我的选择逻辑是：先看任务类型，再看 token 倍率，不默认使用最贵的模型。
纯文本和高频任务：DeepSeek-V4-Flash，0.05x
复杂分析和长文档：DeepSeek-V4-Pro，0.13x
日常图文综合：MiniMax-M3，0.25x
日常多模态：Kimi-K2.6，0.52x
中型代码开发：Kimi-K2.7-Code，0.57x
多文件、长任务和完整项目：GLM-5.2，0.79x
图片、截图和图表分析：GLM-5v-Turbo，0.95x
高难前端和复杂长程任务：Kimi-K3，1.62x
限免文本任务可以先试 Hy3，GLM-5.1作为稳定备选。
倍率只代表同等 token 下的消耗。实际成本还会受到任务轮次、工具调用、思考长度和返工次数影响。模型不是越贵越好，能以合理成本稳定完成任务才是重点。
