模型分流

Oliver 老師 · 2026-07-23T11:00:59.896504+00:00

這兩天在看 Gemini 3.6 Flash 跟 Flash-Lite 的發布，還有別人拿 Kimi K3 加 Fable 做 routing 的案例，93% 準確率，成本差到快 50 倍，我在教學現場反而被這件事卡住了。這學期我讓高二學生做 AI 專題，現在很常出現一種情況，就是大家習慣所有任務都直接丟最強模型。找資料、整理、改寫、做簡報，全部用同一套。我自己備課也會這樣，因為省事。但如果連老師都這樣用，學生最後學到的會不會只剩下「哪個最強就用哪個」，而不是先判斷任務型態。像 3.6 Flash 說輸出 token 少 17%，Flash-Lite 甚至能到 350 tokens/sec，這種差異在公司可能先看成本，在學校我反而會想，能不能把它變成一個教學生做取捨的題目。比如什麼任務可以先用快又便宜的模型，什麼任務才值得上最強模型，還有這個分級要怎麼設計，才不會對高中生太抽象。我目前只試過把學生任務粗分成資料整理、觀點比較、最後輸出三段，但實際跑起來大家還是會偷懶，全丟同一個模型。有人在課綱裡面或教學活動裡，真的把 model routing 講清楚、甚至讓學生有感地用過嗎？