核心摘要
AI 编程工具价格按厂商节奏变化,因此写死的对比表会迅速衰减。本文提供一套持久方法:把定价记录为带日期的事实,用真实工作负载建模,将用量与 Invoice 对账,分摊共享支出,并计入 Review、Rework、Risk 与 Compliance。最终决策单位是每个成功变更成本的 P50 与 P90,而不是每 Token 成本。
目录
- 为什么写死的价格表会误导决策
- 成本究竟从何而来
- 第一步:把定价记录为版本化事实
- 第二步:用你自己的工作负载建模成本
- 第三步:把实测用量与账单对账
- 第四步:扩展到总拥有成本
- 第五步:用成功验收结果归一化成本
- 第六步:量化波动,而不只看平均值
- 第七步:分摊并对账
- 企业采购:靠合同,而非假设
- 按推理频次的决策框架
- 常见误区
- 常见问题 (FAQ)
- 总结
- 相关资源
核心要点
- 价格是易腐的事实。 把每一项费率、额度和套餐都当作必须带来源和日期的值,而不是可以直接据此做决策的永久真理。
- 成本是你工作负载的属性。 同一个工具,对一个团队便宜,对另一个团队昂贵。只有一份能代表你任务构成的样本才能告诉你落在哪一边。
- 先测量,再对账。 估算设定预期,账单给出现实。预算意外就藏在两者的差距里,所以要主动去把它抹平。
- 订阅费很少是最大的一项。 评审时间、返工、上手与合规通常才是总拥有成本的主导项。
- Token 不是价值。 用通过相同质量门禁的成功变更归一化总成本,并公开 P50 与 P90。
- 决策应当可回退。 在有边界的范围内试点,保留退出路径,按周期重新评估,而不是把自己绑定在一张快照上。
为什么写死的价格表会误导决策
大多数"AI 编程工具定价"内容回答的是错误的问题。它问的是工具 X 今天多少钱?,然后把答案冻结成一张表。但已公布的价格只是对一个持续变动的市场的一次时点观测:套餐会改名,同一档位底下的模型路由会变,额度会调整,而随着推理效率提升,每 Token 费率会下降。
写死这些数字的文章不仅有事后出错的风险——它还在训练读者基于自己无法信任的输入去做决策。真正有用的问题是另一个:我该如何评估成本,使方法在价格变化时依然正确? 这个问题有一个持久的答案,本文余下部分就是这个答案。
有两条原则贯穿整套方法:
- 价格是一个有归属人和时间戳的事实。 如果你说不出某个数字来自哪里、你何时核对过它,你就不能依赖它。
- 成本从用量中涌现。 标价是输入;你的支出是团队实际工作方式的输出。
成本究竟从何而来
在建模之前,先理解为什么不同的交互模式花费不同是有帮助的。驱动因素是:每完成一个单位的有用工作,有多少 Token 流经模型。
自动补全通常发起一次短的、低上下文的调用。Chat 会把上下文扩展到少数几个文件。Agent 工作——规划、检索文件、调用工具、检查自身输出——每个任务发起多次调用,并把中间结果重新注入上下文。这就是 Agent 任务消耗的 Token 远多于自动补全的原因。
但多多少并不是一个普适常数。它取决于你的代码库规模、检索策略、模型,以及每个任务需要多少轮修正循环。所以诚实的做法不是引用一个倍数,而是在你自己的环境里测出这个倍数——接下来的步骤会把它落到实处。
一条相关的告诫:模型的中间推理步骤是厂商的实现细节,不是一本透明、可控的账。你应当基于 API 或控制台报告的实测 Token 数来做预算,而不是基于对一个任务需要多少"思考"步骤的假设。
第一步:把定价记录为版本化事实
永远不要把价格直接嵌进决策里。把它记录为一次带来源、带日期的观测,让任何人都能看到它有多新鲜,并在之后重新核对。
{
"tool": "记录的工具",
"plan": "记录的套餐名",
"billing_model": "subscription | usage | hybrid",
"included_quota": "按公布值",
"overage_rate": "按公布值",
"model_routing": "该档位按公布值",
"source_url": "厂商定价页",
"checked_at": "2026-04-25",
"checked_by": "姓名或系统"
}
这条记录的意义不是走流程。而是:基于今天核对过的条目做出的定价决策是站得住脚的,而基于半年前核对过的条目做出的决策则是一个提醒——在投入预算前重新核对。当厂商变更套餐时,你更新这条记录并重跑下面的模型——你不需要从头重写你的分析。
第二步:用你自己的工作负载建模成本
一个工具对你的成本,是你请求构成的函数。把这个构成描述为一小组工作负载样本——一个典型开发者每月发起多少次自动补全、Chat 和 Agent 请求,以及每次实测消耗多少 Token——然后计算估算值。
package economics
import (
"fmt"
"math"
)
type WorkloadSample struct {
Mode string
