BTC et ETH connaissent des fluctuations fréquentes du marché.

J'ai découvert quelque chose : pour un même problème d'analyse de marché, deux analyses successives avec l'IA donnaient des résultats incohérents.
En vérifiant les journaux d'appels, j'ai découvert que le problème venait de moi.
Auparavant, j'acheminais toutes les demandes via le modèle le plus puissant, pour gagner du temps et pour plus de stabilité.
Cela a entraîné une augmentation de la latence en période de haute fréquence, une baisse de la stabilité de sortie, et une augmentation évidente des coûts d'appel.
Des modèles puissants comme GPT et Gemini ont un coût quotidien non négligeable pour les appels fréquents, et parfois les revenus ne couvrent même pas les coûts.
J'ai changé la logique pour une structure en couches : les problèmes simples utilisent des modèles légers, les problèmes complexes utilisent des modèles puissants.
Maintenir manuellement cette règle de distribution des flux consomme beaucoup d'énergie, et le temps de débogage dépasse celui du trading lui-même.
J'ai commencé à utiliser un point d'entrée de modèle unifié, permettant au système de distribuer automatiquement les flux selon la complexité des tâches.
Le GateRouter lancé par Gate peut appeler tous les modèles via une seule API, c'est une structure de routage multi-modèles qui sélectionne automatiquement le modèle le plus approprié selon les besoins.
Les résultats sont plus stables, la latence a diminué, et le coût global a baissé de manière significative.
Se torturer pour choisir un modèle,
c'est mieux de laisser le système effectuer automatiquement la sélection du modèle.