--- title: "每 token 更便宜，每个答案更贵：每任务成本" canonical: https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/ language: zh description: "Claude Sonnet 5 的每 token 单价比 Opus 4.8 更低，但在完整基准测试中，每完成一个任务的总成本却更高。为什么真正决定账单的是每任务成本，而不是每 token 单价，以及如何在自己的负载上测量它。" image: "https://wavect.io/img/blog/headers/header_cost-per-token-vs-cost-per-task.png" --- [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 9 分钟 阅读 · 02 Jul 2026 [**下一篇**](/zh/blog/reduce-llm-token-costs-2026/) # 每 token 更便宜，每个答案却更贵。 要点速览 Claude Sonnet 5 的每 token 单价比 Opus 4.8 更低，但在完整的 Intelligence Index 基准测试中，每任务的总成本反而更高，约为 2.29 美元对 1.99 美元，因为在最高 effort 下它用了约 40% 更多的输出 token 和约三倍的 agentic 轮次，再加上一个把相同文本算作更多 token 的分词器。这不是 Sonnet 的怪癖，而是推理模型的普遍规律：每 token 的标价与每完成一个任务的真实成本，可能指向相反的方向。真正出现在账单上的，是把一个任务做到你的质量标准所需的总成本，包括推理、工具轮次和重试。请在你自己的评测集上测量它，按任务而不是按价目表来选模型，调好 effort 档位，并在模型更新时重新计算。这些数字是 2026 年的快照，落地前请再次核实。 Claude Sonnet 5 上市时的每 token 价格比 Opus 4.8 更低。随后 Artificial Analysis 跑完了整套 Intelligence Index 基准测试，结果 Sonnet 5 完成任务的总成本反而比 Opus 更高，在优惠价之前大约是每任务 2.29 美元对 1.99 美元（1）。 再读一遍。更便宜的模型，开出了更大的账单。 几乎没有人在看完每百万 token 的数字后，会去追问那个真正决定账单的问题：这个模型要烧掉多少 token 才能得出正确答案。 一个绕圈子推理的模型并不便宜。它只是起步便宜。 眼下真正在优化开支的团队，盯的是每完成一个任务的总成本，而不是每 token 的标价。其他人则即将打开一份令人非常困惑的账单。 ## 没人给它定价的数字：得出答案所需的 token 数 每百万 token 的价格只是贴在橱窗上的标价。它告诉你单价，却对模型要开多远才能抵达目的地只字未提。 一次 API 调用背后藏着两笔成本： - **单价。** 每百万输入和输出 token 的美元价格。这是每个定价页面都在宣传的数字。 - **token 数量。** 模型为完成你的任务实际消耗的 token 数，包括推理、重试，以及你从未看到的工具调用。 你的账单是这两者的乘积，而不是第一个数字。Artificial Analysis 把那个诚实的数字称为*每任务成本*：完成一个基准任务的加权平均成本，它按模型实际消耗的 token 计价，而不是按一个标准化的费率。用他们的话说，产出更长答案或更多推理 token 的模型，即便在完全相同的每 token 价格下，每任务成本也更高（2）。 把单价砍掉 40%，却让 token 消耗上升得更多，你就让模型看起来更便宜，实际上却更贵。 ## Sonnet 5 到底发生了什么 Sonnet 5 的上市是个干净利落的案例，因为 Anthropic 确实降了价，模型跑起来却仍然更贵。 纸面上看，Sonnet 5 是划算之选。标准费率是每百万输入 token 3 美元、每百万输出 token 15 美元，另有一档 2 美元和 10 美元的上市优惠价，持续到 2026 年 8 月 31 日。Opus 4.8 则是 5 美元和 25 美元（3）。按标价算，Sonnet 每 token 大约便宜 40%，在优惠期内大约便宜 60%。 然后你真的去跑它。Artificial Analysis 发现，在最高推理强度下，Sonnet 5 在每个 Intelligence Index 任务上使用的输出 token 比 Sonnet 4.6 多出约 40%，智能体轮次约为其三倍。在知识工作类评测中，它在最高强度下烧掉的轮次约为最低强度时的六倍。