Agent 场景选型：把每百万 token 的价格换算成每个任务的成本
发布一个 coding agent 之前，你必须算清楚一件事：一次任务平均烧多少钱。这个数字决定你的定价能不能活。
从 token 价到任务价
一个 coding agent 完成一个中等任务（修一个跨 3 个文件的 bug），典型消耗：
轮次 6–9 轮工具调用
每轮上下文 12K–22K token（文件内容重复计入）
累计输入 约 130K token
累计输出 约 12K–20K token（含思考）
注意输入为什么这么高：每一轮都要把之前的对话和文件内容重新发一遍。8 轮 × 16K 平均 = 128K。
这就是第一个坑：token 成本是平方级的，不是线性。
五个 agent 的真实账单
| 模型 | 输入价 | 输出价 | 单任务成本 | 任务成功率 | 每次成功成本 |
|---|---|---|---|---|---|
| Claude Opus 4.1 | $15 | $75 | $3.65 | 46% | $7.93 |
| GPT-5 | $1.25 | $10 | $0.36 | 41% | $0.88 |
| Claude Sonnet 4 | $3 | $15 | $0.60 | 38% | $1.58 |
| o3 | $2 | $8 | $0.48 | 33% | $1.45 |
| DeepSeek-V3.1 | $0.28 | $1.12 | $0.05 | 25% | $0.20 |
| Qwen3-Coder-480B | $0.30 | $1.20 | $0.06 | 22% | $0.27 |
| Doubao-Seed-1.6 | $0.11 | $0.28 | $0.02 | 19% | $0.11 |
关键在最后一列。 单任务成本和每次成功成本的排序不一样：
- Claude Opus 4.1 单任务 $3.65，是 GPT-5 的 10 倍
- 但每次成功成本 $7.93 vs $0.88，差 9 倍——成功率把差距抵消了一点点，但没抵消完
结论：贵模型不一定每成功任务更贵，但 Opus 这一档确实贵。
成本模型的三个参数
每任务成本 = Σ(轮次 × 每轮上下文) × 输入价 + 输出token × 输出价
三个参数决定结果：
一、轮次。 从 6 涨到 10，成本涨 67%。这是最容易被低估的变量——任务描述模糊一点，轮次就翻倍。
二、每轮上下文。 这是真正的杀手。如果 agent 每次都把整个仓库塞进去，成本会爆炸。
优化手段：只发相关的 3–5 个文件，用 grep/符号索引定位。这一项能把上下文从 20K 压到 6K，成本直接降 70%。
三、输出放大系数。 推理型模型这里是 5–9，直答型 1.0–1.3。
三条降本手段，按效果排序
1. 上下文裁剪（省 60–75%）
不要给 agent「整个代码库」。给它：
- 当前文件的完整内容
- 相关符号的定义（用 LSP 查）
- 最近 3 轮的 diff
我们从「全量塞」改到「按符号裁剪」后，每任务输入从 142K 降到 38K，成功率反而升了 3 个点（噪声少了）。
2. 缓存命中（省 40–60%）
Agent 的 system prompt 和项目规则文件是固定的，每轮都一样。开 prompt caching 后，这部分按 10% 计费。
一个 8 轮任务，如果 system + 规则占 4K token，缓存能省下 8 × 4K × 90% = 28.8K token 的等价成本。
3. 分级兜底（省 30–50%）
先用便宜模型跑，失败再升级。关键在于「失败」的判定要快：跑测试，不通过就升级。
实测：DeepSeek-V3.1 先跑（成功率 25%），失败的 75% 用 GPT-5 重跑（其中 41% 成功）。
平均成本 = 0.05 + 0.75 × 0.36 = $0.32
综合成功率 = 25% + 75% × 41% = 55.8%
每次成功成本 = 0.32 / 0.558 = $0.57
对比纯用 GPT-5 的 $0.88/成功，降本 35%，成功率反升。
定价倒推
如果你要把这个 agent 做成产品，倒推一下定价空间：
假设 每次成功成本 = $0.57
假设 用户愿意为每个任务付 $2
毛利率 = (2 - 0.57) / 2 = 71.5%
看起来不错。但如果用户的重试率是 2 次（平均要跑两次才满意），实际成本是 $1.14，毛利率掉到 43%。
这就是为什么 agent 产品的定价普遍偏高：不是厂商贪心，是重试吃掉了毛利。
三个必须监控的指标
上线后盯这三个数，任何一个恶化都会吃掉利润：
- 每任务 token 数（P50 / P95）。P95 突然涨，说明有任务在打转。
- 轮次分布。超过 12 轮的任务要单独看，通常是 prompt 有问题。
- 缓存命中率。低于 50% 说明 prompt 结构没设计好。
结语
Agent 的成本不是「模型价格 × token 数」，是「轮次 × 上下文 × 重试」的乘积。
在选模型之前，先把这三个数测出来。模型选错可以换，成本模型建错会一直错。