Agent账单居高不下，换便宜模型却只省四分之一？单价差15倍，账单却只降4.5倍。问题不在模型价格，而在任务结构：重复计费、冗长上下文、重试成本才是大头。本文拆解八步任务成本算法，教你从任务设计入手，真正省钱。

最近我把一个Agent的模型换掉了。

原来是当时第一梯队模型，输入15元、输出60元每百万token。更换后的便宜许多，输入1元，输出4元。

单价差15倍。

因此希望账单会掉一个数量级。下个月对出来，只降到原来的四分之一多一点。

差掉的那十几倍去了哪？经过对比，这几天我有了暴论。

单价只决定基数，任务结构是核心倍数。要省钱，只能动任务设计，大头不在模型价格。

下面把一个八步的Agent任务价格算法，参数都列出来，可以自行带入计算。

怎么看Agent花销分布？

Agent的账单不是单价X用量，中间隔着一个任务结构。

而这三件事在放大我们平时用Agent的成本。

1. 被忽略的输入单价

输出的单价比输入贵，通常是三到五倍。输出要逐token生成，开销远高于输入编码。

所以比价的时候，大家都盯着输出价看。

但Agent任务里，输入的token量往往是输出的十几倍。系统提示、工具定义、检索来的资料、前面所有轮的对话，全在输入侧。

单价高的那项用量小，用量大的那项单价低。谁占大头，需要按照任务结构计算。

2. 冗长的上下文窗口

十轮对话不是十次独立计费。第二轮要把第一轮的内容重新交一遍钱，第三轮要把前两轮重新交一遍，往后每一轮都在替前面所有轮重复付费。

所以轮数翻倍，账单不是翻倍，是翻好几倍。

如果某一步调了检索工具，捞回两万token的资料，这两万在后面每一轮都要重新交一次钱。

3. 重试是全价重算的

能力弱的模型不是做得差一点，是做不对要重来。重来一次，上面两项原样再付一遍。

Artificial Analysis有组数据能说明这件事的分量。

比较跑完同一套评测集要花多少钱时，DeepSeek V4-Flash约0.03，Kimi K3是0.86，GPT-5.6 Sol是1.86，Claude Fable 5是3.15。

他们证明一件事：单价便宜的模型，如果要多走几步才做对，账单未必低。

同一份榜单上，V4-Flash的智能指数是50，Claude和GPT高出至少9分。这9分在单轮问答里感觉不到，在十几步的长任务里会变成重试率的差距。

这三项支出，全都由任务结构决定。

举例看Agent账单

场景是一个协作SaaS功能，叫《需求文档助手》。客户公司的产品经理丢进一句话背景，Agent生成一份PRD初稿。

它会先读客户自己空间里的历史文档，学到这家公司的章节顺序、惯用词和必填项，产出的稿子像这家公司撰写的，文档通常分为八步：解析需求列澄清问题，确认范围，调检索工具捞历史PRD，拆功能点，写主流程，写异常流程，对照必填项自检，按模板成文。

每轮输出分别是400、300、1500、1200、2000、1800、800、1600token，合计9600。

每轮都带的固定部分：系统提示和模板2000，需求背景500。

第3步的检索时，返回约20000token历史文档，从第4轮起每轮都带这份文档，累计逐轮叠加。

这样算下来，八轮的输入分别是2500、2900、3200、24700、25900、27900、29700、30500，总输入147300。

输入按15元每百万算，2.21元。输出9600按60元算，0.58元。合计2.79元。重试率按10%计，单次3.07元。

看这个拆解。

输入2.21元，输出0.58元，输入占了79%。

输出的单价是输入的四倍，最后只占两成。

再往里看一层。那20000token的历史文档，第4到第8轮带了五次，光这一项就是100000token，占总输入的68%。

你盯着比的是输出单价，掏钱的是输入用量，而且大头是同一批内容被反复计费。

换成便宜模型呢。

它走不完八步。上线后被迫加了六步：澄清质量差要追问一轮，功能点拆得太粗要细化，主流程漏了要补，异常流程一轮写不完拆成两轮，自检跑一遍不够跑两遍。十四步。

总输入约359000，总输出约16000。输入0.36元，输出0.06元，合计0.42元。重试率60%，单次0.68元。

3.07元：0.68元，单价差15倍，账单只差4.5倍。

摊到生意上更直观。日调用500次，一个月贵模型烧4.6万，便宜模型1.02万。这个功能月收入10万，毛利从90%掉到54%。

对一个SaaS来说，54%的毛利是无法正常运转的。

不换模型，怎么省钱

第一件回报最大：把重复的部分做成稳定前缀，让缓存接住。

上面那100000token的重复计费是纯浪费。同一批文档，一个字没变，交了五次钱。

缓存命中是单独计价的，降幅很大。

按输入价的一成保守算，这部分从1.5元降到0.15元，省下1.35元。单次成本从2.79掉到1.44，含重试1.58元。月成本2.37万，毛利回到76%。

没换模型，效果一点没降，毛利从54%回到76%。

前提是前缀要稳。检索结果的顺序、拼接方式、时间戳，任何一处每次都变，缓存就命不中。这是纯设计问题，不花一分钱。

第二件，砍步数。

判断标准是这一步的输出有没有被后面真正用到。自检类的步骤最容易冗余，跑两遍的收益通常小于它带来的那两轮全量上下文。 而这一步，考察的不是产品经理对Agent本身概念的了解，是对业务把握准确性，什么是必要性痛点，什么是可有可无的地方。

第三件，分级派活。

不是整个任务配一个模型。澄清、格式整理、模板填充这类配便宜的，拆功能点和写主流程这种配好的。标准是这一步的错误会不会往下传导，会传导的不要省。

第四件，给重试设上限。

同一个方案重试第三次还不成，继续重试的期望收益已经低于换方案。超了就升级到更好的模型跑一次，这笔账通常更划算。

计量方式的改变

这一趟下来，我改的其实不是成本，是记账方式。

成本的计量单位要从token换成任务。

按token记账，你只看得到单价，做出来的决策就是换模型。按任务记账，你看到的是步数、重试率、重复计费，这些才是能动的东西。

它会往前传导两步。

需求文档里要写单任务成本预算，跟定价一起定，别等上线后看账单。

埋点要埋在任务粒度上，记每个任务走了几步、重试几次、上下文峰值多少，而不是只统计调用次数。

这里有五个问题锦囊，可以用在任何Agent上评估效能

Agent单任务成本是多少？没人算过，就是没人负责。

输入和输出各占多少？输入超过七成的，可以去查查重复计费。

有没有内容在多轮里被重复带入？缓存命中率是多少？

重试率是多少？（这些数据必须准确记录）超过30%的，换模型比优化prompt快。

定价单位和成本单位对得上吗？

这些问题，让你的业务有迹可循。

数据来源与说明：

Artificial Analysis的cost-per-task对照与智能指数；