性能提升来自更长的推理链和更多的工具调用，而不是来自效率（1）。 再叠加上第二个更安静的变化：Sonnet 5 换用了更新后的分词器，把同样的文本映射成上一代大约 1.0 到 1.35 倍的 token 数（4）。所以在模型还没开始对任何东西推理之前，同一段提示词就已经被算成了更多的 token。 费率更低、每个答案的 token 更多、每单位文本的 token 更多。这三者合起来，得出了没人放进幻灯片的结果：在整套测试上，Sonnet 5 每完成一个任务的成本，比它本该压制的那个模型还要高。 ![Kevin Riedl](/img/team/kevin.webp) "一个绕圈子推理的模型，就算单价更便宜，也不是折扣。那是一张延后开出的账单。真正赢的团队读的是整张收据，而不是货架上的标价。" *这里的数字是 2026 年的一个快照，来自公开基准测试和厂商定价。费率、分词器和模型行为都变得很快，而你的工作负载并不是那套基准测试。在做决定之前，请重新核对这些数字，更重要的是，先衡量你自己的数字。* ## 为什么推理模型会打破标价逻辑 这不是 Sonnet 的问题。这是推理模型的问题，而且是结构性的。 推理模型靠在回答之前先思考来赚取分数。而思考就是 token：内部推理、自我验证、工具调用和重试，其中大部分你都付了钱却从未读到。一个模型的 token 效率，也就是它实际完成一个任务所需的 token 数，是比它的头条价格更具决定性的成本因素（5）。 模型之间的差距可以极其巨大。在一项公开的推理基准测试中，一个小型推理模型在相同问题上生成的完成 token，比一个可比的非推理模型多出十倍以上（6）。同样的任务，期望同样的答案，为得出它却多花了一个数量级的 token。 所以一个模型可以是： - 每 token 更便宜，但每任务更贵，因为它想得更久。 - 每 token 更贵，但每任务更便宜，因为它一遍就得出答案，而不是五遍。 标价和真实成本不只是两个不同的数字。它们可以指向相反的方向。 ## 每任务成本的定义 如果你只想从这篇文章里带走一个指标，就带走这个。 **每完成一个任务的成本**，是把一个真实任务做到你的质量标准所花的总开支，横跨每一个 token、每一轮交互。不是每 token，不是每次请求。而是每一个已完成、可接受的答案。 它捕捉到了标价所掩盖的东西： - **推理 token。** 模型在回答之前所做的思考。 - **输出长度。** 一个啰嗦的模型即便费率相同也会多计费。 - **智能体轮次。** 每一次工具调用和追问都是又一次计费的往返。 - **重试。** 答错后你不得不重跑，这可不是免费的。 - **分词器漂移。** 同样的文本在更新的模型上可能被算成更多的 token。 一个起步便宜、收尾昂贵的模型，在这个衡量标准下就是不及格的。而这正是使用这个标准的全部意义。 ## 如何衡量每完成一个任务的成本 你不需要一个研究实验室。你需要的是你自己的任务和一杆秤。下面是我们在向客户推荐某个模型之前会跑的流程。 1. **定义任务和质量标准。** 不是"帮我总结这个"，而是"产出一份能通过这套评分标准的总结"。任务只有达到标准才算完成，否则重试的成本就该算进去。 2. **用真实工作搭一个小型评测集。** 从你实际产品里取二十到五十个有代表性的任务，胜过任何公开基准测试，因为那套基准测试不是你的工作负载。 3. **让每个候选模型跑到完成为止。** 用同样的任务、同样你会上线的设置。让它按上线后的方式去推理、调用工具和重试。 4. **数清直到完成的每一个 token。** 输入、输出、推理，以及每一个智能体轮次。用厂商提供的 token 计数，而不是估算，因为不同模型的分词器各不相同。 5. **为整条路径计价，包括失败。** 把 token 乘以真实费率，加上模型第一次答错的任务上重试的成本。这个总数除以已完成的任务数，就是你的每完成一个任务的成本。 做一次这个，排名往往就翻转了。那个每 token 费率吓人的模型可能是完成任务最便宜的，而那个看起来便宜的模型可能正是在悄悄推高账单的那一个。 ## 这对模型选型意味着什么 这里的教训不是"永远选贵的模型"。而是"别再按标价选"。 我们遵循的几条规则： - **让模型匹配任务，而不是匹配价目表。** 一个一遍就能答对的强模型，可能比一个绕圈子的弱模型每任务更便宜。把简单、高频的工作路由给便宜的模型，把困难、含糊的工作路由给强模型。我们在 [如何在 2026 年削减 LLM token 成本](/zh/blog/reduce-llm-token-costs-2026/) 里写下了完整的路由手册。 - **调好强度旋钮。** 在推理模型上，最高强度正是每任务成本爆炸的地方。