5.5 high截图：Opus 5 high。小范围低风险 diff 可用 Sonnet 5.5 / 5 medium。权限、事务、跨模块兼容等长链检查试 xhigh。只报有代码证据、触发条件和影响的问题；格式交给 lint。第二模型仍需核验。推断建议Vulcan 的 Code quality 衡量生成代码，不能当作模型找出缺陷的 review 准确率。
回归测试设计与生成Tests · 新增有效覆盖Sol 6.1
medium：常规单测
high：回归 / 边界 / 集成		Sonnet 5.5 high截图：Sonnet 5 high；明确单测可试 medium。测试只复述实现时先补错误案例与验收条件；复杂状态组合再试 xhigh 或 Opus high。必须验证修复前失败、修复后通过。推断建议验收方法有 SWT-Bench 支持；这里没有这些型号的测试生成档位对照，不能把功能通过率当覆盖质量。
执行已有回归、构建与检查Execute · 已有验证流程现成脚本 / CI需代理操作时用 Sol 6.1 low；固定流程可试 Luna 6 low。Haiku 5.5 low截图：Haiku 4.5 关闭 thinking。它没有 low / high 档位。出现未知失败转入 BUG 定位，用 Sol high 或 Opus high。运行时间长本身不需要高 reasoning；按退出码、日志和测试结果验收。流程建议测试是否通过由真实执行决定；轻量代理是否能可靠操作，需在你的工具链验收。
重构、依赖升级与迁移Refactor / TransformationSol 6.1
medium：机械修改
high：跨模块保行为		Sonnet 5.5 high截图：Sonnet 5 high；高影响迁移加 Opus 5 high 审查。数据兼容、回滚和多阶段迁移互相影响时，用 Opus 5.5 / 5 high 复核方案；难点再试 xhigh。推断建议原编码曲线不等于真实迁移成功率；行为保持、兼容性和回滚需单独验证。
方案设计与架构取舍Planning · 约束与失败模式Opus 5.5 high简单方案初稿：Sol 6.1 medium。持续工程主控也可先用 Sol high。截图：Opus 5 highSol 6.1 high 可提供反证和第二意见。材料齐全但冲突约束、失败推演仍遗漏时试 xhigh；重大难题可比较 Fable 5.1 / 5 high 或 Astra high，不默认 max。推断建议没有架构方案质量的同题档位实验；Opus 5.5 API 默认是 medium，表中 high 是复杂任务建议。

如何读“实测”：指已引用的公开评测，不是本次新跑实验。Sol high 的编码曲线有直接证据；映射到 review、定位、回归设计、架构仍是推断。截图中的旧 Claude 缺同版 Vulcan 档位曲线，不能把新版分数移给旧版。中文需求理解、注释和说明文案也没有做专项对照。

其余 Claude 型号怎么放：旧工作流兼容、难题升级与低延迟替代

Opus 4.8 / 4.7：官方编码与代理起点是 xhigh，复杂分析用 high；这是官方建议，报告未测出其日常甜蜜点。Opus 4.6：可从 high 起步；Sonnet 4.6：明确代理编码用 medium、复杂推理用 high；两者均没有 xhigh。保留已验收的旧工作流，有新版权限再同题比较。官方 effort 指南

Opus 4.5：medium / high 只是常规 / 复杂任务起点，还需独立 thinking 预算。Haiku 4.5：适合先试简单任务；开启 thinking 后控制预算，不硬换算为 low / high。Sonnet 4.5：已弃用，2026-11-30 前迁移，不设为新工作流默认。旧型号预算指南

Fable 5.1 / Fable 5：仅当任务价值高、Opus / Sol 仍未达标时，从 high 比较；有额外收益才升 xhigh。含回退的榜单不足证明纯模型日常最划算；截图中 Fable 5 另需 usage credits。Haiku 5.5：日常短工具任务 low，多步代理 medium；不要把 max 当作低成本主控的替代品。

时间优先：Astra medium 在报告同题集通过 23/23，约 3.8 分钟/题、$1.48/题，高于 Sol high 的费用；CLI 和运行环境差异限制外推。Astra 原始实验

