资讯 · 改写稿
顶级模型开局、便宜模型接手：一套省八成开发成本的分工法
结论先给：省钱的不是「换个便宜模型」，而是把活拆开——顶级模型做决定与审查、便宜模型做执行，并把已定的事写成档案，让便宜模型隔了会话、隔了几周还能接得上。来源用 7 个项目实测，一个多月的总账从约 $2,580 降到约 $485。
来源（V2EX 分享创造，作者 exoticknight，2026-10-08；详细文写于 2026-09-27）同时开着七个项目，套餐与额度经常不够用，于是摸索出一套分工：开局讨论、定规范、难啃的大功能、代码审查交给顶级模型（来源举例 GPT-6 Astra、Claude Opus 这一档），日常写代码交给便宜模型（来源举例 GPT-6 Luna、DeepSeek V4.1 Flash）。他说这套用法让开发成本省了约八成。
先把账摊开
来源给出的一个多月用量明细（token 与费用）：
- 开局、重大功能、审查（Astra、Opus 等）：约 5.1 亿 token，约 $451；
- 日常开发（Luna、DeepSeek Flash）：约 14.3 亿 token，约 $34；
- 合计约 19.4 亿 token，约 $485。
来源补了一笔对照：如果那 14.3 亿 token 也交给顶级模型，光这一部分就要约 $2,100，总账会变成约 $2,580；现在的 $485 相当于省了约 81%。他还说，即便换成中档模型，也要 $1,400 上下，差不多是现在的三倍。
本站计算——把两组单价折成比例：日常那 14.3 亿 token 花 $34，顶级那 5.1 亿花 $451，单 token 成本之比约为 37 倍（(451÷5.1) ÷ (34÷14.3) ≈ 37）。也就是说，便宜模型的单价大约是顶级模型的 1/37；这与来源说的「单价只有顶级模型的 1% 到 2%」在量级上对得上（1/37 约合 2.7%）。
难的不是搭配，是「接得住」
来源强调：高低搭配本身不新鲜，难的是让便宜模型长期接得住——换会话、换工具、隔几周回来，它还得知道哪些事已经定了。他的做法是一套叫 RED 的开源方法论，把项目知识按状态放好，AI 再按状态决定下一步：
- R（Research）：还在查的问题和证据，AI 先查、不急着动手；
- E（Evolve）：正在做的改动，写明改什么、为什么、怎么验收、哪些不做；
- D（Document）：已经定了的（目标、接口、架构、规则），AI 照着做，要改得等人确认。
来源给了一个具体案例：某项目开局用顶级模型聊清目标与边界，产出 5 份 R、2 份 E（其中明确把参考策略、agent 工具、CLI、MCP、统计看板等移出本次交付），用了约 490 万 token、折合 $5.7；随后换到另一个工具、交给便宜模型，它从 D 和 E 读起、不用重新讲背景，一路写代码跑测试，用了约 2,900 万 token、折合 $0.47。也就是说，便宜模型跑的 token 是顶级模型的六倍，花的钱却不到十分之一。
这不是孤例
来源还引了两条旁证：一是某厂商的 advisor 工具（让便宜模型干活、遇难题问强模型），来源称在某基准上把成绩从 19.7% 提到 41.2%，而每个任务的成本只有单用中档模型的约 15%；二是一篇测试了 176 种 agent 配置的论文，结论是「事先规划对弱模型能保住准确率、对强模型主要是省钱」。区别在于：这些做法的交接都在一次调用或一次会话之内，而项目一做就是好几周——这正是 RED 想解决的问题。
以为省钱就是换个便宜模型：来源的做法是分工，不是全换。
忽略「交接」：不把定下的东西存档，换会话或换工具后便宜模型会重问一遍。
让便宜模型做决定：开局、权衡与代码审查仍应交给强模型。
常见问题
这套分工到底省了多少？
来源称一个多月、7 个项目合计约 19.4 亿 token、约 $485；若把日常那 14.3 亿 token 也交给顶级模型，总账会到约 $2,580，等于省了约 81%。
RED 是什么？
来源称是一套开源方法论：R（Research）是还在查的问题与证据，E（Evolve）是正在做的改动，D（Document）是已经定了的规则与接口；AI 按这三类状态决定下一步。
便宜模型的单价是多少？
来源称其单价只有顶级模型的 1% 到 2%；按来源账目折算，日常模型的单 token 成本约为顶级模型的 1/37 量级。
为什么便宜模型能长期接手？
来源称关键是把定下的知识写进 D 与 E：换会话或换工具后，便宜模型从文档读起即可接上，不必重新讲项目背景。
来源参考
以上为外部来源；本文为 RefHub 用自己的结构重写，事实以来源页为准，价格与政策会变，请回源核对当日。