成本核算实例：一个中等项目用 Agent 到底花多少钱

很多人问"用 agent 到底贵不贵"，这个问题没有单一答案，但可以拆开算。我按自己的项目给一个参考模型。 先看单价。Claude 侧 Fable 5.1 是每百万 token 输入 10 美元、输出 50 美元，缓存读 0.25 美元；MiMo Desktop 走 token-plan 计费，邀测期间有新模型的限时免费额度。两边的计费结构类似：输入、输出、缓存读三档，输出最贵。 再看用量结构。一个中等规模的日常任务，比如"给一个模块补齐单元测试"，典型消耗是这样的：输入方面，主要成本在读文件，如果读 20 个文件每次约 2000 token，一轮 4 万 token，跑 10 轮就是 40 万；输出方面，生成的测试代码约 1 万 token。 不算缓存的粗略成本：输入 40 万 token 约 4 美元，输出 1 万 token 约 0.5 美元，合计不到 5 美元。 如果缓存生效，同样的任务成本能降到三分之一左右——因为每轮重发的上下文都能命中缓存，按 0.25 美元每百万 token 算，那 40 万里的大头只花不到 0.1 美元。这就是为什么缓存命中率是成本的第一变量。 一整天密集使用，我的实际区间在 20 到 50 美元之间，取决于任务类型。审查类的任务消耗偏高，因为要读大量代码；生成类的任务消耗相对可控。 两个降低成本的方向，按性价比排序： 第一，管好上下文。这是收益最大的，能让成本降一个量级。具体做法是固定前缀、稳定文件顺序、会话内续跑。 第二，给任务配对模型。简单任务用便宜的模型，只有复杂推理和长链路才上旗舰。MiMo 的 Smart 调度和 Claude 的模型选择都是这个思路，但你要主动配置，别全用最贵的。 最后一个提醒：不要为了省钱而不用。算一下你的时间成本，如果省下的一小时值 100 美元，用 agent 花 5 美元是完全划算的。真正的浪费是让 agent 做它不擅长的事，反复返工。