OpenClaw / Hermes：主控默认用哪个 GPT？

按这里以工程工作为主的用途，推荐从 GPT 6.1 Sol high 起步。如果主要是日常问答、资料整理和短工具链，改用 medium。现有证据支持条件推荐，尚未证明在你的 OpenClaw / Hermes 工作流中是全局最佳。

主控与辅助任务分别设置 · 以下均为待验收的部署建议
工作负载默认模型 / 档位甜蜜点判断何时调整
日常混合主控问答、检索整理、短工具链GPT 6.1 Sol medium采用官方默认作为起点；先用较少推理预算满足常规任务。需要跨工具规划、来源冲突处理、未知 BUG 定位或完整交付时升 high；反复修订成本高时可把 high 设为该代理默认。
工程主控持续编码、重要 review、复杂定位与交付GPT 6.1 Sol high只能设一个工程默认时，选这一档。Vulcan 的功能通过率在 high 达到该题集上限；xhigh / max 未增加通过数。外推到主控仍需验收。方向有效但多次漏约束才试 xhigh；卡在同一错误假设时比较 Opus 5.5 / Opus 5 high，或 GPT 6 Astra medium / high。把简单步骤交给低档辅助任务。
固定流程与辅助任务测试执行、格式转换、简单分类脚本 / CI需模型时：Sol 6.1 low；低成本候选 Luna 6 low。能确定性完成的步骤不消耗额外推理；轻量模型须先通过格式和正确率验收。主控 high 不代表所有辅助调用都要 high。长上下文归纳、边界判断或未知失败升级到 medium / high；不要仅按单价替换主控。

模型选 Sol 的理由：官方定位覆盖复杂编码、computer use 和专业工作，并以低于 Astra 的成本提供接近的能力；官方选型指南仍要求同任务比较。Luna 适合先试受限的轻任务，Astra 保留为能力或时间更重要时的升级候选；这不构成三者在所有代理任务中的胜负结论。

为什么 high 有理由，但不是无条件最佳：两组同档位证据
GPT 6.1 Sol · 保留两种费用口径，不跨基准混算
档位Vulcan 功能通过Vulcan 费用 / 耗时AA 综合分 / 加权任务成本
medium22 / 23$0.399 / 10.6 分钟48 / $0.21
high23 / 23$0.330 / 10.2 分钟50 / $0.32
xhigh23 / 23$0.435 / 15.4 分钟51 / $0.39
max23 / 23$0.458 / 14.5 分钟52 / $0.72

编码实测：Vulcan v4 / v3.18 中 medium → high 多通过 1 题，API 等价均费反而低约 17.2%；high → xhigh / max 的功能通过数相同，不代表代码质量完全相同。每档每题一次、只有 23 个二进制重建任务，经 Codex CLI 运行，部分计时受同机并行负载影响；不能据此证明 high 在所有任务更便宜或更快。

综合任务实测：AA v4.3.2 的 10-14 快照中，medium → high 综合指数 +2，公布的加权任务成本约 +52%；不是通过率，也不是你的实际账单。low / medium · high / xhigh · max。因此日常混合任务保留 medium 起点。AA 的 max 自动化子项不能移作 high 主控的直接证据。

主控建议是推断：这里没有同一 OpenClaw / Hermes 版本、同工具、同任务的 Sol medium / high 完成率实验。用 20–30 个代表性真实任务先做配对试跑并复跑关键失败，记录完整完成率、错误工具调用、人工介入、端到端 P50 / P95，以及包含失败重试的每成功任务总费用；样本数量本身不保证统计显著。中文成稿另做匿名人工评价。

配置落点：模型 ID、effort、工具协议与辅助调用

模型与档位分开：官方模型 ID 是 gpt-6.1-sol，high 是 reasoning effort；gpt-6.1-sol/high 是本文组合写法，不是官方 API 模型 ID。支持 low / medium / high / xhigh / max，默认 medium，不支持 none / minimal。工具调用使用 Responses API；官方 Chat Completions 路径不支持该模型的工具调用。模型文档