在值得追求正确性的地方用高强度，在日常工作上用较低强度，然后在你自己的评测上衡量差异。 - **盯住智能体轮次数，而不只是 token。** 每多一次工具调用和重试都是又一次计费的往返。一个三轮就完成的模型，即便费率更高，也可能胜过一个十轮才完成的模型。 - **模型更新时重跑数字。** 一个新版本可能同时改变分词器和推理行为，就像 Sonnet 5 那样。上个季度的成本排名不等于这个季度的。 每 token 的价格是营销数字。每完成一个任务的成本才是落到你账单上的数字。去优化你真正付钱的那个。 ## 最终思考 Sonnet 5 上市时更便宜，跑起来却更贵。这不是偶然，而是当一个推理模型为了拿更高的分数而想得更久、你又按标价给它定价时，必然会发生的事。解决办法不是换一个模型。而是换一个数字：每完成一个任务的总成本，在你自己的工作上衡量，把推理、轮次和重试都算进去。 读完整张收据。这么做的团队已经在用更少的钱换更好的答案。不这么做的团队，即将收到一份非常令人困惑的账单。 ## References 1. Artificial Analysis (2026) ‘Claude Sonnet 5: strong agentic performance at a higher cost per task.’ 每个 Intelligence Index 任务的成本（约 2.29 美元，对比 Opus 4.8 的约 1.99 美元、Sonnet 4.6 的约 1.15 美元）；在最高强度下，输出 token 比 Sonnet 4.6 多约 40%，智能体轮次约为其三倍。可访问： [https://artificialanalysis.ai/articles/claude-sonnet-5-agentic-cost](https://artificialanalysis.ai/articles/claude-sonnet-5-agentic-cost) （访问日期：2026 年 7 月 2 日）。 2. Artificial Analysis (2026) ‘Language Model Benchmarking Methodology.’ 把每任务成本定义为完成一个 Intelligence Index 任务的加权平均成本；在完全相同的每 token 价格下，更长的答案和更多的推理 token 会抬高每任务成本。可访问： [https://artificialanalysis.ai/methodology](https://artificialanalysis.ai/methodology) （访问日期：2026 年 7 月 2 日）。 3. Anthropic (2026) ‘Models overview and pricing.’ Claude Sonnet 5 为每百万 token 3 美元/15 美元（上市优惠 2 美元/10 美元，持续到 2026 年 8 月 31 日）；Claude Opus 4.8 为 5 美元/25 美元。可访问： [https://platform.claude.com/docs/en/about-claude/models/overview](https://platform.claude.com/docs/en/about-claude/models/overview) （访问日期：2026 年 7 月 2 日）。 4. Anthropic (2026) ‘Model migration guide.’ Claude Sonnet 5 使用更新后的分词器，把同样的文本映射成上一代大约 1.0 到 1.35 倍的 token 数；请用 token 计数重新建立基线。可访问： [https://platform.claude.com/docs/en/about-claude/models/migration-guide](https://platform.claude.com/docs/en/about-claude/models/migration-guide) （访问日期：2026 年 7 月 2 日）。 5. CloudZero (2026) ‘LLM API pricing comparison.’ token 效率，也就是一个模型完成任务所需的 token 数，是比头条每 token 价格更关键的成本因素。可访问： [https://www.cloudzero.com/blog/llm-api-pricing-comparison/](https://www.cloudzero.com/blog/llm-api-pricing-comparison/) （访问日期：2026 年 7 月 2 日）。 