第 83 章 模型与供应商选型：按镜头能力采购，不按排行榜采购#

模型选型不是寻找一个“最强模型”承包全剧。不同镜头对身份、动作、文字、镜头运动、口型、速度、成本和权利有不同要求。工程目标是建立能力路由，使每个任务落到经过验证的稳定区间，并能在供应商变化时安全迁移。

83.1 从任务风险建立选型基准#

先建任务分类，不先建供应商表。

《逆光收购》把镜头分为九类：单人静态近景、单人说话、双人反打、多人同框、道具接触、角色移动、环境建立、图形屏幕、特效合成。声音另分对白、长旁白、歌唱、音乐主题、音乐延展、拟音和降噪。

task_profile:
  id: video_two_person_prop_handoff
  required:
    identity_count: 2
    prop_state_transition: exact
    start_end_frame_control: true
    duration_s: 2_4
    commercial_rights: required
  preferred:
    camera_motion: subtle_push
    deterministic_seed: useful_not_required
  forbidden:
    generated_readable_contract_text: true
  acceptance_set: eval_handoff_v05

只有任务定义稳定，供应商结果才可比较。用同一段“美女总裁走进会议室”的提示测所有模型，只能比较审美第一印象，无法支持生产路由。

评测集必须来自真实风险。

选取 24 个代表镜头：主角正侧脸、说话、强背光、双人遮挡、文件交接、雨中移动、玻璃反射、手机屏幕和长镜头。每个样本有冻结输入、验收维度、人工黄金判断和失败标签。评测集分公开基准与项目私有集，后者防止团队只针对测试调参。

模型升级时运行相同输入，但不要求像素相同。比较叙事状态、身份、动作、可剪性、成本和耗时。新版本整体更漂亮却使文件交接通过率下降，不能全局替换。

83.2 从盲评结果形成模型路由#

供应商能力卡。

provider_capability:
  provider_id: provider_video_a
  model_version: model_2026_06
  validated_tasks:
    single_closeup: {pass_rate: 0.91, median_cost_usd: 3.2}
    two_person_handoff: {pass_rate: 0.58, median_cost_usd: 8.7}
    environment_motion: {pass_rate: 0.88, median_cost_usd: 2.9}
  unsupported: [exact_text, three_person_contact]
  operational:
    p95_latency_s: 168
    rate_limit: 20_per_minute
    idempotency: false
  rights_profile: rights_provider_a_2026_06
  last_validated_at: 2026-07-05

通过率必须写样本量和置信区间。只有三个样本全过不能写 100%。成本使用“批准秒成本”，不是单次调用价格。

盲评与成对比较。

评审界面隐藏供应商和参数，随机左右顺序。先判 blocker，再做成对偏好；不让综合美学分掩盖状态错误。身份、动作和事实为门槛，门槛内再比较表演、构图和质感。

至少两名评审独立判断，分歧进入仲裁。若一个模型总在视觉总监处得高分、连续性主管处失败，问题不是“谁更懂”，而是指标权重和使用场景不同。

路由策略。

低风险环境镜可走成本优先路由；主角近景走身份优先；文件交接先使用最稳定模型并自动生成保险覆盖；紧急补镜可走低延迟但需要额外人工闸门。路由器输出推荐和理由，不自行批准最终 take。

routing_decision:
  task_id: sh_e004_032
  selected_provider: provider_video_b
  policy: identity_first_closeup
  evidence: {identity_pass_rate: 0.94, latency_within_deadline: true}
  fallback_order: [provider_video_a, composite_still_motion]
  requires_human_gate: true

83.3 把商务条款纳入可用性设计#

供应商条款也是能力。

记录输入是否用于训练、输出商业权利、肖像与声音限制、数据地域、删除机制、保留期限、事故通知和条款版本。视觉能力通过但权利不适合项目的模型，路由结果仍为不可用。

条款变化触发影响分析：哪些未发布资产由该模型生成、是否需要重新授权、后续派生是否允许。不能把法务审查留到整季完成后。

迁移与降级。

每类任务至少准备一个叙事降级路线：视频模型不可用时用关键帧轻运动；精确口型失败时转反应镜与画外音；多人接触失败时拆分覆盖。降级声明牺牲什么，不应静默降低质量。

迁移先跑评测集，再做一场完整预演，最后小批量灰度。模型改变会影响提示、参考权重、时长、色彩和成本，不能只换 API 名称。

83.4 选型验收与委员会演练#

故障树。

排行榜高但项目失败：测试任务不代表真实镜头；调用便宜但总成本高：批准率低或人工修复高；升级后脸更稳但剪辑更难：运动和 handles 未纳入验收；备用模型无法接管：上下文与输出被供应商格式锁死；权利风险突然出现：条款版本没有进入依赖图。

SOP、检查表与交付物。

定义任务分类；建立私有评测集；运行盲评；计算批准秒成本；制作能力卡；加入权利与运营指标；写路由和降级；做迁移演练；每月或重大版本后重测。

• 选型样本来自项目真实风险。
• 门槛指标与审美偏好分开。
• 成本包含失败、人工和等待。
• 条款与模型版本一起锁定。
• 每个关键任务有可解释回退。

练习：比较三个候选服务在 12 个镜头任务上的表现，交付 task_taxonomy.yaml、evaluation_set/、provider_cards/、pairwise_results.csv、routing_policy.yaml、migration_report.md。

选型委员会演练。

让视觉、连续性、制片、法务和工程分别提交一票，但投票前必须写自己的否决条件。视觉可以偏好表演，连续性可因状态错误否决，法务可因用途条款阻断，制片关注批准秒成本，工程关注稳定性和可观测性。最终不是多数票，而是先通过所有硬门槛，再在可行方案中权衡。

演练中故意加入一个画面最漂亮、条款却禁止某类商业投放的供应商，以及一个单次价格最低、失败率却最高的供应商。若团队仍按印象选中，说明能力卡没有真正参与决策。会议纪要应保存被拒原因、适用任务和重新评估条件，避免三个月后换人又从头争论。

能力路由通过验收的证据，是同一批任务可根据规则重复得到可解释选择，且人工推翻时留下原因；不是路由器碰巧推荐了评委喜欢的模型。

验收结果还要由不参与采购的人复核原始样本与计算口径。