9 月 22 日，Epoch AI 公布一项估算。同样的基准表现，如今所需的推理费用比上一季度平均低约 47%。同一天，OpenAI 发布 GPT-6 Sol 和 Luna，给出了更低的接口价格。看完这两份材料，很容易以为手头的 AI 工作也会按差不多的速度变便宜。我把 Epoch 的计算方法和几份实际计费说明对了一遍，发现问题出在“一件事”究竟怎样计数。
Epoch 研究的是五项数学、科学和游戏类基准。在每个时间点，研究者寻找达到某一分数的最低费用，比较同等表现的价格如何变化。他们算的已经是完成基准题目所消耗的推理成本，包含模型为得到答案实际使用的词元，并非只看价目表上的每百万词元单价。Epoch AI 的研究与方法
这个降幅很大，也有清楚的适用范围。研究中那位购买者总能找到当时最便宜、又能达到指定分数的模型。现实里的人通常不会为每项工作重新跑一轮选型。基准分数也只能回答题目做得如何，回答不了代码上线后是否可用、报告有没有漏掉条件。Epoch 自己在限制部分写明，基准不是实际工作的完整替身，前沿最低价也不等于普通用户真正付出的价格。
降的是单价，还是做完任务所花的钱
OpenAI 的新价格提供了一个近处的例子。GPT-6 Sol 每百万输入词元从 GPT-5.6 Sol 的促销价 4 美元降到 2 美元，输出从 20 美元降到 10 美元。这里的比较基准是上一代的促销价，不能再写成与任何历史价格相比都便宜一半。OpenAI 发布说明
独立评测机构 Artificial Analysis 用自己的题目复核了另一笔账。在其 Intelligence Index 中，GPT-6 Sol 的最高推理档位平均每题花 1.06 美元，上一代为 1.99 美元。新模型每题的输出量反而由约 2.9 万词元升到约 3.1 万。这项测试里，价格下降抵过了输出增加，单题费用仍接近减半。Artificial Analysis 的测试
同一机构对 Claude Opus 5.5 的记录给出了另一种结果。它的输入、输出标价比 Opus 5 低两成，最高推理档位在 Intelligence Index 上的单题费用却大致持平，输出量从约 7.3 万词元涨到约 11.9 万。低价没有凭空消失，只是模型在这组题上用了更多输出。两组结果放在一起，已经不能只凭价目表预测每题会省多少。Artificial Analysis 的 Opus 评测
到这里还不能把 1.06 美元写进一个团队的开发预算。评测中的“一题”有固定输入和评分方式。一次开发任务会读文件、调用工具、试修改、跑检查，也可能因失败退回去重做。哪一步算结束，只有使用者能定。模型完成一次回答与工作真正交付，中间可能隔着许多轮。
费用接近，也不表示工作质量相同。Artificial Analysis 在另一组编码任务中发现，GPT-6 Sol 的总分较前代上升，Luna 则小幅回落。两款新模型在它的一项专业工作评估里也出现退步，报告指出交付物有时漏掉要求。若一次便宜的输出需要人补齐，比较就得继续算到补齐之后。Artificial Analysis 的分项结果
Anthropic 在 9 月 25 日发布的 Claude Code 计费说明，把这些轮次拆开了。它举例说，一次会话从 2 万词元的上下文增长到 12 万，走 40 轮时，平均每轮读约 7 万，总输入约 280 万。若其中九成能按缓存读取计费，输入部分约花 1.62 美元；同样的输入完全没有缓存，费用会高得多。文中的词元数量是用来演示算法的设定，并非所有开发任务的平均值。Anthropic 的任务成本拆解
缓存尤其容易在价目表之外改变账单。模型反复读取同一段代码和对话，按缓存价收取的部分可能很多；改动提示词开头、切换环境或让会话中断，又可能使原本可复用的内容重新按新输入计算。OpenAI 这次公布的 GPT-6 缓存读取折扣为九成，同时提供诊断命中情况的工具。低单价遇上差的缓存命中率，未必比高单价、少轮次的做法省钱。OpenAI 的缓存说明
重试同样不能从账上消失。Anthropic 将 Opus 5.5 的典型工作负载成本下降约四成，明确写成公司对特定设置和用量的估计。它建议拿相同任务比较两个模型的实际轮次、输出和缓存，而不是直接把宣传中的降幅套到自己的项目上。能少走一次错误路线，有时比把每轮的思考量再压低更省。Anthropic 的测算边界
所以衡量便宜，先要把完成条件写清。让两个模型处理同一批真实任务，记录总费用、通过检查的比例、失败后重试的次数和人的复核时间。若一个方案只交出更便宜的初稿，却把修错留给后来的人，账单少算了一截。Epoch 的曲线仍然说明能力正在迅速变得更可负担；到了购买者这里，省下来的钱要等事情做完、验收过关，才能算进自己的账。
/ 作者，ZestJT