6. Wang, L. et al. (2025) ‘NPPC: an ever-scaling reasoning benchmark for LLMs.’ 一个小型推理模型在相同任务上生成的完成 token，比一个可比的非推理模型多出大约一个数量级。可访问： [https://arxiv.org/pdf/2504.11239](https://arxiv.org/pdf/2504.11239) （访问日期：2026 年 7 月 2 日）。 ## 你可能也喜欢.. [**如何在 2026 年削减 LLM token 成本** 我们按顺序应用的手册：缓存、批处理、路由、选对模型（包括开放权重的前沿模型），以及上下文压缩。](/zh/blog/reduce-llm-token-costs-2026/) [**Wavect 对比通用型开发公司** 通用型公司卖的是产能；我们卖的是产品判断力，外加把它落地的工程能力。](/zh/compare/wavect-vs-dev-agencies/) 模型与基础设施 ## 继续浏览此集群 [从核心文章开始**在欧盟自托管 LLM：开放权重模型何时才真正划算**](/zh/blog/self-hosting-llms-eu-cost/) - [Claude 会给文本加水印吗？2026 API 实战解读](/zh/blog/claude-text-watermark-api-2026/) - [OpenKB 评测：知识编译器 vs RAG](/zh/blog/openkb-review-vs-rag/) - [Unsloth Desktop 评测：私有本地 AI 工作站？](/zh/blog/unsloth-desktop-local-ai-workstation-review/) - [NeMo Switchyard 0.2：无需训练的智能体模型路由？](/zh/blog/nemo-switchyard-model-router/) - [Firecrawl AnyDoc 评测：14 种格式转 Markdown](/zh/blog/firecrawl-anydoc-review/) 只收重要内容 ## 关注与你相关的内容 每当我们发布新文章，你会收到一封简短邮件。你可以关注整个博客，也可以只选感兴趣的主题。 [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 9 分钟 阅读 · 02 Jul 2026 [**下一篇**](/zh/blog/reduce-llm-token-costs-2026/) 邮件订阅新文章 × × 通过邮件获取新文章 我们发布时给你一封简短邮件。免费，不做跟踪。 ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/#webpage", "@type": "WebPage", "dateModified": "2026-07-07", "inLanguage": "zh", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-07-07", "url": "https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Claude Sonnet 5 的每 token 单价比 Opus 4.8 更低，但在完整的 Intelligence Index 基准测试中，每任务的总成本反而更高，约为 2.29 美元对 1.99 美元，因为在最高 effort 下它用了约 40% 更多的输出 token 和约三倍的 agentic 轮次，再加上一个把相同文本算作更多 token 的分词器。这不是 Sonnet 的怪癖，而是推理模型的普遍规律：每 token 的标价与每完成一个任务的真实成本，可能指向相反的方向。真正出现在账单上的，是把一个任务做到你的质量标准所需的总成本，包括推理、工具轮次和重试。请在你自己的评测集上测量它，按任务而不是按价目表来选模型，调好 effort 档位，并在模型更新时重新计算。这些数字是 2026 年的快照，落地前请再次核实。", "articleBody": " 博客概览/AI 与智能体/模型与基础设施 每 token 更便宜，每个答案却更贵。 要点速览 Claude Sonnet 5 的每 token 单价比 Opus 4.8 更低，但在完整的 Intelligence Index 基准测试中，每任务的总成本反而更高，约为 2.29 美元对 1.99 美元，因为在最高 effort 下它用了约 40% 更多的输出 token 和约三倍的 agentic 轮次，再加上一个把相同文本算作更多 token 的分词器。