OpenClaw多模型混合调度方案

方案背景

不同任务适合不同模型。简单任务用小模型降成本，复杂任务用大模型保质量。多模型调度优化性价比。

调度策略

策略：任务分类->模型匹配。简单问答用Qwen-7B、代码生成用DeepSeek-Coder、复杂推理用GPT-4。

技术实现

实现：ModelRouter Skill根据任务类型选择模型。配置模型池和路由规则。支持动态切换和fallback。

成本优化

优化：70%请求用小模型（成本低）、25%用中等模型、5%用大模型。整体成本降低60%以上。