# 同一个任务，凭什么你调模型的钱是别人的十倍？官方拆台：不是模型贵，是你从来没算过每通过一个任务多少钱 官方来源：Tech Insider，2026-11… · @swordBluesy · TwKit

@swordBluesy

# 同一个任务，凭什么你调模型的钱是别人的十倍？官方拆台：不是模型贵，是你从来没算过每通过一个任务多少钱 官方来源：Tech Insider，2026-11-02，Marcus Chen。原文标题直译：《Grok 对 Claude API 实测：13 步、70 分钟》。先把反常识结论放前面：聊天窗口里感觉最强的模型，上了账单可能是最亏的——因为只比标价不比通过率，失败重跑的钱全算在你头上；便宜模型过一半、贵模型几乎全过，摊到每个通过任务头上，贵贱可能整个反过来。感觉不要钱，账单要钱，这篇就是教你把账算清楚。 说清词： - 每通过任务成本（cost per passed task）：总花费除以通过的任务数，便宜但常失败的模型，摊下来未必便宜。 - 词元（token）：计费的基本单位，输入词元和输出词元分开计价。 - 测试架（harness）：同一批任务发给多个模型、统一打分算账的一套脚本。 - 适配器（adapter）：把各家不同返回格式统一成同一组字段的一小段代码。 - 冒烟测试（smoke test）：正式开跑前，每家先发一句话验证 key 和模型 ID 通不通。 - 价格生效日期（effective dates）：价格表里每行价格的起止日期，涨价日一到自动切换新价。 - 长提示分层价（tier）：输入超过一定量后换一档更贵单价的规则。 - 思考词元（thinking tokens）：推理模型先在心里算的那部分输出，照样按输出计费。 一个真实的例子：原文的算术题就是现成的验算——48,000 次调用，每次 1,500 输入词元、400 输出词元，输入 $2／百万、输出 $10／百万，总价 336 美元，一步都不能错。另一道是发票抽取：读一张 1,284.50 美元的发票，返回的 JSON 里厂商、单号、总额、到期日必须全对，错一个字段就算失败。眼熟的进化路线也正是这条：从 BuildingAPI 第 1 课的单次请求，到第 2 课的带历史多轮对话，到第 3 课的定角色系统提示词，到第 4 课的调温度，到第 5 课的流式输出，再到本篇的多厂商同场比价——前面是把一家调通，这篇是把八家的账算清，不算账，前面全白调。 反方适用条件清单——以下情况，不必先花大力气搭比价架，先说清楚，免得把本篇读成教条： - 你只用一家厂商：没对手可比，比价架搭了也是空转。 - 任务跑一次就扔：一次性任务不值得为它搭 13 步的架子，直接凭经验选。 - 已有缓存或批量折扣：冷调用价格不再是你的真实成本，先按折扣价算。 - 只看质量不看账单：研究性质的任务，质量优先，账单往后放。 - 除此之外，只要你每个月为 API 付钱、且要在两个以上模型之间选——比价就是必选项，没有第二种做法。 一句定性金句：标价是广告，通过率是现实，每通过任务成本才是账单。 ### 一、翻车清单 - 只比标价不比账单词元：各家分词器不同，同一句提示词在各家账上的词元数根本不一样，照标价比等于闭眼比。 - 漏算思考词元：Gemini 的思考词元单独列出，OpenAI 系的折进完成词元，不算进去，推理模型看起来比实际便宜一大截。 - 每个任务只跑一次：模型输出本来就抖，一次成败全是运气，三遍是底线，关键决策要跑五到十遍。 - 各家用不同提示词：给一家调过的词、给另一家没调过的词， contest 从一开始就是歪的。 - 只看通过率不看成本、或只看成本不看通过率：两半缺一半，都回答不了「该用谁」。 - 价格写死不带日期：Gemini 4 Argon 11 月 30 日前 $2／$10，12 月 1 日起 $4／$20，写死价格，12 月的账全是假账。 - 拿区域端点当全球价：xAI 美国区端点和 Anthropic 美国专属推理按 1.1 倍收费，不记录端点，账永远对不上。 - 拿聊天订阅当 API 额度：OpenAI 明说订阅不包 API 调用，订阅再贵也抵不了账单。 - 在有秘密的机器上跑模型写的代码：修 bug 任务的检查会真的执行模型返回的代码，不进沙箱等于开门揖盗。 ### 二、替代方案＋理由 原文给的替代方案不是什么新架构，就是四件套：第一，models.json 写死 8 个模型的名单；第二，prices.json 里每个模型按生效日期分段写价；第三，http://providers.py 里每个厂商一个适配器，只统一四个字段；第四，http://report.py 一跑就出通过率、延迟、每通过任务成本三张表。理由有三：第一，账只在一处算，价格、通过率、延迟全从同一批原始记录里出，不会这表一个数、那表另一个数；第二，换模型只加一行名单、换价格只加一段日期，不用改代码，新旗舰一出就能加进来；第三，出错只会出在一个地方，账对不上先查价格行和词元字段，不用满代码找。先把「名单、带日期的价格、统一字段、同一张报表」这条规矩写稳，后面所有「该用谁」的问题都是在它上面加东西。 ### 三、目标形态 一个每月能重跑的比价架：同一个文件夹，8 个模型、5 个任务、3 遍，120 次调用，十几到二十几分钟跑完，报表一张写清每个模型调用数、通过率、错误数、中位延迟、总花费、每通过任务成本；再一张写清每个模型在 5 个任务上各过几次。