这不是 Sonnet 的怪癖，而是推理模型的普遍规律：每 token 的标价与每完成一个任务的真实成本，可能指向相反的方向。真正出现在账单上的，是把一个任务做到你的质量标准所需的总成本，包括推理、工具轮次和重试。请在你自己的评测集上测量它，按任务而不是按价目表来选模型，调好 effort 档位，并在模型更新时重新计算。这些数字是 2026 年的快照，落地前请再次核实。 Claude Sonnet 5 上市时的每 token 价格比 Opus 4.8 更低。随后 Artificial Analysis 跑完了整套 Intelligence Index 基准测试，结果 Sonnet 5 完成任务的总成本反而比 Opus 更高，在优惠价之前大约是每任务 2.29 美元对 1.99 美元（1）。 再读一遍。更便宜的模型，开出了更大的账单。 几乎没有人在看完每百万 token 的数字后，会去追问那个真正决定账单的问题：这个模型要烧掉多少 token 才能得出正确答案。 一个绕圈子推理的模型并不便宜。它只是起步便宜。 眼下真正在优化开支的团队，盯的是每完成一个任务的总成本，而不是每 token 的标价。其他人则即将打开一份令人非常困惑的账单。 没人给它定价的数字：得出答案所需的 token 数 每百万 token 的价格只是贴在橱窗上的标价。它告诉你单价，却对模型要开多远才能抵达目的地只字未提。 一次 API 调用背后藏着两笔成本： 单价。每百万输入和输出 token 的美元价格。这是每个定价页面都在宣传的数字。 token 数量。模型为完成你的任务实际消耗的 token 数，包括推理、重试，以及你从未看到的工具调用。 你的账单是这两者的乘积，而不是第一个数字。Artificial Analysis 把那个诚实的数字称为每任务成本：完成一个基准任务的加权平均成本，它按模型实际消耗的 token 计价，而不是按一个标准化的费率。用他们的话说，产出更长答案或更多推理 token 的模型，即便在完全相同的每 token 价格下，每任务成本也更高（2）。 把单价砍掉 40%，却让 token 消耗上升得更多，你就让模型看起来更便宜，实际上却更贵。 Sonnet 5 到底发生了什么 Sonnet 5 的上市是个干净利落的案例，因为 Anthropic 确实降了价，模型跑起来却仍然更贵。 纸面上看，Sonnet 5 是划算之选。标准费率是每百万输入 token 3 美元、每百万输出 token 15 美元，另有一档 2 美元和 10 美元的上市优惠价，持续到 2026 年 8 月 31 日。Opus 4.8 则是 5 美元和 25 美元（3）。按标价算，Sonnet 每 token 大约便宜 40%，在优惠期内大约便宜 60%。 然后你真的去跑它。Artificial Analysis 发现，在最高推理强度下，Sonnet 5 在每个 Intelligence Index 任务上使用的输出 token 比 Sonnet 4.6 多出约 40%，智能体轮次约为其三倍。在知识工作类评测中，它在最高强度下烧掉的轮次约为最低强度时的六倍。性能提升来自更长的推理链和更多的工具调用，而不是来自效率（1）。 再叠加上第二个更安静的变化：Sonnet 5 换用了更新后的分词器，把同样的文本映射成上一代大约 1.0 到 1.35 倍的 token 数（4）。所以在模型还没开始对任何东西推理之前，同一段提示词就已经被算成了更多的 token。 费率更低、每个答案的 token 更多、每单位文本的 token 更多。这三者合起来，得出了没人放进幻灯片的结果：在整套测试上，Sonnet 5 每完成一个任务的成本，比它本该压制的那个模型还要高。 \"一个绕圈子推理的模型，就算单价更便宜，也不是折扣。那是一张延后开出的账单。真正赢的团队读的是整张收据，而不是货架上的标价。\" 这里的数字是 2026 年的一个快照，来自公开基准测试和厂商定价。费率、分词器和模型行为都变得很快，而你的工作负载并不是那套基准测试。在做决定之前，请重新核对这些数字，更重要的是，先衡量你自己的数字。 为什么推理模型会打破标价逻辑 这不是 Sonnet 的问题。这是推理模型的问题，而且是结构性的。 推理模型靠在回答之前先思考来赚取分数。而思考就是 token：内部推理、自我验证、工具调用和重试，其中大部分你都付了钱却从未读到。一个模型的 token 效率，也就是它实际完成一个任务所需的 token 数，是比它的头条价格更具决定性的成本因素（5）。 模型之间的差距可以极其巨大。在一项公开的推理基准测试中，一个小型推理模型在相同问题上生成的完成 token，比一个可比的非推理模型多出十倍以上（6）。同样的任务，期望同样的答案，为得出它却多花了一个数量级的 token。 