在 Rivya 里，最容易浪费积分的方式，就是因为模型名字眼熟就先选它。
更稳的做法，是先判断这次任务到底是什么、当前到了哪个阶段、输入是从什么开始，以及首次运行最不能先错什么。如果你更想先看目录结构本身，继续读 模型 会更合适；这篇更像建立在模型目录之上的决策页。
先看任务
在比较具体模型之前，先把第一条边界问题想清楚：
- 这到底是不是对话任务？
- 是不是静态图片任务？
- 是不是视频任务？
- 是不是语音或音频任务？
- 还是一个更窄的工具型问题？
这个问题听起来很基础，但它往往已经做完了大半选型工作。在 Rivya 里，很多错误选择其实发生在“模型页还没打开之前”。如果连输出类型本身都还没清楚，第一步通常更该去 对话，而不是直接开模型对比。
先问 4 个问题
在 Rivya 里，多数靠谱的模型选择，来自更早的 4 个判断：
- 这次运行到底要产出什么？
- 我现在是在探索、控制，还是精修？
- 这次是从纯提示词开始，还是从参考文件、上传素材、已有媒体开始？
- 第一优先级到底是速度、完成度，还是低风险学习？
这 4 个问题，通常比品牌熟悉度更快帮你缩小范围。
例如：
- 一次纯提示词探索，和一次重参考图、重控制感的运行，根本不是同一类任务
- 一次低成本试方向，和一次高规格成品交付，也不是同一类任务
- 一条旁白、一段对白、一条音频清理任务和一条音乐优先任务，更不该被当成同一种音频决策
按阶段选模型
Rivya 里一个特别常见的错误是：项目阶段已经变了，但模型还停在上一阶段。
任务通常会经历这几种状态：
- 先把 brief 说清楚
- 先快速试几个方向
- 再进入更受控的一轮
- 最后才为更高完成度买单
也就是说，即使项目主题没变，适合的模型也可能已经变了。
很常见的情况包括：
- 需求还不稳定时，先走对话工作流
- 还在学习和试方向时，先走更宽、更低风险的图片或视频路径
- 方向一旦已经成立，再切到控制更强或成片感更高的模型
- 音频任务要按任务形状分支，而不是因为都叫“audio”就混在一起
适合前期探索的模型，可能不适合最后出稿。适合最后出稿的模型，也可能根本不是前期学习最省钱的地方。
像花积分一样读模型页
Rivya 模型页里，最有价值的字段，是那些能直接回答“这次运行形状到底合不合适”的信息。
通常最该先看的是：
- 核心优势
- 支持模式
- 参考支持或上传形状
- 是否可直接生成
- 积分提示
- 有示例输出和 FAQ 时，再看示例输出和 FAQ
所以模型品牌名本身远远不够。如果支持模式、输入形状或参考上限和你当前任务对不上，品牌名的作用就没你想的那么大。
如果你想先把这些字段背后的共用词搞清楚，最值得搭配看的是 Rivya 术语表 和 Rivya 的模型字段与参数。
Rivya 选型路径
在当前产品里，下面这条路径通常最省事：
- 先从 AI 模型目录 或者 /image、/video、/audio 这类 surface hub 开始
- 再打开一两个已经符合输出类型的候选
- 比较核心优势、支持模式、参考支持和积分提示
- 再进入对应的 Create 或 Studio 路径
- 首次运行结果出来后，如果项目阶段已经变了，就切模型
最后这一步，比很多人想象中更重要。很多不必要的消耗，都是从“因为它已经出过一次结果，所以我继续用它”开始的。
何时看更窄页面
下面这些情况，不适合继续停在这篇：
- 你现在更需要字段定义，而不是选型判断
- 上传和参考文件才是真正的主要约束
- 你已经知道自己在做哪类任务，只需要更窄的模型对比
- 你现在已经进入某个具体家族对某个具体家族的问题
这时候更窄的页面会更快：
接下来最适合看什么
- 如果你要看目录和字段参考，继续读 模型 和 Rivya 的模型字段与参数。
- 如果上传和参考文件才是主要约束，继续读 Rivya 里的参考文件与上传。
- 如果你下一步更关心第一次会话该怎么跑，继续读 如何在 Rivya 跑通第一条真实任务。
- 如果你下一步更关心该选哪条 surface，继续读 Rivya 的图片工作流、Rivya 的视频工作流 和 Rivya 的音频工作流。
- 如果你已经知道自己在做哪类任务，更窄的对比页通常会比继续停在这种广义选型页更快。
用一条 brief 比较
当两个模型看起来都合理时，不要把它们变成两组完全不同的实验。先用同一条控制 brief 比较。
先写清：
- 准确任务
- 起始输入
- 输出格式
- 最不能失败的约束
- 你能接受的积分区间
- 一轮之后，什么情况会让你换模型
这样模型选择才会变成可控决策，而不是在比谁名气更大。
换模型前先复核适配度
换模型前，先判断真正失败在哪里：
- 输入模式不对
- 参考图处理弱
- 运动或结构不行
- 完成度不够
- 当前阶段成本过高
- brief 太模糊，任何模型都很难答好
如果失败点在 brief，先改 brief。如果失败点在模型适配度，就切到优势更能覆盖这个失败点的模型。这个纪律，能防止模型探索变成昂贵的猜测。