价格一涨、模型一换，改一行就重跑，六个月后回头看，连同日期、SDK 版本、价格表一起归档在 runs／日期文件夹里，账永远能复现。 ### 四、迁移步骤 1. 建项目 apibench，Python 3.11 以上，venv 隔离，装 anthropic、openai、google-genai、python-dotenv 四个包，pip freeze 锁死版本。 2. 四家控制台开 key，设月度花费上限，写进 .env 并进 .gitignore；Claude 和 Gemini 的模型 ID 一律从厂商自己的模型列表里抄，不要手写。 3. 写 models.json：8 个模型一行一个，Claude 和 Gemini 用环境变量名，GPT 和 Grok 写死 ID（gpt-6-sol、gpt-6-luna、gpt-6.1-terra、grok-4.7）。 4. 写 prices.json：每个模型按生效日期分段，Argon 必须写两段（11 月 30 日前 $2／$10，12 月 1 日起 $4／$20）；跑当天先去厂商定价页再核一遍有薄证据的行。 5. 写 http://providers.py：每家一个适配器，只返回文本、输入词元、输出词元、延迟四个字段；Gemini 的思考词元必须计入输出。 6. 写 http://ping.py 冒烟：8 个模型各发一句「Say pong」，8 行 ok 再往下走，有一行 FAIL 先修 key 和模型 ID。 7. 写 http://tasks.py：5 个任务各配自动检查——发票 JSON 全字段对、修 bug 代码过 3 个单测、长文档里找暗码、算术题答案 336、30 词内摘要含 refund 和 march；模型写的代码只在临时目录、10 秒超时内跑。 8. 写 http://runner.py：模型×任务×3 遍，失败指数退避重试 4 次，逐行 append 写 JSONL，崩了也不丢已跑完的。 9. 先跑 --dry：第一个任务各模型跑一次，验证打分、计价、日志全通，再跑全量 120 次。 10. 写 http://report.py 出两张表，再跑 http://freeze.py 记下日期、Python 版本、SDK 版本，连同 prices.json、models.json 一起归档进 runs／当天日期。 11. 读表先看错误列：错误多的模型输的是可靠性不是质量，先修重试策略和限流档位，再比通过率。 12. 决策只认每通过任务成本：贵模型过 4／5、便宜模型过 2／5，摊下来谁便宜，看失败好不好发现、重跑贵不贵。 ### 五、团队共建分工 - 一个人定任务集：5 个任务必须覆盖自家真实工作，任务一换，旧报表就作废，要写清版本。 - 一个人管价格表：每个月跑之前先核厂商定价页，涨价、换代、新模型只改 prices.json 和 models.json，不动代码。 - 一个人定报表口径：通过率、延迟、每通过任务成本三个数的定义写死，任何人不许各算一套。 ### 六、官方工具包 - models.json：8 个模型的名单，Claude Opus 5.5、Sonnet 5.5、Haiku 5.5，GPT-6 Sol、Luna、GPT-6.1 Terra，Gemini 4 Argon，Grok 4.7。 - prices.json＋http://prices.py：带生效日期的价格表和按日期取价、按长提示分层的计价函数。 - http://providers.py：四家适配器，Anthropic、OpenAI 系（含 xAI 兼容端点）、Gemini，统一四个字段。 - http://ping.py：冒烟脚本，8 行 ok 才开跑。 - http://tasks.py：5 个任务加自动检查，发票、修 bug、长文档找暗码、算术、限词摘要。 - http://runner.py＋http://report.py＋http://freeze.py：重试、JSONL 日志、两张报表、日期归档。 - 厂商定价页：跑当天必核，原文自己提醒有几行价格证据较薄（Opus、Sonnet、Haiku 的报价行和 Grok 低档价来自单一快照），不要当成铁板钉钉引用。 结尾收束：原则比架构重要——模型没有标价，标价是你查的那一页；模型没有性价比，性价比是你跑的那 120 次调用。你不写带日期的价格表，涨价日一到账就全错；你不跑自己的任务，公开榜单永远是别人的任务。可重复的动作规则只有一条，每次选模型前问自己一句：这任务的通过率、延迟、每通过任务成本，我跑过了吗——一句答清楚了再选，答不清楚就先别选。把这句话写成脚本、写成报表、写成每月重跑的习惯，「该用谁」就从感觉变成了账。 S1哥观点：别再拿聊天窗口里的感觉选模型了——感觉不要钱，账单要钱。一个月调用费上千的人还在凭手感选模型，跟买菜只看标价不看称一样，回家才发现缺斤短两。更值得问的是：你现在主力模型的每通过任务成本是多少，算过吗？没算过就先别骂模型贵，先把这 13 步跑一遍，账出来了再骂也不迟。你跑过自己的比价吗？评论区说说。 收藏用清单（照着做）： 1. 先把价格表写成带生效日期的 prices.json，Argon 记得写两段。 2. 适配器只统一四个字段，Gemini 思考词元计入输出。 3. 先跑 ping 冒烟，8 行 ok 再跑全量，120 次调用 3 遍起。 4. 决策只认每通过任务成本，不认标价和单次通过率。 转给还在凭感觉选模型的朋友，这篇他今天就能用上。

曝光 246 · 评论 1 · 点赞 1 · 书签 0