第三篇讲的是在聊天框里选模型。到了 agent 这儿，事情变了：一个任务要转很多圈，每一圈都在烧 token，选错了不是多等几秒，而是几十倍的账单差距。
而且你手上有两个旋钮，不是一个：选哪个模型，以及让它使多大劲。这篇讲怎么调。
素材主要来自 Anthropic 官方教程里的两篇，怎么选模型和怎么选 effort，写得很实在，推荐去看原文。例子是 Claude 的，但Codex 的文档讲的是同一个道理，后面放了对照表。
一、两个旋钮，管的不是一回事
这个区分是全篇的核心，官方教程说得很清楚：
- 模型决定能力上限：它有多聪明，见过多少，能不能想明白这件事。
- effort 决定使多大劲：它愿意调用多少次工具、花多少 token、转多少圈，要不要回头检查。
effort 不会改变模型知道什么。打个比方：模型是你雇了本科生还是博士，effort 是你跟他说“随便看看”还是“今晚加班搞定”。博士随便看看，可能不如本科生认真干；本科生加班到天亮，也解不出博士才能解的题。
二、第一个旋钮：模型
官方教程给的方法只有三步，很朴素：先想好什么样的结果算有用，再选匹配的模型，最后按这件事的重要程度决定检查多细。快速查个东西看一眼就行，要拿去做决定的分析就得仔细核对。
各档的定位（第三篇有价格）：
| Claude | OpenAI 对应 | 适合 | 例子 |
|---|---|---|---|
| Haiku | GPT-6 Luna | 简单、要快、量大 | 总结文章、提取信息、分类 |
| Sonnet | GPT-6.1 Terra | 万金油，拿不准先用它 | 日常改 bug、写作、一般分析 |
| Opus | GPT-6.1 Sol | 复杂推理，你来我往地迭代 | 分析复杂论文、架构决策 |
| Fable | GPT-6 Astra | 最大的项目，长时间自主干活 | 从一个粗略想法做出整个项目 |
右边的对应是我按定位和价格对的，不是官方说法，两家也没有一一对应的义务。
两个容易忽略的点：
- Opus 和 Fable 的区别不只是强弱。教程说 Opus 适合你在旁边盯着、来回迭代、在意速度的场合；Fable 慢，适合你把结果描述清楚，让它自己规划、自己跑。一个是副驾，一个是外包。
- 官方自己的建议也分场合。第三篇说过开发者文档建议从 Opus 开始，而这篇面向普通用户的教程说拿不准从 Sonnet 开始。不矛盾，前者面向的是写程序调 API 的人，后者是聊天和日常使用。
换模型的规则很简单：Sonnet 吃力了换 Opus，Opus 吃力了换 Fable；任务简单就往下换，省额度。
三、第二个旋钮：effort
Claude 的 effort 分这几档（文档）：
| 档位 | 含义 | 适合 |
|---|---|---|
low | 用最少的工作量达到目标，省很多 token，能力有些损失 | 改名字、加注释、简单查询 |
medium | 平衡。Opus 5.5 和 Haiku 5.5 的默认值 | 大部分日常任务 |
high | 该花多少花多少，追求好结果。其他模型的默认值 | 有一定难度的开发 |
xhigh | 为长时间任务准备 | 大重构、多步骤任务 |
max | 不设限，要多少资源用多少 | 真的搞不定时才用 |
不是每个模型都支持全部档位，具体看文档。另外同一个档位在不同模型上不等于同样的工作量，换模型之后别把上一个模型的档位带过来，先回到默认。
调错了有什么后果？两边都有坑：
- 调太低：它提前收工，交给你一个半成品。你得找出它停在哪，再补一轮提示词，算下来可能比一开始设对还贵。
- 调太高：费 token，慢，而且会想太多，甚至自己给自己加戏，做一堆你没要的事。
第二条很多人想不到，以为 max 总归更好。不是的，官方明确说默认值是按模型调好的，大多数任务用默认就行。
四、出问题了调哪个
结果不满意的时候，别急着换最贵的模型。按症状来：
| 症状 | 诊断 | 动作 |
|---|---|---|