OpenClaw：可在匹配模型的 agents.defaults.models["<provider>/<model>"].params.thinking 或代理自身默认项指定档位；单条消息和会话设置可能覆盖它。避免仅为了工程主控把所有任务的全局默认一起升高。thinking 配置与优先级

Hermes：主控可用 agent.reasoning_effort，混合模型用 agent.reasoning_overrides；标题生成、压缩等辅助调用可按任务单独配置模型和 reasoning。同模型 background review 会继承主控档位，不能独立覆盖。默认辅助路由可能复用主模型，因此需把这部分也纳入费用检查。官方配置文档

以上按 2026-10-16 在线文档核对，未核验你的本地版本和 provider。自定义代理、转发服务可能有独立映射：落地时确认真实请求使用 Responses、实际模型及 effort 生效；配置接受该字符串不等于服务端执行了该档位。

固定 Sol 6.1 high 主控：子 agent 与辅助任务怎么分工？

本节采用主控始终为 gpt-6.1-sol / high 的前提。主控负责拆解、派发、整合与最终验收；下文所有升档都发生在子任务或独立专家中。角色分配是待验收的策略，框架字段与继承限制依据 2026-10-16 官方文档核对。

最小起步组合：通用子 agent Sol 6.1 medium；轻量辅助 Luna 6 none / low；重要独立复核按需用 Opus 5.5 high（截图入口：Opus 5 high）。长会话压缩优先保留 Sol 6.1 low。先配置这几类，用实际失败记录决定是否增加专门模型。

依据边界：框架能否调档有官方文档支持；以下具体岗位与模型搭配是推断建议，没有在你的 OpenClaw / Hermes 环境中对照实测。现有 Vulcan 复杂编码题中，Luna 6 low / medium 均为 0/23，high 为 2/23，所以不把它设为所有工程子 agent 的默认；这也不代表它不能胜任标题、提取等简单任务。Luna 官方定位与档位 ·

