Claude Code 模型路由器实测：成本降 82%，代价是 2 个测试

每次开启 Claude Code 会话，大多数人都习惯锁定一个模型包办所有任务——规划迁移、写测试、总结文件、润色 README。问题在于，每一次请求都按这个模型的单价计费，而在简单任务上，昂贵的模型并不会换来更好的结果。

为了把这个浪费量化，larebelion 团队构建了开源项目 Rebel Router（MIT 协议）——一个运行在本地的代理，能够为每一次请求挑选最合适的模型，并跑了一组自建基准测试。结果是：成本下降 82%，但代价是丢掉了 2 个 Opus 能通过的测试任务。

它到底是什么

Rebel Router 以本地代理（127.0.0.1:8787）的形式，运行在编码 Agent 与模型供应商之间。Claude Code（Anthropic Messages 格式）和 OpenCode（OpenAI Chat 格式）的请求都先经过它，再分发给 Anthropic、OpenAI、xAI、Gemini、DeepSeek^广告 或本地 Ollama 模型，所有记录落入 SQLite 账本，供仪表盘与 CSV 导出使用。

整个系统由三部分组成：

• Broker（经纪人）：一份模型目录，记录每个模型的价格、速度、上下文长度，以及按任务类别打的质量分，为每次请求排出前三名候选。
• Router（路由器）：分类器加代理本体，负责在 Anthropic 与 OpenAI 格式之间翻译（包括流式输出和工具调用）。
• FinOps（财务运维）：按天和按项目设定预算，并为每个请求记一笔成本账。

供应商覆盖 Anthropic、OpenAI、xAI（Grok）、Google Gemini、DeepSeek 和本地 Ollama。你可以自带各家 API Key，也可以用一个 OpenCode Zen 的 Key，通过单一端点触达 GPT、Grok、DeepSeek、GLM、Qwen 和 Kimi。

FinOps（财务运维） 是 Financial Operations 的缩写，源自云计算领域，指将财务可见性和成本责任制引入工程实践的一套方法论。在传统云支出管理中，FinOps 强调实时监控、成本归因到团队/项目，以及在性能与开销之间做出数据驱动的权衡。Rebel Router 将这一理念移植到 LLM 调用层：每次 API 请求都被视为一笔可计量的云资源消耗，通过 SQLite 账本实现按天、按项目的成本归因，并通过预算阈值触发自动降级策略，使开发团队能像管理云账单一样管理模型推理成本。

它如何决定用哪个模型

路由决策分五步走，逻辑相当工程化：

第一步，分类。 每个请求被归入六个类别之一——orchestration（编排）、complex_code（复杂代码）、bulk_code（批量代码）、unit_tests（单元测试）、qa_automation（QA 自动化）、documentation（文档），并打一个 0 到 1 的复杂度分。如果配置了 VENICE_API_KEY，它会调用 Venice 的 JEV 决策模型（Beta 阶段）；一旦出错、答非所问或响应超过 800ms，就回退到本地规则。规则会看关键词（支持中英西多语）、近几轮用到的工具（Task、TodoWrite、Edit 等）、文件类型（.spec.ts、.md）、上下文大小以及 Claude Code 的请求类型。压缩和辅助调用一律甩给最便宜的文档类模型。

第二步，排名。 Broker 先剔除低于该类别质量下限的模型（遇到复杂任务或 opus 请求会抬高门槛，haiku 则放低），再按质量、价格（输入与输出以 3:1 混合计价）和速度加权，取前三名作为首选加两个后备。

第三步，预算控制。 用到预算的 80% 时偏向更便宜的模型；到 100% 时降级到最便宜的可接受模型，或直接返回 HTTP 402（onLimit: block）。

第四步，转发与记录。 Claude 对 Claude 的请求除了 model 字段原样放行，其余全部翻译；每个请求在账本里留一行：时间戳、项目、类别、供应商、模型、输入输出及缓存 token、成本、延迟，以及是哪个分类器、因何做出决策。

有一点要注意：没有任何 Claude Code 钩子能改掉会话模型。界面上始终显示 Claude Code 请求的那个模型，而路由器的状态栏才会告诉你实际应答的是谁。

文中提到的 Venice / JEV 决策模型 是 Venice.ai 提供的隐私优先推理平台上的一个 Beta 功能，JEV（Judgment & Evaluation）专门用于元决策任务——即让一个小模型来判断「这个请求应该交给哪个大模型处理」，而不是让大模型自己回答问题。这类「路由分类器」的核心挑战在于延迟：如果分类本身耗时过长，就会抵消路由带来的成本收益。Rebel Router 为此设置了 800ms 超时熔断，一旦 JEV 响应慢于该阈值就回退到本地规则引擎，保证路由决策本身不成为瓶颈。Venice 平台主打请求不被记录、不用于训练，这对需要将代码上下文发送给分类器的场景具有一定隐私意义。

安装与配置

上手路径很短，克隆仓库、npm install && npm link 把 rebel 挂到 PATH 上，复制 .env 填好供应商，然后 rebel start 启动。没有填 Key 的供应商会被跳过，Ollama 模型只有在本地拉取后才会启用。

