一次合格任务为何比API单价重要

买 API 的时候，很多人第一反应是看每百万 Token 的标价。便宜就先用着，贵就省着点。这个习惯在单次调用或者测试阶段问题不大，可一旦进入真正的生产环境，感觉就完全不一样了。你会发现，决定预算上限的，往往不是标价，而是模型到底能不能稳定地、一次就把任务完成。

一次合格的任务，比一次便宜的调用重要得多。原因很简单：如果模型第一次生成的结果不合格，你就得再来一次。重试意味着上下文要重新传递，输入和输出 Token 都要重新计算，有时候甚至需要人工介入核查。单价看起来低，但乘以两倍、三倍的调用次数后，总成本反而可能更高。反过来，一个能力刚好够用、但一次通过率高的模型，虽然单价稍贵，算下来可能更划算。

这个问题在 Agent 工作流里尤其明显。一个自动化任务往往不是一次模型调用就结束的，它可能包含读取资料、拆解需求、选择工具、执行操作、检查结果、生成报告等多个环节。如果每个环节都依赖低价模型，但频频失败需要重试，整条链路消耗的资源会迅速膨胀。更麻烦的是，某些失败直到最后一步才被发现，前面的所有调用都成了沉没成本。这时候，所谓的单价优势早就被冲掉了。

所以，真正应该关注的不是“这个模型多少钱一次”，而是“完成一个业务任务，平均需要多少次调用、多少上下文、多少重试”。把典型任务拆解成可测量的调用链，统计完成率、返工次数和人工介入率，再乘以预估任务量，才能看到真实的成本面貌。这个过程中，几个容易被忽略的细节值得留意：输入上下文是否被重复传递、输出是否超出了实际需要、失败是否能在早期被识别、以及高难任务是否被正确升级到更强模型。

更便宜的模型不一定带来更低的任务成本。如果它经常产生不完整的代码、误判工具状态，或者需要多次重试才能完成同一件事，表面单价优势会被放大后的调用量抵消。反过来，性能接近前沿、但吞吐和成本更适合高频业务的模型，往往能在“完成一次合格任务”的口径下表现更好。

对多数团队来说，长期可持续的方案不是在一个模型上押注，而是建立分层路由。日常、规则清晰、可自动验收的任务交给快速便宜的模型；涉及复杂规划、关键决策或连续失败的任务，再升级到能力更强的模型。部署初期也不宜直接全量切换，先挑一段流程做对比测试，用真实数据说话。把模型选择从性能竞赛拉回经营问题，才能让 AI 从试验性工具变成可持续运行的生产能力。