Low、High 与 Max：如何选择思考档位

不同供应商的档位标签没有统一标准

有的 API 提供显式的 reasoning effort 参数；有的则将 Max 等档位直接编码在模型 ID 中，而 effort 字段仍返回 default。这两种形态不能当作同一种控制开关。

因此，ModelDial 在实测配置中完整保留原始模型 ID、规范化名称、思考档位与接入路由，而不是把它们合并成单一品牌行。

在同一配置系列内逐级测试档位曲线

固定模型、接入路由和比较标准，先对比 Low 与 Medium，再对比 Medium 与 High。若同时更换了路由，就无法区分结果差异究竟来自思考档位还是传输链路。

• 同时检查综合分与各维度子轴明细；不变的总分背后可能隐藏着单项能力的涨跌。
• 比较成功完成任务的总评测耗时，而非仅看首 Token 响应时间。
• 缺乏多轮同标准观测时，微小的分差不足以证明稳定领先。

何时值得为更高档位付出额外时间

调高思考档位可能显著增加耗时，却未必改善你关心的任务；普通的批次波动也可能让相邻档位在单次评测中名次互换。因此，高档位是一项需要验证的假设，而非默认升级。

对于主力 Agent，保留能稳定通过质量门槛的最低档位即可；对于边界明确的子任务 Agent，应单独测试其所需的任务门槛，不必直接沿用主力配置。

记录可复现的完整配置参数

保存供应商、原始模型 ID、思考档位、服务等级、路由类型及评测时间。当端点或供应商配置变动后，仅凭一个“High”标签无法复现原先的表现。