Dell Pro Precision工作站AI策略负责人Logan Lawler：智能体选模型实操——基准短名单、真实对比、留最便宜的
Dell Pro Precision工作站AI策略负责人Logan Lawler提出一套为智能体选择模型的实操方法：先用Artificial Analysis、Arena、Berkeley函数调用排行榜和SWE-bench等基准网站建立短名单，再在真实任务上跑两到三个模型的对比，按完成度、正确性、反馈需求和成本四个维度打分，保留最便宜的合格模型。日常步骤路由给小模型，前沿模型只留给真正需要的环节。LangChain测试NVIDIA NeMo Switchyard路由库时，145个智能体任务中仅7%的步骤需要前沿模型。
一个小型模型被要求安装一个工具，它回答：'你有大脑而我没有。'Dell Pro Precision工作站AI策略负责人Logan Lawler在博客中回忆了这个测试经历——工具链已经把安装所需的全部信息喂给了模型，模型却完全无法理解任务。这个轶事引出了他的核心判断：在智能体等于模型加工具链这个公式里，模型是大脑，而错误的大脑即使拥有一切必要条件也会失败。
他的方法分三步。第一步，从基准网站建短名单。他推荐四个：Artificial Analysis用独立测试比较质量、价格和速度，适合按预算筛选；Arena（原LMArena）让真人匿名对比两个模型的回答并投票，反映日常写作和问答中的实际偏好；Berkeley函数调用排行榜测试模型使用工具（搜索、文件访问等）的准确度——智能体通过工具完成工作，所以这个榜单对智能体场景最关键；SWE-bench测试模型能否修复开源软件中的真实bug，适合需要写代码的智能体。第二步，在真实任务上跑对比。Lawler建议用OpenRouter账号（一个账号访问多家提供商的模型）或LM Studio（在本地加载模型）各试一个前沿模型和一两个小模型，对同一条任务跑两到三遍。第三步，按四个维度打分：是否完成、是否正确、需要多少反馈、花了多少钱。保留最便宜的合格模型。
打分之后是路由。Lawler引用了一个具体数据：LangChain在145个智能体任务上测试NVIDIA NeMo Switchyard路由库，只有7%的步骤需要前沿模型。这意味着绝大多数日常步骤——调用工具、总结结果——可以由小模型完成。他的个人生产配置是：设计智能体和编写技能时用前沿模型（通过OpenRouter和Claude计划），因为那是'需要付费的硬思考'；技能建好之后，每天运行在DeepSeek V4 Flash上，部署在一台Dell Pro Precision GB10工作站上。
Lawler也划出了边界。如果对比测试显示只有前沿模型能把任务做对，或者任务属于最难的编码、推理或研究类型，就不要强行用开源模型。他的原话是：'别把开源模型逼进一场它目前还赢不了的比赛。'他还强调自己一直在测试，建议读者一个季度后再来问。
需要注意的语境：本文发布在Dell Technologies官方博客上，作者的工作职责是领导Dell Pro Precision工作站的AI策略，文中推荐的NVIDIA Nemotron系列模型、NeMo Switchyard路由库和Dell GB10工作站均与其商业利益直接相关。LangChain的7%数据来自其测试NVIDIA Switchyard路由库的结果，不是独立第三方评估。方法论本身——建短名单、跑对比、按四个维度打分、留最便宜的——是可迁移的，但具体工具推荐应视为带有厂商立场的建议。