选 medium 是大多数任务下速度与质量最稳的平衡点，它用单智能体完成拆解、提取、校验三步，适合技术文档、会议纪要、中等代码调试等场景，准确率比 low 高 7%，成本仅增 $0.72、延时多 1.5 秒。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
直接说结论：选 Medium（中等） 是大多数任务下速度与质量最稳的平衡点。它不是“折中妥协”，而是官方设计里专为日常复杂度优化的档位——思考足够深，但不卡顿；验证够认真，但不拖沓。
Medium 为什么是默认首选
它用单智能体完成问题拆解、关键信息提取、基础逻辑校验三步，不启动多路径探索，也不跳过中间验证。适合写技术文档、分析会议纪要、调试中等复杂度代码、梳理产品需求等真实工作流。实测数据显示，相比 Low，它的 Terminal-Bench 4.0 准确率提升 7 个百分点，而单任务成本只增加约 $0.72，等待时间仅多 1.5 秒。
- 输出 Token 约 10k，其中推理 Token 占比约 30%，说明资源分配合理
- 不触发长链自检，避免 High 档位常见的 37 秒起步等待
- 对模糊提问有一定容错，不会像 Low 那样直接按字面作答
什么时候该升到 High 或降回 Low
升档不是因为“想更准”，而是任务本身出现了明确的推理压力信号：
- 需要跨多个文件/上下文做一致性判断（比如对比三份合同条款差异）
- 涉及条件分支或边界情况（如“如果用户余额不足且处于灰度期，应如何响应？”）
- 你已经用 Medium 得到答案，但发现某处推导跳跃、缺少依据
降档则适用于已知结构清晰、无歧义的任务：
- 把一段话改写成更简洁版本
- 从日志里提取固定格式字段（如时间、IP、状态码）
- 生成标准 API 文档片段或单元测试模板
别踩的两个典型误区
误区一：看到“Ultra”就以为是最高档 API 参数
Ultra 是客户端侧的多智能体模式，和 API 的 reasoning.effort 参数无关。你在代码里填 reasoning.effort="ultra" 会报错。真正可用的值只有 low / medium / high / xhigh / max。
误区二：调高推理档位就能补救糟糕的 Prompt
再高的档位也无法修复缺失的关键约束。比如问“帮我写个登录接口”，没说语言、框架、是否要鉴权，High 档位只会生成更长的错误假设，而不是自动猜对。先写清需求，再选档位。
一个快速试错法
面对新任务，按这个顺序跑三轮：
- 第一轮用 Medium，看结果是否可直接用或只需微调
- 第二轮若发现问题，改用 High，重点观察它新增了哪些验证步骤或反问
- 第三轮若 Medium 已达标，回头用 Low 测试——有时低档位反而更干净利落
这样既不浪费额度，又能摸清任务的真实推理水位。
