本文介绍如何选择Claude模型。建议默认从最智能模型开始，用努力级别调节性能与成本。模型分四类：Mythos/Fable最强，适合复杂任务；Opus适合推理密集型工作；Sonnet平衡性能与成本；Haiku最快最便宜。选择时需考虑任务难度、延迟需求、访问限制和单位经济性。建议用自定义评估而非标准基准测试，并可采用顾问策略让低成本模型调用高智能模型提升效率。

AutoLLMBench旨在通过AI自动化维护基准排行榜，解决数据提取和格式不一致的问题。该系统利用LLM进行数据提取和模型分类，实现高效的数据处理与验证。尽管面临多样化的数据格式和AI输出质量的挑战，项目展示了AI在自动化中的潜力与局限性。

前几天我因感冒请假，开会后发现项目距离完成还有差距。与网友交流了解到AI服务的分工，模型分类后再交给其他模型处理，类似于《黑客帝国》的设定，体现了个体决策的合并。