哪些信号应触发模型升级?

模型升级不应由“感觉回答变差”触发，而应由任务成本、风险和可验证结果共同决定。低成本模型适合承接规则清晰、输入稳定、能够自动验收的高频工作；当它开始拖累交付链路，升级才具有业务意义。

最直接的信号是连续失败或反复返工。一次输出不理想未必说明能力不足，可能只是上下文缺失或指令不清；但同类任务多次需要追问、修订，甚至无法通过测试或人工审核，表面上的低单价就会被额外调用和人工介入抵消。此时应优先升级处理该类任务，而非全量替换模型。

任务复杂度突然上升，也是明确边界。模糊需求澄清、跨文件重构、复杂故障排查、长链路规划，往往要求模型持续维持上下文并作出连贯判断。若任务无法拆成独立步骤，或中间一步错误会让后续操作整体失效，更强的推理能力通常比多轮补救更经济。

风险等级同样决定升级阈值。涉及关键业务逻辑、核心架构、权限敏感环境或影响外部系统的操作，即使低成本模型能够完成，也不宜只按平均成功率判断。错误是否可回滚、结果是否容易验证、失败会造成多大损失，才是更可靠的分流依据。

还有一种常被忽略的信号：工作流变长。Agent 需要读取资料、选择工具、执行操作并检查结果时，每一次误判都会放大后续调用。若低成本模型频繁误读工具状态、遗漏字段或无法及时识别失败，应在关键决策节点升级，或转交人工审核，而不是让它在错误路径上继续消耗预算。

成熟的做法不是给所有请求套用同一模型，而是把升级设计成路由规则：日常任务优先追求吞吐与成本，高难、低置信度、连续失败或高风险任务进入更强模型。模型升级的本质，不是追逐最高分，而是在合适的节点用更高能力换取更低的总任务成本与更稳定的交付结果。