| 该做的步骤跳了，没验证就说完成 | 会但没认真 | 升 effort |
| 东西对，但想太多、改太多、自己加需求 | 太用力 | 降 effort |
| 升了 effort 还是想不明白 | 能力不够 | 换更强的模型，effort 回默认 |
| 都对，就是又慢又费额度 | 大材小用 | 换便宜的模型或降 effort |
顺序是：先调 effort，调不好再换模型。调 effort 不用换东西，最便宜。
五、具体怎么设置
Claude Code 和 Codex 对照：
| 做什么 | Claude Code | Codex |
|---|---|---|
| 会话里切模型 | /model | /model |
| 启动时指定模型 | claude --model <名字> | codex -m gpt-6.1-sol |
| 会话里调力度 | /effort 或 /effort low | /model 里一起选 |
| 只这一次 | claude --effort low | 启动参数指定 |
| 写进配置 | 设置文件的 effortLevel | config.toml 的 model_reasoning_effort |
| 恢复默认 | /effort auto | 重新选默认 |
| 拆给多个 agent | Ultracode（不是 effort 档位） | Ultra 模式 |
几个细节：Claude Code 里 /effort 设的档位下次会话还在，想只用一次就用 --effort；max 默认只在当前会话有效，防止你忘了关。Skill 和子 agent 也能单独设 effort，比如让跑批的子任务用 low。Codex 那边可选的值取决于模型，包括 none、minimal、low、medium、high、xhigh、max，文档的建议一样：从默认开始，任务需要更深的规划再往上加。
聊天框里也有这两个旋钮，只是藏得深一点。Claude 在模型选择器里，ChatGPT 则体现为即时和推理模型。
六、动手做个实验
看十篇文章不如自己试一次。官方教程里有两个小实验，我转述一下，你用自己的任务也行。
实验一：这件事配用什么模型
挑一份你读过的报告，在轻量模型和主力模型的两个新对话里，都发同一句话：
用五条要点总结这份报告，然后指出其中你最想找第二个来源核实的一个说法。比较两边哪里不一样，别比长度。如果轻量模型抓到了你自己也会标出来的地方，这类活就交给它；只有轻量模型漏掉重要东西的时候，才值得上更大的模型。
实验二：effort 到底买到了什么
建三个空文件夹，分别用不同档位启动，给同一个任务：
claude --effort low
claude
claude --effort max任务用一个小脚本就行，比如把 CSV 转成 JSON，拿一个样例文件测一下。每次结束时运行 /usage 记下 token 总量。
你会发现 token 从 low 到 max 一路上涨，而三个文件夹里的脚本都能用。这时候再去比代码，看 max 多花的钱到底买到了什么：多了错误处理？多了测试？还是一堆你没要的东西？这一眼比任何文章都管用，以后你就知道什么活值得加钱。Codex 用户把命令换成对应的就行。
七、几个习惯
- 从默认开始，一次只动一档。两个旋钮一起动，你就不知道是谁起的作用。
- 简单活试着往下调，一档一档降，直到发现质量掉了，再回一档。
- 长任务、你没法自己验证的活，往上调。这类活最怕它半途收工。
- 换模型后回到默认。
- 新模型出来后重新试一遍。新模型可能用更低的 effort 就能达到同样的效果，之前的设置就过时了。以前做不了的大任务也值得再试一次。
- 小活别烧旗舰。这不只是省钱，模型越重响应越慢，额度也掉得越快。
说到底就一句话：模型选能力，effort 选力度，先默认，看结果，再调一档。
下一篇
下一篇回到这个博客的老本行：隐私。你跟 AI 说的话去了哪，默认会不会拿去训练，agent 读过的文件又去了哪，分别怎么关。