Opus 5 对比 Opus 4.8 与 GPT-5.6 Sol，免费测试。模型选择从来不是我的问题。

独自开发时，我的瓶颈与代码无关：我变得害怕自己的实验。每次管线改动，都得重新跑完整批数据，才能知道我是改进了还是弄坏了。Opus 5 和 Opus 4.8 都是输入 $5 / 输出 $25。Sol 更便宜，但有一百万 token 的上下文，我总是不停地填满它。所以每一次诚实的测试都要花钱，于是我不再测试，转而开始猜测。没有人审查你的代码差异，这是最糟糕的失败模式。我试了一个多模型路由器，本以为会遇到挂羊头卖狗肉的事。注册送额度，无需信用卡，三个模型外加 Kimi K3 都在一个兼容 OpenAI 的 URL 后面。（请相应调整对我热情的打折：这些有推荐计划。我没放链接，从中得不到任何好处。）不是骗局。但它的运作方式和我的预期不同，而这正是有用的部分。我原本以为免费额度意味着免费的算力。实际上它买到的是一个评估预算：跑一个真实的批次，每个候选模型各跑一次，把输出并排对比，选一个，提交，然后停止挑选。有三件事出乎我的意料：推理级别对账单的影响比模型选择大得多。Opus 5 默认进行推理，适合棘手的 bug，但用于查找替换就悄悄变得昂贵。我最大的收获来自在模型看到输入之前对输入进行预处理，而不是选择更强的模型。在我害怕比较的时候，永远不可能发现这一点。能力和遵循指令是两个独立的维度。当你是唯一的审查者时，最强的模型不自动等同于你想放进代码库的那个。我让前沿模型写出一个华丽的计划，列出它们将要编辑的文件，然后停下来，为思考过程向我收费。到底是模型的问题还是路由器的管道问题？真的无法分辨。生产关键任务就直连。真正的解决办法不是钱。而是我重新开始度量一切。乐意深入聊设置或评估批次，但请留在帖子里，别用私信。你们是怎么处理的：手动切换、用一个路由器，还是选定一个然后自己承担成本？