子 agent · 接收有边界的任务，返回可验收成果
职责与适用范围默认模型 / reasoning专门替代升级条件与验收
仓库探索、资料搜集只读定位、调用链、带出处的事实包推断建议Sol 6.1 medium已知路径的精确查找可用 low。Sonnet 5.5 medium
截图：Sonnet 5 mediumLuna low 只做已给材料的提取。		跨模块因果、相互矛盾来源或遗漏关键证据时交回主控 high；需要独立深挖再派 Sol high。返回文件 / 行号 / URL、事实与未确定项；不能只给无出处摘要。
明确功能实现、局部修复已有接口、可写范围、验收条件推断＋官方起点Sol 6.1 mediumSonnet 5.5 medium官方明确代理编码起点；截图可试 Sonnet 5 medium，复杂时 high。需要自行探索方案、跨模块保行为或补齐信息后仍反复返工时改派 Sol high / Sonnet high。返回改动、测试命令与真实结果；由主控整合后跑必要集成检查。
测试设计与回归生成单测、边界、错误复现与集成测试推断建议Sol 6.1 medium：常规单测
Sol 6.1 high：复杂回归		Sonnet 5.5 / 5 high测试执行本身交给脚本 / CI。状态组合或失败路径复杂时才用 high；方向有效但仍漏关键场景可派 xhigh 专家。回归测试须修复前失败、修复后通过，避免仅复述实现。
独立 Code review高影响变更、兼容性、权限与事务推断建议Opus 5.5 high截图：Opus 5 high；按需触发。仅 GPT：Sol 6.1 high 独立上下文；难题可比较 Astra medium / high。并发、事务和跨服务不变量仍解释不清时派 xhigh 专家。提供 diff、相关上下文和要求，不预先塞入实现者的自我评价。发现须附触发条件、位置与影响；跨模型不保证审查正确。
疑难 BUG 与方案反证独立假设、反例、失败模式推断建议Opus 5.5 high截图：Opus 5 high。明确小问题仍走通用 medium 子任务。仅 GPT：Sol 6.1 high；更难可试 Astra medium / high。已有日志与复现，推演方向有效但链条不完整时试该专家的 xhigh；反复坚持已被证伪的假设则换模型。返回证据、反例和最小验证实验；主控仍维持 high。
网页 / UI 交互与视觉任务看截图、跨步骤操作、核对完成状态推断建议Sol 6.1 medium独立规划、复杂页面或易丢状态时 high。单纯截图提取见辅助任务表；音视频与 PDF 材料可交 Gemini 3.8 Flash medium。误识控件或状态时先获取新截图 / 页面状态；重复失败才升级。核对操作后的真实页面，读图辅助结果不直接等于已完成操作。输入模态还取决于实际工具路由。
辅助任务 · 高频小调用、状态压缩与后台整理分别设置
辅助任务默认模型 / reasoning升级或替代落地与验收边界
标题、短标签、格式归一推断建议Luna 6 none确定性格式转换优先用程序。语义歧义试 low；反复不合格式先改 schema / 校验器。Hermes 标题调用会主动关闭 thinking；Luna 支持 none。Sol 不支持 none，不适合拿它模拟无推理标题模型。检查长度、格式与是否忠实原意。
结构化提取、分类、日志初筛推断建议Luna 6 lowHaiku 5.5 low；截图：Haiku 4.5 关闭 thinking。跨材料关系转 Sol medium。以字段完整率、格式通过率和可回溯出处验收。此处只负责提取与分流，不承担未知根因诊断。Haiku 4.5 没有 low / high effort。
长会话压缩、交接摘要推断建议Sol 6.1 low在框架允许独立控制时。复杂代码状态、多个约束或冲突事实用 medium；简单材料摘要才比较 Luna low。保留目标、约束、文件 / 标识符、已做与未做、失败证据及下一步；发现漏项先回原文恢复。压缩错误会影响后续所有任务，不能只按输入单价决定。原生 Codex compaction 由宿主控制。
截图读取、OCR 与视觉描述推断建议Luna 6 low清晰截图、提取而非自主操作。小字、复杂图表、跨图推理用 Sol medium；音视频材料用 Flash 3.8 medium。Luna 官方支持图像输入；实际准确率未测。Hermes 的 vision 辅助只影响经过该辅助客户端的调用，主模型直接看图可能不会走它。中文 OCR 与理解另标未实测。
心跳、状态轮询与告警初筛流程建议脚本 / 规则优先需语义判断的独立监控代理：Luna low。明确异常交回 Sol high 主控；承担工程计划推进的心跳仍使用主控。OpenClaw heartbeat 不使用 subagents 默认；单改 heartbeat.model 不证明 low 已生效。低成本监控采用独立上下文并核验实际档位，避免读取整段工程会话反复调用。
Hermes background review记忆与技能整理；不是 Code review继承规则已核验Sol 6.1 high先保留同模型、同档位的缓存复用。费用偏高时对照 Sonnet 5.5 medium（截图：Sonnet 5 medium）；这是换模型方案。同模型 fork 强制继承主控 effort，设 low 无效；不同模型才接受独立 effort，并使用摘要而非同一缓存前缀。比较记忆遗漏、错误写入和实际总费用，不保证换便宜模型一定省。

中文未实测：中文标题、摘要、OCR、记忆整理及子任务中文理解均未做专项验证。表中的档位是起步建议，不能用英文基准证明中文质量。网页抓取、测试执行、embedding 索引等也不应一律额外加一层聊天模型；Hermes 当前 web_extract 为确定性截断 / 分页，不是独立 LLM 辅助调用。

