按任务分配模型：Agent 跑任务别全程用最贵的模型
跑 Agent 最费钱的就是全程顶配模型。这篇讲了按任务分流的实操：规划用 Kimi K3.1 Pro 这类强模型，读文件改格式丢给 0.01x 倍率的豆包 2.1 Lite，同样额度能多干好几倍活。经常跑自动化任务的人照着配一遍就能省不少。
作者分享了一个跑 Agent 的省钱思路：过去一问一答的聊天场景用最强模型没问题，但 Agent 任务会拆成规划、读文件、改代码、整理结果多步，全程用高倍率模型浪费大量 token。
真正需要强模型的只有规划和难题，读文件、改格式这类杂活交给低倍率模型即可。文中以豆包工作为例：现已开放 Kimi K3.
1 Pro、GLM 5.3、DeepSeek V4.
1 Flash 等第三方模型，且每个模型标注了额度倍率，难题用 Kimi 这类高倍率模型，杂活用限时 0.01x 的豆包 2.
1 Lite 或 DeepSeek V4.1 Flash，拿不准就选自动档，小额任务免费。
作者认为字节把两款模型压到 0.01x 倍率，显示出其做办公 Agent 场景的投入。
以前我跑 Agent，全程用最贵的模型，白白浪费了很多 token
聊天机器人时代，交互方式就是一问一答，用一个最强的模型没毛病
但到了 Agent 时代，任务类型多了，链路也长了 一个活要拆成规划、读文件、改代码、整理结果好几步 而且模型迭代太快，过几天这个模型就把那个模型超过了 所以，按任务挑模型就成了很自然的选择！！
具体如何根据任务分配模型呢？
真正需要强模型的，只有规划和难题，而读文件、改格式这类杂活，用复杂模型就大材小用了。
现在豆包工作也开放了第三方模型，Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 都能选！！
而且每个模型都标了额度倍率，在办公场景下： 难题上 Kimi 这类高倍率的 杂活用限时 0.01x 的豆包 2.1 Lite 或 DeepSeek V4.1 Flash 拿不准就选自动，小额任务还免费！！
这样同样的 token，能干更多的活了！！
除了开放模型之外，还把两款模型压到 0.01x，看得出字节是真想把办公 Agent 做起来
大家有办公的需求，真的可以试试豆包工作了
This report is categorized under AITOP's "How-to" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include 豆包工作, Kimi K3.1 Pro, DeepSeek V4.1 Flash, 智能体.
Source attribution: curated from Lxfater (@lxfater). Cross-source corroboration: 7 independent sources have covered this development (including IT之家, TestingCatalog, 爱范儿), confirming industry-wide signal strength.
