低估了luna max，之前做的codex自动选模型skill又要返工了

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

• 我的帖子已经打上 开源推广 标签： 是


• 我的开源项目完整开源，无未开源部分： 是


• 我的开源项目已链接认可 LINUX DO 社区： 是


• 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是


• 以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

前天luna降价80%，我才认真看了一遍luna的cursorbench和chatbench数据，发现terra才是最大输家^-^

比如chatbench agent-task里，luna max的分数超过了terra max和glm-5.2 max；cursorbench基于大量真实coding任务，luna max的正确率甚至高于codex默认的sol medium。

成本差距就更夸张了，luna基本是断崖式领先。能与之一战的也就deepseek v4 flash，但luna是多模态模型。

之前做了个skill：$codex-auto-model-router，根据任务难度自动拆分子任务选择模型，并且并发执行。

一开始是让sol设计了方案，luna low分给机械、重复的小任务。即使这样还是容易出错，比不过写个脚本来重复，我当时把问题归结为luna能力不够。

单看测评数据，luna high其实已经有不错的正确率，而且tokens和steps明显少于max，理论上速度和成本都会更好。我自己常用的iOS开发和数据整理的workflow也都设计了几个对比测试，都能够降本增效提速。

又调整一波路由和并发的逻辑：

当然，benchmark不等于真实开发体验，我还会继续用实际任务测试不同档位。

项目地址：

欢迎大家分享一下luna high/max的实际体验，尤其想知道它在哪些任务上最容易翻车。