我是 Plus 用户，平时在 Codex 里用得最多的是 Sol medium。

理由很简单：它能力强，我不太需要担心选错。可额度不够用以后，这套办法就有点撑不住了。明明只是改几个文件，我也开 Sol；需求已经写得很清楚，还是开 Sol。很多时候并非任务离不开它，只是我懒得在开始前多想一步。

看完评论区，我发现大家的用法大致分成三种：无脑 Sol；让 Sol 出方案、Luna 执行；日常开发用 Terra，把 Sol 留给真正难的部分。

我现在更倾向于第三种。但这里有个问题必须先说清楚：什么才算“真正难”？

01 一个简单问题，也可能变成复杂任务

如果目标明确、操作过程明确，任务一般不会太难。比如把一个字段改名，用户已经告诉我改哪里、改成什么，也有测试可以检查。

但“目标不清楚”本身不等于复杂。有时只是少问了一句话。“帮我把页面改好看一点”很模糊，补充参考图、目标用户和验收标准以后，可能马上就能做。

我更在意的是执行过程中会冒出多少意外。

拿批量处理文件来说，规则不难，数量一多，事情就会变味。1000 份文件哪怕只有 1% 不符合模板，也有大约 10 个例外。接下来还会碰到重复数据、处理中断、失败重试，以及怎么确认没有漏掉。单个动作很简单，整批交付却不轻松。

所以我判断任务时，会看四件事：目标清不清楚、过程里要做多少判断、规模会不会放大异常、做错以后返工有多贵。

02 我现在怎么选

放到我自己的任务里，大概是下面这样：

当前任务	我会先用	什么时候升级
需求没想清、约束互相冲突、要做方案取舍	Sol medium	多步依赖很深或返工昂贵时升 high
需求基本明确，日常写代码、改代码	Terra	连续失败或出现跨模块判断时换 Sol
规则固定、数量大、可以自动验收	Luna	出现模板外异常时交回 Terra 或 Sol
只想尽快做出可运行原型	Luna 或 Terra	准备上线、补测试和处理边界时再升级

推理档位我也不再默认拉满。Medium 先跑，确实遇到多步推理、冲突约束或高风险交付，再升 high。xhigh 和 max 留给那些“多花额度确实能少返工”的任务。

如果模型选择器里还有 GPT-5.5、GPT-5.4，可以继续留给已经验证稳定的旧项目；GPT-5.4 mini 更适合成本敏感、结果容易检查的小任务。OpenAI 当前模型目录里出现的模型，不一定会同时开放给每个 Plus 用户，还是要以自己在 Codex 里实际看到的选项为准。

03 那张成本图，其实是在提醒我们别把档位拉满

这张 Artificial Analysis 的图，横轴是完成一项 Intelligence Index 基准任务的平均 API 成本，纵轴是综合智能指数。

OpenAI 的 GPT-5.6 模型指南把 Sol 定位为最高能力，Terra 平衡能力与成本，Luna 面向高效率和大批量工作。图里的分布也差不多：Luna 集中在左边，Sol 一路往右上走，Terra 夹在中间。

综合基准测不到我在 Codex 里真正关心的全部东西，比如响应速度、工具调用、长任务稳定性，以及失败后要不要我手动收拾。图里的 API 成本也不等于 Plus 额度。

我从图里拿走的结论只有一个：同一个模型从 high 升到 xhigh、max，能力还会涨，但 token 用得更多。真正的成本还包括等待、重试、人工修改和返工。便宜模型连续做错三次，未必便宜；一个只需要做到“能用”的任务，也没必要开 Sol max 去追最后那几分。

04 一次整本翻译，让我开始盯着交付看

我测试过把整本《爱丽丝梦游仙境》翻译成中文，再生成 PDF。

这个需求看上去很清楚：提取正文、逐章翻译、重新排版、导出文件。Luna medium 跑了 5 分多钟，最后真的生成了一份 185 页 PDF。问题是，只有封面和目录变成了中文，正文还是英文。

看到文件出现的那一刻，我还以为任务结束了。打开以后才发现，它只是“产出了东西”。

这种任务难的地方不在某一句英文会不会翻，而在几十个章节能不能全部走完，过程中有没有跳过内容，导出的 PDF 能不能验收。后来我给这类任务加了分章处理和程序检查，专门查章节数、残留英文与空白页。

05 两个编程任务，让我换了两次标准

另一次测试是做猫咪偷鱼小游戏。Luna 很快给出一个能玩的版本：猫咪可以移动、偷鱼、躲开障碍，再跑回猫窝。画面谈不上精致，但我马上就能试玩，也知道下一轮该改什么。

还有一个 3D 魔方，Luna 用了 19 分 12 秒，两个核心测试通过，页面可以直接运行。

如果我当时只是验证玩法和交互，这两个结果都够用。原型阶段最怕的不是少两个测试，而是每次改动都要等很久，等到最后连自己刚才想验证什么都忘了。

准备上线时，猫咪小游戏要补关卡状态、边界条件和自动化测试；3D 魔方也要确认打乱与还原逻辑，甚至做随机压力测试。

06 模型路由 Skill，好像真可以做

写到这里，我前面那个跑题的想法反而越来越像回事：做一个模型路由 Skill。它读取前面那几个判断条件，只给三样东西：推荐模型、推理档位、升级条件。模型发布新版本时，替换路由表就行，不用推翻整个工作方法。

我接下来大概会真的做一个，先拿自己的任务试。