Reasoning (low/medium/high/xhigh/ultra/max...) 如何选择？

我之前一直都是顶着 max/ultra 跑，现在模型越来越贵，一个月花了几百美金实在是不够用，开始要审视模型的 token 消耗了

我看了下
https://artificialanalysis.ai/agents/coding-agents?agents=codex-gpt-5-6-sol-max%2Ccodex-gpt-5-6-sol-high%2Ccodex-gpt-5-6-sol-low%2Ccodex-gpt-5-6-sol-medium%2Ccodex-gpt-5-6-sol-none%2Ccodex-gpt-5-6-sol-xhigh%2Cclaude-code-opus-5-high%2Cclaude-code-opus-5-low%2Cclaude-code-opus-5-max%2Cclaude-code-opus-5-medium%2Cclaude-code-opus-5-xhigh%2Cgrok-build-grok-4-5-high%2Cclaude-code-glm-5-2&coding-agents-token-usage-chart=token-usage

其实这些模型的 Artificial Analysis Coding Agent Index 差别不大，
但是 Token Usage 差异巨大，导致最终的成本差异也巨大

https://i.imgur.com/TOMmYvP.png

https://i.imgur.com/EY0cfYX.png

https://i.imgur.com/LotPrzn.png

所以，请问各位大佬，平时 vibecoding ，一般在推理上怎么做选择，到底差异大不大，我自己体感是差异没那么大，难道做 plan 先用强模型，执行用稍微弱一点的？