難度等級
工作、子工作或錯誤可以帶有一個 難度：它表示這項工作需要多少推理，而不是它有多少工作量。故事點數和預估工時衡量的是規模。難度說明的是把這項工作做對有多難，因此一處只有一行的鎖順序改動可以是 high，而一次大規模的機械式重新命名則是 trivial。
Motir 會在交給你的代理程式的提示中寫明工作項目的難度。Motir 不會替你選擇模型：請根據下面的等級，決定每個工作項目用哪個模型執行。史詩和使用者故事不帶難度。
四個等級
trivial——機械性的工作，規格明確，不需要任何判斷。這項改動已由工作項目完整描述。例如：重新命名、文案修改、切換一個設定、升級一個版本號。low——遵循程式碼庫中已有模式的常規工作。需要做一些閱讀，但一旦找到，正確答案就很清楚。例如：透過現有表單增加一個新欄位、與相鄰端點形態一致的端點、有明確重現步驟且範圍受限的錯誤。medium——有真實設計抉擇的工作：涉及多個檔案或服務、需要權衡取捨，或者規格留有解釋空間。例如：橫跨 API 與介面的功能、有呼叫方需要遷移的重構、原因尚未查明的錯誤。high——細微的失誤代價高昂的工作：並行、安全、資料遷移、身份認證，或者沒有先例可循的設計。例如：鎖順序、權限模型的變更、對正式環境資料的模式遷移、一個新的子系統。
未設定難度時，把該工作項目當作 medium 對待。未設定意味著還沒有人判斷過它，這並不是把它交給最便宜模型的理由。
每個等級的建議模型
每個等級按順序列出候選模型。選擇你的專案被允許使用的第一個。表格顯示每個模型每百萬 token 的價格（輸入 / 輸出）、它在兩項編碼基準上的得分，以及在 SWE-rebench 上完成一個任務的成本。該基準使用模型不可能訓練過的全新任務，因此它的單任務成本，是最接近你的某個子工作實際成本的公開數字。
trivial · 每個任務約 $0.05–0.15
| 模型 | 每百萬 token 價格 | SWE-bench Pro | SWE-rebench | 每個工作的成本 |
|---|---|---|---|---|
| DeepSeek V4 Pro | $0.435 / $0.87 | 55.4 | 40.2 | $0.15 |
| GPT-5.6 Luna | $0.20 / $1.20 | 62.7 | 43.6 | $0.11 |
| DeepSeek V4 Flash | $0.14 / $0.28 | 52.6 | — | ≈ $0.05 (V4 Pro, 按價格折算) |
low · 每個任務約 $0.85–1.45
| 模型 | 每百萬 token 價格 | SWE-bench Pro | SWE-rebench | 每個工作的成本 |
|---|---|---|---|---|
| GPT-5.6 Sol | $2 / $10 | 64.6 | 62.3 | $0.85 |
| GLM-5.2 | $0.65 / $2.04 | 62.1 | 62.9 | $1.40 |
| Claude Sonnet 5 | $2 / $10 | 63.2 | 56.8 | $1.43 |
medium · 每個任務約 $2.80–3.50
| 模型 | 每百萬 token 價格 | SWE-bench Pro | SWE-rebench | 每個工作的成本 |
|---|---|---|---|---|
| Claude Opus 5.5 | $4 / $20 | 89.9 | — | ≈ $2.80 (Opus 5, 按價格折算) |
| Claude Opus 5 | $5 / $25 | 79.2 | 63.4 | $3.47 |
high · 每個任務約 $4.40 起
| 模型 | 每百萬 token 價格 | SWE-bench Pro | SWE-rebench | 每個工作的成本 |
|---|---|---|---|---|
| Claude Fable 5.1 | $10 / $50 | 81.2 | — | ≈ $4.40 (Fable 5, 同價) |
| GPT-6 Astra | $10 / $50 | — | — | — |
標有 ≈ 的成本沒有實測過。它取同一系列中已實測的模型，並按 token 價格之差折算。破折號表示目前還沒有公開的得分或成本。
如何看這些數字
- 兩項基準互相不一致，所以哪一項都不能單獨決定。 SWE-bench Pro 覆蓋的模型更多，但據知其公開任務中約有 30% 是有錯誤的。SWE-rebench 更難被刷分，這也是 DeepSeek V4 Pro 和 GPT-5.6 Luna 位於
trivial的原因：它們在其全新任務上的得分都低了 15 到 19 分。 - 比較完成一個任務的成本，而不是每個 token 的價格。 一個更便宜但失敗後必須重新執行的模型，比一個第一次就成功的更強模型花得更多。GPT-5.6 Sol 和 Claude Sonnet 5 每個 token 的價格相同，但 Sol 完成了更多任務，單任務成本也更低。
- 執行失敗時上調一個等級。 如果某個工作項目的檢查失敗或審查被拒絕，就在高一個等級的模型上重新執行它，而不是在原來的模型上。
- 確認你的資料可能流向哪裡。 並非每個供應商都能用於每個專案。各供應商如何對待傳送給它的內容，見模型供應商。
這些內容有多新
本頁的價格和得分讀取於 2026年9月23日。token 價格來自 Motir 的模型閘道器，閘道器從 OpenRouter 更新它們；Claude Opus 5.5 是直接從 OpenRouter 新增的，因為它在閘道器上次更新之後才釋出。模型每隔幾個月就會變化，所以請把候選模型當作起點，保留那些真正能完成你自己工作項目的。