核心用法
GLM Autoroute 是一套针对 ZAI 平台 GLM 系列模型的二进制路由策略，通过任务复杂度自动或手动选择 GLM-4.7-FlashX（轻量默认）或 GLM-5（重型推理）模型。
路由规则
| 维度 | FlashX (默认) | GLM-5 (显式升级) |
|------|--------------|-----------------|
| **任务类型** | 简单问答、文件查找、状态检查、格式化、闲聊 | 编码开发、调试分析、多步推理、深度调研、架构决策 |
| **输出要求** | 简洁直接，无需解释 | 详细推导，完整论证 |
| **触发方式** | 默认自动使用 | `sessions_spawn` 显式调用 |
显式调用 GLM-5
sessions_spawn({
task: "任务描述",
model: "zai/glm-5",
label: "任务标签"
})显著优点
1. 成本效率：避免对所有请求使用大模型，显著降低 token 消耗与延迟
2. 响应速度：简单任务由 FlashX 即时响应，无需等待重型模型加载
3. 质量分级：明确区分"够用即可"与"必须精确"的场景，减少过度生成
4. 可审计性：强制标注使用的模型，便于后续成本追踪与效果复盘
潜在局限
1. 判断门槛依赖经验："是否属于复杂任务"需调用方自我评估，存在误判风险
2. 二进制割裂：仅有两级路由，缺乏中等复杂度任务的中间层（如 GLM-4 级）
3. 手动降级缺失：策略仅支持"升级"到 GLM-5，未涉及任务完成后主动降级逻辑
4. 标签系统薄弱：label 字段无强制规范，不利于大规模任务追踪
适合人群
- 高频使用 ZAI GLM API 的开发者与自动化工作流构建者
- 需要精细控制模型成本的企业级应用场景
- 对"简单任务快响应、复杂任务深思考"有明确分层需求的团队
常规风险
- 过度升级：保守策略下可能频繁落入"When in doubt → GLM-5"，削弱成本优势
- 降级遗漏：GLM-5 子任务完成后若未正确清理上下文，可能导致后续简单任务仍在大模型上运行
- 编码误判：策略明确"Coding = always GLM-5"，但某些代码相关查询（如语法速查）理论上可用 FlashX，存在优化空间