การแสดงตัวอย่างเนื้อหาต้นแบบ ตัวเลข รายละเอียดผู้แต่ง การกล่าวอ้างผลิตภัณฑ์ และตัวอย่าง API อยู่ระหว่างการตรวจสอบยืนยัน ตัวอย่างไม่ได้รับการยืนยันคำแนะนำในการบูรณาการ
เวลาแฝง ต้นทุน ความยาวบริบท ความน่าเชื่อถือของการเรียกใช้เครื่องมือ - เราเปรียบเทียบสามสิ่งหลักในสถานการณ์จริงของ 6
เราดูแลกลุ่มผลิตภัณฑ์ชายแดนชั้นนำสามกลุ่มผ่านสถานการณ์จำลองการผลิตหกรูปแบบบนการแจ้งเตือนที่เหมือนกัน อุณหภูมิเดียวกัน ในวันเดียวกัน และกำหนดเส้นทางผ่านเกตเวย์เดียวกัน นี่คือสิ่งที่แยกพวกเขาออกจากกัน
สถานการณ์ต่างๆ
- รีแฟคเตอร์โค้ดหลายไฟล์พร้อมโทเค็นบริบท 180k
- การแยกโครงสร้างจากใบแจ้งหนี้ที่ยุ่งวุ่นวายไปเป็นสคีมา JSON ที่เข้มงวด
- ฝ่ายสนับสนุนลูกค้าตอบกลับโดยมีข้อจำกัดด้านโทนเสียงและการเรียกเครื่องมือ
- การสรุปเอกสารขนาดยาวที่โทเค็น 600k
- ลูปเอเจนต์การเรียกแบบลูกโซ่ของเครื่องมือ ลึกแปดขั้น
- การร่างแบบยาวอย่างสร้างสรรค์พร้อมคำแนะนำสไตล์
สิ่งที่เราค้นพบ
ความน่าเชื่อถือของการเรียกเครื่องมือถือเป็นช่องว่างที่กว้างที่สุด ในเอเจนต์ลูปแปดขั้นตอน โมเดลที่ดีที่สุดเสร็จสิ้นการรัน 94% โดยไม่มีการเรียกที่มีรูปแบบไม่ถูกต้อง ที่แย่ที่สุดคือที่ 71% สำหรับรุ่นเลี้ยวเดียวธรรมดา ทั้งสามตระกูลจะอยู่ห่างจากกันเพียงไม่กี่จุด และตัวเลือกควรขึ้นอยู่กับราคาและเวลาแฝง
หากปริมาณงานของคุณเป็นแบบพร้อมท์เดียว คำตอบเดียว ให้เลือกต้นทุน หากเป็นแบบเอเจนต์ ให้เลือกความน่าเชื่อถือของการเรียกเครื่องมือและยอมรับราคา การลองใหม่จะมีราคาแพงกว่ารุ่นที่ดีกว่า
นโยบายการกำหนดเส้นทางเริ่มต้น
{
"routes": [
{ "match": "tools:true", "model": "claude-sonnet-4-5" },
{ "match": "context>400000", "model": "gemini-2.5-pro" },
{ "match": "latency<300ms", "model": "qwen-3.8-flash" },
{ "default": "gpt-5" }
]
}
เริ่มต้นที่นั่น จากนั้นปล่อยให้ตัววัดคุณภาพต่อเส้นทางของเกตเวย์บอกคุณว่าควรเบี่ยงเบนไปที่ใด ประเมินใหม่ทุกไตรมาส — คำสั่งซื้อมีการเปลี่ยนแปลงสองครั้งในปีที่แล้ว