混合推理模式的关键设计点有三个：一是路由策略（基于输入长度、任务类型和网络状态判断请求走端侧还是云端）；二是降级方案（网络不可用或云端超时时端侧模型给出可接受的次优结果而非直接报错）；三是一致性（端侧与云端模型版本需要协同更新）。