一次任务，8.82美元变1.01美元

10 月 26 日，OpenAI 公布了一组并排的数字：同样跑 Agents Last Exam 里的同一道题，新的 GPT-6.1 Terra 花 1.01 美元，Claude Opus 5.5 花 8.82 美元。两家的分数分别是 60.0 和 63.2。

差 8 倍多的钱，差 3.6 分的成绩。这组数字出来之后，几乎所有人都在说「便宜」。可便宜的是单价，还是这一单的价格，是两件事。

一个任务的价格，从来不是「单价乘一句话」。它等于输入 token 乘输入单价，加上输出 token 乘输出单价，而带推理的模型还会把中间思考的那部分也算进输出。三样东西里，前两样写在价目表上，第三样不写。

这就是为什么「每百万 token 多少钱」这张表，永远算不出「我这一单多少钱」。

老周在一家做跨境客服的公司管技术，团队每天要跑 2 万份工单分类。上个月他把模型从旧款换到新款，价目表上输入从每百万 2 美元降到 1 美元，输出从 12 美元降到 5 美元，缓存输入从 0.20 美元降到 0.05 美元，账面看着是全线腰斩。可月底账单只降了四成不到。

他想不通的地方，正好是这张表解释不了的地方。

单价降了五成到七成五，账单只降四成，中间那截差额，就是输出长度和推理步数吃掉的。模型答得越长、想得越久，输出那一栏就越重，而输出单价恰好是最贵的一栏。

便宜一半，账单为什么能降九成

把两家放到同一单任务上看，落差就出来了：

按 1 美元约 7 元折算，1.01 美元差不多 7 元，8.82 美元差不多 62 元，同一件事，一个 7 元，一个 62 元。单价差不到一倍，单任务成本差 8 倍多。原因不在报价，在「跑完同一件事，各自说了多少话」。一个模型如果习惯先把思路铺开再收口，它的输出 token 可能是对手的三四倍，单价再便宜也追不回来。

这里要说清楚一件事：上面这些跑分和价格，全部来自 OpenAI 自己发布的表格，第三方还没有复现。Artificial Analysis 的说法是「更聪明、成本不到三分之一」，但它也没有复现终端编程那一组数。所以「便宜九成」这个结论，目前只在卖家自己的账本上成立。

那这组数字还有没有用？有。它至少说明了一件事：同一件事，不同模型的输出长度可以差出好几倍，而这部分差价在价目表上完全看不见。

你该问的不是单价，是每任务成本

如果你是掏钱的那个人，供应商给的价目表回答不了你的问题。你要问的是三个数：这个任务平均输出多少 token，一次要跑几步推理，一个月跑多少次。

三个数乘起来，才是你的账单。

反过来，模型厂商也有动机把输出写长：输出单价历来是输入的好几倍，写得越长，单笔收入越高。所以「模型话多」这件事，对卖方是收入，对买方是成本。同一个特性，两边记账的方向相反。

这也解释了一个现象：为什么每次新模型发布，降价的消息总比涨价的消息传得快？因为降价写在价目表第一行，谁都看得见；输出变长写在你的账单里，只有你自己看得见。

还有一层更隐蔽的。OpenAI 的弃用表把这一代 Terra 列成了旧型号的推荐替代，意思是你那些写死了旧模型名的脚本，升级会自己发生，没人会提前敲你的门问你同不同意。这跟价格无关，跟成本有关：你没做任何决定，账单的算法先换了。

拿上周的账单，重算一次

不用等第三方评测。打开你上个月的用量明细，找到输出 token 那一行，用真实数字算一遍。

第一，把总输出 token 除以总调用次数，得到单次平均输出。第二，拿这个数乘新模型的输出单价，再乘一次调用次数，就是换模型之后的月账单。第三，把这个结果和现在的账单并排放，差值超过两成，才值得动手迁移。

老周按这个方法重算了一遍，发现自己的工单分类任务输出很短，平均一次不到 800 token，换模型确实省。但他同事那条做长文摘要的业务线，单次输出三万多 token，换过去反而贵了一成。

同一个模型，两条业务线，两个结论。

想直接看这个模型在站内的条目，可以打开 /tool/577（https://www.ccaiclass.com/tool/577），配套的 OpenAI Codex 在 /tool/737。价格和能力都写在页面上，但账单要你自己算。

便宜是价目表上的词。省不省钱，是你账本上的词。这两个词经常被混着用，混一次，就是一个季度的预算。