统一升级与协作规则：主控保持 high，子任务按证据换挡

  1. 派发前先分类：固定步骤交脚本；少量文字 / 字段处理走 Luna；有独立目标、需要多步工具执行的工作才创建子 agent。强依赖同一推理链或同一文件写入时，优先由主控顺序完成。
  2. 给子任务完整边界：目标、输入与引用、可写范围、验收条件、预算和停止条件。默认使用精简任务包；只有依赖此前细节才 fork 全历史。返回状态、证据、改动、验证结果和遗留问题。
  3. 按失败原因升级：缺信息先补；Luna 理解不足直接转 Sol medium；medium 方向正确但复杂度超出时转 high。补证据并纠偏一次仍重复同错，交回主控或独立专家，不继续同档空转。连接、认证、限流或 schema 错误先修调用条件。
  4. 把 xhigh 留给具体难点：Sol / Opus / Astra high 的因果链或约束推演仍不足时，单开专家子任务试 xhigh；max 仅在该类任务已观察到增益时使用。主控的模型和 high 档位保持固定。
  5. 先小规模并行：建议从同时 2 个子 agent、1 层委派起步，属于成本与协作上的策略假设。并行只拆独立工作；代码写入按文件归属或隔离 worktree，整合与最终验收由主控完成。
  6. 按成功任务算账：合计主控、所有子 agent、辅助调用、工具、重试与缓存写入费用；另记人工返工和端到端耗时。预算 / 迭代耗尽记为 partial 或失败，不算已完成；回退模型的身份和档位也记录下来。
OpenClaw 与 Hermes 的配置落点和已核验限制
字段级配置建议 · 只作为报告参考，未修改本机配置
设置OpenClawHermes
通用子 agent 默认agents.defaults.subagents.model 选已配置的 Sol 6.1 路由；agents.defaults.subagents.thinking = "medium"。两者显式指定，避免继承主控 high。delegation.model = "gpt-6.1-sol"，delegation.reasoning_effort = "medium"。provider / endpoint 使用实际可用的 Responses 路由；显式 delegation effort 优先于继承主控。
按角色派发与升级sessions_spawn 的 model、thinking 可覆盖本次子任务；非 thread 子任务默认 isolated，需历史才显式 context: "fork"。不同 runtime 的支持条件需核验。当前 delegate_task 没有逐任务 model 参数，批次使用统一 delegation 路由。基线先统一 Sol medium；难题交回 high 主控，独立 Opus 复核用 /review 的 auxiliary.review 专门路由；其他异构任务走独立配置。不要为并发子任务轮流改同一份全局配置。
并发与深度起点agents.defaults.subagents.maxConcurrent = 2
agents.defaults.subagents.maxSpawnDepth = 1		delegation.max_concurrent_children = 2
delegation.max_spawn_depth = 1这是建议初值，不是框架默认，也不保证最优。
压缩与其他辅助调用内置运行时可设 agents.defaults.compaction.thinkingLevel = "low"；原生 Codex compaction 不接受该覆盖。视觉、心跳与其他插件各有路由，不受 subagents 默认统一控制。auxiliary.<task>.model / provider / reasoning_effort 分别指定。建议 title_generation → Luna none、compression → Sol low、vision → Luna low；以实际辅助调用路径为准。
容易混淆的 review独立代码评审按专门子任务派发，用 Opus high 或独立上下文的 Sol high；这属于本报告策略。/review 审查工作产物，默认用主模型；auxiliary.review 可指定 Opus 专门评审路由，实际 effort 按 high 验收。auxiliary.background_review 整理记忆 / 技能；同模型时固定继承 high，不同模型才可独立调档。

配置依据：OpenClaw 派发与继承 · 并发 / 深度 · compaction · Hermes delegation / review · Hermes effort 解析实现 · 辅助配置 · background review

Hermes 官方另提供 Kanban 的逐任务模型覆盖；本报告未验证它的完整模型 × effort 路由，不把它写成已就绪的自动升级方案。上述字段也未在你的本地版本或自定义 provider 上执行验证。

协议前提：Sol 6.1 工具调用使用 Responses；Luna 6 带 reasoning 的工具调用同样使用 Responses，Chat Completions 工具调用只支持其 none 档。框架显示的 low / high、实际发送字段与服务端接受的档位要一致。Sol · Luna

如何验证这套分工是否比“全员 Sol high”更合算

选取代表任务，固定输入、工具、验收与总预算，比较全员 Sol high 和上述分工方案。记录完整完成率、失败后升级次数、错误结论 / 工具操作、主控纠偏量、总费用及端到端 P50 / P95；关键失败重复运行。独立统计压缩漏项、记忆误写、OCR 错误与中文成稿修改量。

