企业真正购买的不是 token，而是可验证、可采用、可进入工作流的 AI 产能。ACU Router 的第一步不是直接路由，而是先定义当前任务里“什么是好”。
先让客户定义本次任务的验收标准。可以勾选质量维度，也可以用自然语言描述“好结果”或粘贴过往优秀样例。
口径说明：模型分数是冻结能力曲线的预计值；输出区只做可见性、JSON 语法和已配置 Validator 检查。未配置独立 Validator 时，不宣称逐回答质量已达标。
系统综合任务难度、质量偏好与调用成本，从已审计的健康 Responses 执行池选择当前模型；曲线同时展示实际执行池与目录参考候选，清楚区分当前可执行供应和能力曲线参考。
完成一次请求后显示推荐原因。
口径：预计得分来自任务难度 Judge、冻结能力曲线与不确定性调整，不是本次回答的实测评分；预计综合成本包含模型调用、Judge 与预期 fallback 风险成本。
反馈将用于持续校准模型选择。
| 时间 | 任务类型 | 质量偏好 | ACU模型 | ACU Router价格 | 同 Token 旗舰对照价 | 净节省 | 质量状态 | Validator | 切换 | 延迟 |
|---|---|---|---|---|---|---|---|---|---|---|
| 暂无数据 | ||||||||||
| 模型 | 上游 | 目录输入 $/1M | 目录输出 $/1M | Context | 标签 |
|---|---|---|---|---|---|
| 正在加载模型列表… | |||||
目录价用于全局比较；本次 ACU 与固定 Opus 基准的计费均以当次 plan/trace 中的专用价格和上游 usage 为准。