所以一个模型可以是： 每 token 更便宜，但每任务更贵，因为它想得更久。 每 token 更贵，但每任务更便宜，因为它一遍就得出答案，而不是五遍。 标价和真实成本不只是两个不同的数字。它们可以指向相反的方向。 每任务成本的定义 如果你只想从这篇文章里带走一个指标，就带走这个。 每完成一个任务的成本，是把一个真实任务做到你的质量标准所花的总开支，横跨每一个 token、每一轮交互。不是每 token，不是每次请求。而是每一个已完成、可接受的答案。 它捕捉到了标价所掩盖的东西： 推理 token。模型在回答之前所做的思考。 输出长度。一个啰嗦的模型即便费率相同也会多计费。 智能体轮次。每一次工具调用和追问都是又一次计费的往返。 重试。答错后你不得不重跑，这可不是免费的。 分词器漂移。同样的文本在更新的模型上可能被算成更多的 token。 一个起步便宜、收尾昂贵的模型，在这个衡量标准下就是不及格的。而这正是使用这个标准的全部意义。 如何衡量每完成一个任务的成本 你不需要一个研究实验室。你需要的是你自己的任务和一杆秤。下面是我们在向客户推荐某个模型之前会跑的流程。 定义任务和质量标准。不是\"帮我总结这个\"，而是\"产出一份能通过这套评分标准的总结\"。任务只有达到标准才算完成，否则重试的成本就该算进去。 用真实工作搭一个小型评测集。从你实际产品里取二十到五十个有代表性的任务，胜过任何公开基准测试，因为那套基准测试不是你的工作负载。 让每个候选模型跑到完成为止。用同样的任务、同样你会上线的设置。让它按上线后的方式去推理、调用工具和重试。 数清直到完成的每一个 token。输入、输出、推理，以及每一个智能体轮次。用厂商提供的 token 计数，而不是估算，因为不同模型的分词器各不相同。 为整条路径计价，包括失败。把 token 乘以真实费率，加上模型第一次答错的任务上重试的成本。这个总数除以已完成的任务数，就是你的每完成一个任务的成本。 做一次这个，排名往往就翻转了。那个每 token 费率吓人的模型可能是完成任务最便宜的，而那个看起来便宜的模型可能正是在悄悄推高账单的那一个。 这对模型选型意味着什么 这里的教训不是\"永远选贵的模型\"。而是\"别再按标价选\"。 我们遵循的几条规则： 让模型匹配任务，而不是匹配价目表。一个一遍就能答对的强模型，可能比一个绕圈子的弱模型每任务更便宜。把简单、高频的工作路由给便宜的模型，把困难、含糊的工作路由给强模型。我们在如何在 2026 年削减 LLM token 成本里写下了完整的路由手册。 调好强度旋钮。在推理模型上，最高强度正是每任务成本爆炸的地方。在值得追求正确性的地方用高强度，在日常工作上用较低强度，然后在你自己的评测上衡量差异。 盯住智能体轮次数，而不只是 token。每多一次工具调用和重试都是又一次计费的往返。一个三轮就完成的模型，即便费率更高，也可能胜过一个十轮才完成的模型。 模型更新时重跑数字。一个新版本可能同时改变分词器和推理行为，就像 Sonnet 5 那样。上个季度的成本排名不等于这个季度的。 每 token 的价格是营销数字。每完成一个任务的成本才是落到你账单上的数字。去优化你真正付钱的那个。 最终思考 Sonnet 5 上市时更便宜，跑起来却更贵。这不是偶然，而是当一个推理模型为了拿更高的分数而想得更久、你又按标价给它定价时，必然会发生的事。解决办法不是换一个模型。而是换一个数字：每完成一个任务的总成本，在你自己的工作上衡量，把推理、轮次和重试都算进去。 读完整张收据。这么做的团队已经在用更少的钱换更好的答案。不这么做的团队，即将收到一份非常令人困惑的账单。 References Artificial Analysis (2026) ‘Claude Sonnet 5: strong agentic performance at a higher cost per task.’ 每个 Intelligence Index 任务的成本（约 2.29 美元，对比 Opus 4.8 的约 1.99 美元、Sonnet 4.6 的约 1.15 美元）；在最高强度下，输出 token 比 Sonnet 4.6 多约 40%，智能体轮次约为其三倍。可访问：https://artificialanalysis.ai/articles/claude-sonnet-5-agentic-cost（访问日期：2026 年 7 月 2 日）。 Artificial Analysis (2026) ‘Language Model Benchmarking Methodology.’ 把每任务成本定义为完成一个 Intelligence Index 任务的加权平均成本；在完全相同的每 token 价格下，更长的答案和更多的推理 token 会抬高每任务成本。