RequestsPerMonth int64
AvgInputTokens int64
AvgOutputTokens int64
}
type Rates struct {
InputUSDPerMillion float64
OutputUSDPerMillion float64
}
func MonthlyInferenceCost(samples []WorkloadSample, rates Rates) (float64, error) {
if rates.InputUSDPerMillion < 0 || rates.OutputUSDPerMillion < 0 {
return 0, fmt.Errorf("rates_must_be_non_negative")
}
total := 0.0
for _, sample := range samples {
if sample.RequestsPerMonth < 0 || sample.AvgInputTokens < 0 || sample.AvgOutputTokens < 0 {
return 0, fmt.Errorf("sample_%s_contains_negative_value", sample.Mode)
}
inputCost := float64(sample.AvgInputTokens) / 1_000_000 * rates.InputUSDPerMillion
outputCost := float64(sample.AvgOutputTokens) / 1_000_000 * rates.OutputUSDPerMillion
total += float64(sample.RequestsPerMonth) * (inputCost + outputCost)
}
return math.Round(total*100) / 100, nil
}
对每个候选工具,用它记录的费率和你的样本各跑一遍。输出不是一个普适价格,而是你的工作负载对应的推理成本估算。订阅和包含额度规则应放在这个函数之外,因为套餐规则是商业事实,不是 Token 算术。把两者转换成相同 Billing Period 和 Currency 后再比较。
第三步:把实测用量与账单对账
估算是一个假设。账单是结果。抹平两者的差距,正是团队避免预算意外的地方。
在有边界的范围内跑一次短期试点,采集厂商报告的 Token 与请求数,把它们同时与你的估算值和实际扣费做对比。
package economics
import (
"fmt"
"math"
)
type Reconciliation struct {
EstimatedUSD float64
InvoicedUSD float64
VarianceUSD float64
VariancePct float64
}
func Reconcile(estimatedUSD, invoicedUSD float64) (Reconciliation, error) {
if estimatedUSD <= 0 || invoicedUSD < 0 {
return Reconciliation{}, fmt.Errorf("invalid_reconciliation_amount")
}
variance := invoicedUSD - estimatedUSD
return Reconciliation{
EstimatedUSD: math.Round(estimatedUSD*100) / 100,
InvoicedUSD: math.Round(invoicedUSD*100) / 100,
VarianceUSD: math.Round(variance*100) / 100,
VariancePct: math.Round(variance/estimatedUSD*1_000) / 10,
}, nil
}
一个较大的正偏差,通常意味着你的工作负载样本低估了 Agent 频次或上下文大小——更新样本并重新建模。一个较大的负偏差意味着你过度配置了。无论哪种情况,你现在都是基于实测现实决策,而不是一张营销表格。
第四步:扩展到总拥有成本
订阅费或 Token 账单只是成本中可见的那部分。对大多数团队来说,更大的成本位于生成之后的下游:
- 评审时间。 AI 的输出仍然需要人来阅读、核验、并经常纠正。这段评审时间是真实的、反复发生的成本,应当纳入模型。
- 返工与缺陷。 看起来合理但实际错误的代码,在上线后修复的代价可能远超它在生成时节省的成本。要跟踪缺陷率和返工,而不只是吞吐量。
- 上手与配置。 设置规则文件、上下文和集成需要工程投入,然后生产力才会显现。
- 风险与合规。 满足隐私、知识产权和审计要求是有成本的,无论你是用更高的套餐来付,还是用内部控制来付。
