大部分公司的 AI 账单，第一步就算错了。

不是算得不够细，是算法本身不对。而算法不对，后面所有的省成本动作都会打在空处。

一、错的算法：按单价算账

多数公司是这么算的：查一下每百万词元多少钱，再乘一下用量，得出一个数。

这个算法看起来最直接，但它漏掉了最贵的部分——为了做成一件事，到底反复跑了多少次。

二、对的算法：按任务算账

换个口径就清楚了：

单个任务平均花多少钱　×　一个月跑多少次　＝　真实成本

这两个口径的差别在哪？单价算的是「资源多少钱」，任务算的是「结果多少钱」。企业真正该管的是后者——因为你买的是把事办成，不是买词元本身。

三、为什么便宜的模型可能更贵

这是单价算法最大的盲区。

假设一个便宜模型单次成本是贵模型的三分之一，但它要做三次才做对，而贵模型一次就成。那实际成本是：便宜模型 3 次 ＝ 贵模型的 1 倍，再加上三次的人工复核时间。

出错率也是成本，而且往往是账单上看不见的那部分。它体现在人工返工、流程阻塞、交付延期上，不进 AI 的账，进的是公司的账。

四、四个降本动作，行业里已经跑通了

#动作怎么做
1选对档位默认走便宜模型，只有难题才升级到贵的。别让所有请求都走顶配
2吃满缓存把固定不变的内容（系统提示词、知识库、规则）放在请求最前面，命中缓存后输入成本大幅下降
3错峰调用已经有平台在实行峰谷定价，把批量任务挪到夜里跑
4设预算护栏每个任务定一个成本上限，超了就停或报警。防止单个异常任务拖垮整月预算

这四招不需要换模型、不需要重写系统，属于纯工程和管理动作。行业内的普遍经验是，做完之后成本下降的幅度相当可观。

五、改成按任务管，先做这三件事

第一，把用量打上任务标签。同一个接口，是给客服机器人用的，还是给合同审核用的？不分清楚，永远算不出单个任务的成本。

第二，记录每个任务的失败与重试次数。这部分是隐藏成本的大头，也是最能看出模型选得对不对的地方。

第三，按任务算单价，而不是按百万词元算单价。算出来之后再去比模型，结论经常和只看价格表时相反。

你们公司的 AI 账单，现在是按单价管，还是按任务管？欢迎交流你的算法。
下一篇讲：词元产业链上，钱到底被谁赚走了。