Show HN：一个在不牺牲 benchmark 分数前提下优化 AI 模型成本的工具

Jeffery Kline 发布交互页面，用数据包络分析（DEA）按每 1000 个 benchmark 任务的 API 成本为各模型和模型组合排序，找出在每个 benchmark 上得分不低于当前选择的最低成本方案。单模型任务采用 FDH 变体，因偏好评分无法平均而不做混合。页面成本为 benchmark 估算，不含延迟、配额与切换等部署开销，作者建议在自己的任务上验证替代方案。