如果你正在做AI编程助手——IDE插件、代码审查机器人、或者内部用的改码工具——大概率卡在同一个问题上：模型太多，不知道选哪个。选贵的怕烧钱，选便宜的怕效果拉胯。
这篇讲两件事：怎么按任务分层选模型，以及 deepseek-reasoner 在编程场景到底值不值得用。
代码补全（几行内、要求几十毫秒响应）交给轻量模型，比如 Qwen2.5-Coder、deepseek-chat 这类，延迟低、单价便宜。跨文件重构、读报错栈、写单元测试这种"需要想一步"的活，再交给推理模型。用一个模型包打天下，要么慢，要么贵。
选型时先确认三件事：支不支持 function calling、上下文窗口多大、思维链 token 怎么计费。deepseek-reasoner 早期版本是不支持工具调用的，只有 chat 系列支持。如果你的助手要读文件、跑命令、调 linter，链路里就必须留一个能调工具的模型兜底。具体支持情况以官方文档为准，这块迭代很快。
这是最容易踩的坑。推理模型会把思维链算进输出 token，一次回答实际消耗可能是普通模型的 2-3 倍。只比较输入输出单价，会严重低估账单。
DeepSeek 的 context caching，命中缓存的输入价格大约是未命中的四分之一。固定系统提示词 + 项目背景放在前缀，命中率能上去不少。
举个实际任务：解释报错并给出修复方案，输入 3k token（
如果你也想试试一个Key调多个模型的方便，可以看看充站——¥50起步，额度永久有效，用支付宝/微信就能付款。