Agent 时代：一个任务要烧掉多少词元

一个 AI 任务，到底会烧掉多少词元？

答案是：取决于你是怎么让它做的。同一件事，你一句一句对话着完成，和交给 Agent 自动完成，用量可以差出十倍到一百倍。

而多数人第一次接触 Agent 时，都被账单吓到过。这篇把原因拆开。

一、为什么差这么多：三个放大器

这个差距不是浪费造成的，是机制决定的。有三个放大器叠在一起。

三个叠在一起，就是账单失控的原因。这也解释了为什么「聊天型」AI 用起来很便宜——它只用了其中一个：上下文累积。而 Agent 三个全用上了。

二、这解释了另一个现象

很多人有个困惑：明明模型价格一降再降，为什么公司的 AI 账单反而在涨？

答案就在这里。单价降了，但单次任务消耗的词元量涨了——因为大家从「聊天」升级到「干活」了。单价的变化是乘法的一个因子，用量的变化是另一个因子，而且后者的涨幅往往更大。

只看单价降了，就等于只看了这个乘法的一半。

三、两个动作，把账拉回来

不需要砍掉 Agent 这个用法——它带来的效率提升远大于成本增加。要做的是治理，不是放弃。

第一个动作：做上下文工程。固定不变的内容前置走缓存；冗长的中间结果做摘要，不要原样带着走；无用的历史轮次及时截断。核心思路是——别让每一轮都背着全部历史跑。

第二个动作：设预算护栏。每个任务定一个成本上限，超了就中断或报警。这一步的意义是防止单个异常任务拖垮整月预算——Agent 出问题时往往不会自己停，它会一直循环下去。

四、一个判断

Agent 的普及会让企业 AI 成本的管理方式发生一次转向：从「管单价」转向「管任务」。

因为单价对 Agent 场景几乎没有指导意义——你没法用「每百万词元多少钱」去预估一个会自己决定跑几轮的任务。能管住的只有两件事：每轮带多少上下文，以及最多允许跑多久。