智能体换模型不再只看当前请求：带上会话历史，同等卸载率下通过率多3.3个百分点

多轮智能体里的模型路由不再被当作彼此独立的请求处理，而是被当作一个顺序决策问题：每一轮该用哪个模型，取决于此前各轮留下的会话与工作簿状态。 此前的路由器大多把每个请求看成独立输入，只根据当前请求判断难易；而智能体的一轮用户请求往往包含多次模型调用和工具调用，其难度由前面轮次产生的状态决定。 在SheetCopilot的多轮版本上，同等卸载率下带历史的路由器通过率28.3%，不带历史的同一路由器为25.0%，差距3.3个百分点，并且在三组候选模型对上每一对都为正。

路由器的信息集比决策规则更关键：看到会话历史后，路由器把哪些轮次交给便宜模型发生了变化，而不是把更多轮次交出去。 两种路由器交给便宜模型的轮次比例几乎相同，平均23.3%对22.7%，差别在于被卸载的是哪些轮次。 三组候选模型对的增益分别为Sol/Haiku 5.4个百分点、Sol/Luna 2.7个百分点、Opus高/低推理强度1.7个百分点，候选质量差距最大的那一对增益也最大。

切换模型不是免费的，代价来自提示缓存：换模型后新模型无法复用上一个模型缓存的对话轨迹，这段上下文要按未缓存输入重新计费。 同一模型连续处理相邻轮次时，下一轮可以复用系统与工具前缀以及该模型自己的对话轨迹缓存；切换后只能复用固定的系统与工具前缀。 闭式分析给出回本所需的调用次数，在所用价格下Sol/Luna与Sol/Haiku的向下切换约两次调用即可收回缓存代价，而向上切换每次约每百万token上下文4.9美元，是向下切换0.5美元的十倍，在评测条件下无法回本。

评测覆盖两个多轮电子表格基准：SheetCopilot含221个任务，其中保留112个含多个子任务的任务，平均2.88轮、最多七轮；SpreadsheetBench 2把221个端到端工作流转成多轮对话，平均4.76轮、最多六轮。候选模型对覆盖同一提供方内的模型大小差异、同一模型内的推理强度差异，以及跨提供方的模型差异，所有策略共用同一智能体运行时、系统提示、工具与执行上限。成本按2026年8月29日记录的价格计算，缓存输入按缓存价、其余输入按未缓存价计费。

会话平均接近三轮、轨迹最长七轮，更长的轨迹、彼此独立的任务以及跨工作表交互仍待研究。把标注好的子任务拆成顺序轮次只是对自然交互的近似，不能覆盖真实对话的全部多样性。两个基准在工作簿规模与领域上不同，因此它们之间的成本折扣对比是描述性的。固定模型基线被假定在任务内每一轮都保留不断增长的轨迹缓存，这一假设使路由策略的成本比较偏保守。