每个任务保留实际 model / effort / provider、回退、缓存命中与所有子调用费用；不能只用便宜模型的单价或子任务局部通过率宣布整体更省。只有质量达标且总成本 / 耗时改善时才扩大分流。

写作与研究：表达质量和分析能力分开验收。

中文未实测：下表两项中文建议是待验证起点，依据英文写作结果与通用能力作出的判断。研究分析建议也不构成中文成稿排名。中文语气、术语、事实与返工量，需要用你的真实材料和人工评价另行验证。

写作、研究与常规处理 · 7 类任务
任务 / 证据状态默认模型reasoning 甜蜜点升档或换模型条件
中文摘要、润色、改写与邮件中文未实测GPT 6.1 Sol待验证建议。low表达约束多、需要重组结构时用 medium；语气或成稿质量仍不合适，试 Opus 5.5 medium，不要直接跳到 max。
中文客户报告、GEO 内容与观点长文中文未实测Claude Opus 5.5待验证建议。medium 起步
high：复杂论证		需协调多份材料、保持复杂论证链时升 high；重要成稿可比较 xhigh，以匿名人工评价和修改量判断收益。
英文脚本、内容初稿与润色有 ToneBench 英文脚本证据Claude Opus 5.5低成本初稿可用 Sol 6.1 low。high更高质量需求可比较 xhigh。在你的编辑标准下确有改善才升 xhigh。该快照 xhigh → max 仅增 0.10 分、费用变为 2.57 倍，不默认 max。
资料整理、比较与常规分析Research / Data analysisGPT 6.1 Solmedium来源冲突、多步计算或结论依赖多项假设时升 high；引用缺失先检索，计算结果用工具复核。
深度研究、复杂决策与反证间接能力证据；任务需另验收Claude Opus 5.5Sol / Astra high 可做第二意见。high方向有效但推演不完整时试 xhigh；反复忽略反证时换模型重新分析，第二意见仍须核验。
音视频、图像及大量文档分析原生输入有官方支持Gemini 3.8 Flash复杂跨材料推理换 Argon。Flash medium：提取整理
Argon high：复杂推理		细节召回或跨段推理不足时换 Argon；核验时间戳、引用和跨段关系。资料缺失不能靠升档弥补。
批量提取、分类与格式转换明确、可校验的常规任务GPT 6 Luna备选 Haiku 5.5；多模态简单解析可试 Flash-Lite。low：简单处理
medium：多步工具任务		先定正确率与格式通过率；复杂理解不足时换 Sol 6.1 medium / high。不要把轻量模型 max 当作省钱的默认方案。

升档还是换模型：四条速记

  1. 先补信息：缺日志、复现、原始材料或工具结果时先补齐；信息齐全但推理不足才升档。
  2. 常用升级是 medium → high：high → xhigh 应针对具体遗漏；只有已见额外收益、任务价值高且输出预算足够时才试 max。
  3. 重复同一种错误就换视角：补充证据后仍走同一路径，可让另一模型依据复现、约束与失败记录独立分析。
  4. 验收后再固定配置：看完成率、等待时间与人工返工，不用同名档位或单价代替任务结果。

按阶段调档：方案设计 high → 明确实现 medium / high → 重要审查 high → 执行回归 low；未知失败再回到 high 定位。

更多依据：OpenAI reasoning 指南 · Gemini thinking 指南 · 固定输出预算下的 max 实验。预算耗尽、收益变小与质量下降应分别解释。

ChatGPT、Claude、Gemini 产品，与底层模型有什么区别？

ChatGPT 是产品名称，本报告以 GPT 模型 ID 做底层对照。实际产品还加入系统提示、搜索、文件处理、浏览器、记忆和代理编排；同名模型在不同入口的结果不保证一致。官方 API 规格不证明你的套餐能使用全部模式，订阅配额也不能由这些美元倒推。

OpenAI 模型与产品差异说明 · Claude API 模型目录 · Gemini API 模型目录