企业正在告别一味扩大人工智能（AI）使用规模的做法，转而按照任务类型和复杂度搭配不同模型，以更精细的方式控制成本。

Business Insider 4日（当地时间）报道称，近期AI行业的使用逻辑正发生变化：企业不再单纯追求token消耗规模，而是开始根据任务难度选择不同模型，这种“混用模型”的做法正在快速升温。

AI初创公司Bold Metrics首席技术官（CTO）Morgan Linton表示，他会直接按任务为工程师指定模型。部分团队使用Claude Fable的轻量配置，部分团队采用GPT-5.5的高性能配置，也有团队将Cursor与Composer 2.5结合使用。他表示，这样一来，即使不额外设定token上限，也能实现成本控制。

这一变化背后，是企业AI支出的迅速膨胀。Uber、Microsoft等公司在重新审视员工AI工具开支后，也开始转向更为谨慎的投入方式。

加密货币交易所Coinbase首席执行官Brian Armstrong今年6月表示，未来12至18个月内，公司“80%的整体工作负载将转向成本降低99%的模型”。他还称，剩余20%的工作负载仍将留给最新模型，因为这部分任务更依赖顶级模型能力。

一线使用者也在调整自己的AI使用方式。某大型科技公司的用户体验（UX）设计师Tanvi Pirsal表示，她曾使用Claude推进UX构思，但即便消耗了数月的token，相关工作仍未完成。此后，她改为先在Figma中完成界面设计，再将截图输入Claude，仅让其整理功能与流程。她表示，这种“设计优先”的方式有助于节省token消耗。

AI初创公司Hetchura联合创始人Chris Marconi也在积极测试低成本模型。他在构建OpenClaw时，先使用价格更低的Gemini模型，随后再切换到Anthropic的Haiku。Marconi表示，没有必要犹豫是否该测试低成本模型能否提供所需的智能水平。

随着这一趋势升温，提供模型路由（model routing）服务的公司也受到关注。这类公司通过软件分析请求内容，并根据任务复杂度自动分配相应的AI模型。Raylin运营方David Gilmore表示，许多客户起初担心会错过最新模型，但在看到API账单后，往往会主动收缩使用规模。

旧金山投资机构Blockspaceforce目前正在使用OpenRouter、Fireworks和Together AI。联合管理合伙人Spencer Yang建议，企业可以先让低成本模型判断任务是否真的需要调用更昂贵的模型。他还表示，AI模型对任务复杂度进行自我评估的能力也在持续提升。

不过，并非所有企业都在跟进这一趋势。仍有一些公司把最新、价格最高的模型设为默认选项。Marconi对此评论称，很多人不愿花力气研究不同模型各自适合什么任务，只想跟风采用最新产品。

随着AI预算管控逐步落地，能否按照任务类型配置合适模型，正成为企业平衡性能与成本的关键竞争力。