接入 Claude Code 用 rebel init claude --global（全局生效）或不带 --global（仅当前项目）。它会备份你的设置并写入 ANTHROPIC_BASE_URL=http://127.0.0.1:8787，让主会话、子 Agent 和后台调用都走路由器，同时注入项目标识头以支持按项目预算。Claude 桌面应用是例外，它的网关要从 Developer → Configure Third-Party Inference 里设。

OpenCode 则执行 rebel init opencode，之后选择 rebel/auto，或用 rebel/auto:unit_tests 这样的写法把某类任务钉死到指定类别。你也可以在 prompt 里任意位置写 #rebel:tests、#rebel:docs、#rebel:plan 等标签，让路由器在本轮会话沿用该类别。

配置文件 rebel.yaml 支持排除供应商、为某类任务指定固定模型、设定别名（如让 opus 请求直通、haiku 自由路由），以及按天、按项目的预算和「某个项目永不离开本机」的 localOnly 开关。花费监控则有 rebel status、rebel spend、rebel export、rebel dashboard 等一系列命令，连 rebel classify "<prompt>" 都能预览一个 prompt 会被怎么分类。

基准测试：数字说话

这组基准由 12 个真实任务组成，每个类别两个，全部用确定性方式打分——隐藏测试、变异测试、故意写错的服务器和评分表，没有任何模型给另一个模型打分。测试于 2026 年 10 月 11 日跑完，覆盖 10 个模型，每任务一次尝试，总花费 1.78 美元，任务和原始结果均公开。

十个模型的成本与通过率对比中，几个数字很扎眼：gpt-6-luna 单任务成本仅 0.0010 美元、通过率 92%；claude-opus-5-5 单任务成本高达 0.0799 美元、通过率同样是 92%。换句话说，Luna 在这组任务上以约 1/80 的成本做到了和 Opus 相同的 11/12 通过。作者特意提醒：跑任务数不足 12 的行是部分运行，一两个任务上的 100% 别当真。

路由器 vs. 全程 Opus

真正值得关注的是「智能路由」对比「全程用 Opus」的直接较量：

• 成本：路由器方案 0.17 美元，全程 Opus 5.5 为 0.96 美元，便宜 82%。
• 质量：路由器通过 9/12（75%），Opus 通过 11/12（92%）。三个失手里，有两个单元测试任务和一个 QA 任务被路由器派给了 Claude Haiku 5.5，而它的回答超出了 8000 token 上限。
• 延迟：每任务平均耗时从 31.7 秒降到 19.5 秒。
• 分类器：不用 JEV、纯规则的分类器把 9/12 的任务归对了类。

结论很克制：Luna 能和 Opus 打平不代表它是 Opus 的替代品，它说明的是——大量日常任务根本用不上最贵的模型。

文中提到的 变异测试（Mutation Testing） 是一种衡量测试套件质量的方法：通过对源代码引入微小的人为错误（「变异体」，如将 > 改为 >=、删除一行逻辑），检验现有测试能否检测出这些变化。若测试未能「杀死」变异体，说明测试覆盖存在盲区。在这组基准中使用变异测试，意味着评分不只看模型能否写出「看起来正确」的测试代码，还要看这些测试是否真的有能力捕捉到细微的逻辑缺陷——这也解释了为何单元测试类任务是路由器最容易翻车的地方：Haiku 写出的测试可能形式上通过，但在变异测试环节暴露出覆盖不足的问题。

必须正视的局限

作者没有回避这套方案的边界，这也是文章最值得信赖的地方：

• 12 个任务、每个只跑一次，分类别的数字只能当参考，不是排行榜。
• 省下来的 82% 是以丢掉 2 个 Opus 本能解决的任务为代价的，而且都发生在测试和 QA 上。想保险，可以用 aliases.opus: passthrough 保留 Opus，或用 classModels 为某类任务钉死模型。
• Grok、Gemini Pro、Ollama 以及 Luna 之外的 GPT 模型都未纳入测试；JEV 也没测，基准用的是规则分类。
• Anthropic 官方并不支持把 Claude Code 路由到非 Claude 模型，能跑通，但翻译过程中会丢掉 Claude 独有的特性。
• JEV 和 Venice 的 Decisions API 都在 Beta，接口形态可能变化。
• 成本按目录里的官方标价（token 数乘单价）计算。

作者最后留下一句颇有分量的提醒：真正该盯着的是那个 75%。一个能省 82% 的路由器，只有在它跳过的测试恰好不是「本该给你报警的那些」时才值得。所以在把测试套件完全托付给它之前，头几周请盯紧账本。

写在最后

Rebel Router 的价值不在于某个模型多便宜，而在于它把「模型选择」这件被长期忽视的决策显性化、可度量化了。对于把 Claude Code 当日常生产力工具的团队来说，这种「按请求分配模型 + FinOps 账本」的思路，可能比盲目升级到最强模型更务实。但它也诚实地告诉你：便宜是有代价的，测试和 QA 是最容易出事的地方，不要无脑信任自动路由。