可访问：https://artificialanalysis.ai/methodology（访问日期：2026 年 7 月 2 日）。 Anthropic (2026) ‘Models overview and pricing.’ Claude Sonnet 5 为每百万 token 3 美元/15 美元（上市优惠 2 美元/10 美元，持续到 2026 年 8 月 31 日）；Claude Opus 4.8 为 5 美元/25 美元。可访问：https://platform.claude.com/docs/en/about-claude/models/overview（访问日期：2026 年 7 月 2 日）。 Anthropic (2026) ‘Model migration guide.’ Claude Sonnet 5 使用更新后的分词器，把同样的文本映射成上一代大约 1.0 到 1.35 倍的 token 数；请用 token 计数重新建立基线。可访问：https://platform.claude.com/docs/en/about-claude/models/migration-guide（访问日期：2026 年 7 月 2 日）。 CloudZero (2026) ‘LLM API pricing comparison.’ token 效率，也就是一个模型完成任务所需的 token 数，是比头条每 token 价格更关键的成本因素。可访问：https://www.cloudzero.com/blog/llm-api-pricing-comparison/（访问日期：2026 年 7 月 2 日", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "dateModified": "2026-07-07", "datePublished": "2026-07-02", "description": "Claude Sonnet 5 的每 token 单价比 Opus 4.8 更低，但在完整的 Intelligence Index 基准测试中，每任务的总成本反而更高，约为 2.29 美元对 1.99 美元，因为在最高 effort 下它用了约 40% 更多的输出 token 和约三倍的 agentic 轮次，再加上一个把相同文本算作更多 token 的分词器。这不是 Sonnet 的怪癖，而是推理模型的普遍规律：每 token 的标价与每完成一个任务的真实成本，可能指向相反的方向。真正出现在账单上的，是把一个任务做到你的质量标准所需的总成本，包括推理、工具轮次和重试。请在你自己的评测集上测量它，按任务而不是按价目表来选模型，调好 effort 档位，并在模型更新时重新计算。这些数字是 2026 年的快照，落地前请再次核实。", "headline": "每 token 更便宜。每个答案更贵。", "image": "https://wavect.io/img/blog/headers/header_cost-per-token-vs-cost-per-task.svg", "inLanguage": "zh", "mainEntityOfPage": { "@id": "https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/", "wordCount": 492 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/zh/", "name": "首页", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/overview/", "name": "博客概览", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/topics/ai-agents/", "name": "AI 与智能体", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/clusters/models-infrastructure/", "name": "模型与基础设施", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/zh/blog/cost-per-token-vs-cost-per-task/", "name": "每 token 更便宜，每个答案更贵：每任务成本 | ", "position": 5 } ] } ```