Low、High、Max，思考档位怎么选

不同供应商的档位没有统一标准

有些 API 用 reasoning effort 参数设置档位；有些则把 Max 写在模型名称里，effort 参数仍显示 default。因此，不能只看一个参数就判断实际档位。

ModelDial 会保留实际请求的模型 ID、思考档位和路由，方便你核对每项成绩对应的设置。

固定其他条件，逐级比较

固定模型、路由和任务，先比较 Low 与 Medium，再比较 Medium 与 High。如果同时换了路由，就很难判断差异是由档位还是连接方式造成的。

• 同时看综合分和分项成绩，确认哪些任务提高了、哪些下降了。
• 比较成功完成的总耗时，不能只看首 Token 时间。
• 没有重复的可比观测时，小分差只说明当前记录中的差异，不能视为稳定。

更高档位是否值得多花时间

更高档位可能花更久，却没有改善你在意的题目。相邻档位的得分也可能因单次波动而反转；先比较已有分项，再按需验证自己的任务。

选择能够稳定满足任务要求的最低档位即可。只负责固定任务的 Agent，可以单独测试合适的档位，不必沿用主力模型的设置。

保存测试时的完整设置

至少保存供应商、原始模型 ID、思考深度、服务档位、路由类型和评测时间。端点或供应商配置发生变化后，只写一个 High 无法复现原结果。