这些都不会被一个价签捕捉到。一个订阅费更高但能减少返工的工具,总成本可能比一个更便宜但产生更多缺陷的工具还低。要对整条链路建模,而不是只看账单。如果你想用一种结构化的方式把这些成本与实测生产力关联起来,可参阅配套方法 AI 编程 ROI 评估与团队落地。
第五步:用成功验收结果归一化成本
Token 是计费单位,不是价值单位。FinOps Foundation 建议使用每次 Query、每名 User 或每条 Workflow 的单位成本。对软件交付,应采用每个成功变更的成本:
总成本 =
Seat 分摊
+ 按量推理与超额费用
+ 评审工时 x 综合小时成本
+ 返工工时 x 综合小时成本
+ 上手与平台运维
+ 预期事故与合规成本
每个成功变更的成本 = 总成本 / 成功验收变更数
每个 Cohort 中的成功变更必须通过相同固定质量门禁。不能把测试失败、削弱断言、违反范围或需要计划外人工重写的 Patch 计入成功数,否则一款工具只要制造更多被拒绝的工作,就能显得更便宜。
再与 Baseline 比较:
净收益 =
等价成功工作的 Baseline 交付成本
- AI 辅助交付成本
ROI = 净收益 / AI 辅助投入
任务类别与质量必须等价。Greenfield 组件、成熟授权修复和文档改动,不能混进一个不分层的平均值。
第六步:量化波动,而不只看平均值
Agent 成本往往是长尾分布:有些任务沿一条干净轨迹完成,另一些会反复检索文件、重跑 Tool,甚至需要人工恢复。至少报告:
- 每个成功变更成本的 P50 与 P90;
- 端到端 Lead Time 的 P50 与 P90;
- 一次验收通过率;
- 按任务类别拆分的评审与返工分钟数;
- 被拒绝执行的成本;
- 相对 Baseline 差异的置信区间或 Bootstrap 区间。
试点前先定义扩大使用门禁。例如:P90 成本必须低于预算上限,成功吞吐提升的置信区间下界不能退化,任何高风险 Fixture 都不能越过安全门禁。只看平均值会隐藏预算和质量尾部风险。
第七步:分摊并对账
为每次 Agent 执行建立一条记录,但不要保存敏感 Prompt 内容:
| 字段 | 用途 |
|---|---|
run_id、时间戳 |
去重并关联证据 |
| Team、Repository、Cost Center | Showback 与 Chargeback |
| Task Class、Risk Tier | 比较等价工作 |
| Tool、Surface、Model、Version | 发现路由和版本变化 |
| Input、Output、Cached Tokens | 解释按量推理成本 |
| Seat 与共享成本分摊 | 纳入订阅开销 |
| Review 与 Rework 分钟数 | 捕获人工成本 |
| Accepted、Rejection Reason | 把支出关联到价值 |
| Invoice 与 Billing Period ID | 与财务记录对账 |
FOCUS 1.4 定义了与 Provider 无关的 Billing Dataset 和显式 Invoice Reconciliation 概念。供应商提供兼容数据时使用其术语;AI 编程厂商尚未提供时,维护有文档的本地映射。不要假装无法归因的共享成本很精确,必须公开分摊方法。
沿三个方向对账:
- Run Ledger 到 Provider Usage:发现缺失、重复或错误归因的 Event;
- Provider Usage 到 Invoice:发现费率、折扣、Credit、Currency 和 Billing Period 差异;
- Invoice 到 General Ledger:证明 Finance 实际支付了多少,以及分摊到了哪里。
如果三组总额不一致,在解释差异前,不应使用该 Dashboard 做采购决策。
企业采购:靠合同,而非假设
在组织层面,最重要的问题不是每月的价格——而是保证,而保证存在于合同里,不在博客文章或营销页面里。
- 数据处理。 你的代码和 Prompt 是否被用于训练、保留多久、在哪里处理,这些是要以书面形式确认的合同条款,而不是可以从档位名称推断出来的属性。
- 知识产权与赔偿。 如果代码来源与版权赔偿对你的组织很重要,就把它们当作有明确范围的、经谈判的合同条款,而不是付更多钱就默认带上的好处。
- 合规声明。 认证和"不使用你的数据训练"之类的声明,应当对照当前文档和已签署的协议逐一核验,因为它们的范围和有效性会随时间变化。
这里的评估能力和本文其他地方一样:在你能指出一项主张的来源和日期之前,不要把它当作事实;而对企业承诺来说,那个来源应当是你签署的协议。
按推理频次的决策框架
与其给工具排名,不如给你自己的用量模式排名,再把计费模式匹配到它上面:
- 偶尔使用 / 学习用途。 免费档或入门档通常足以支撑探索。为低启动门槛和干净的退出优化,而不是为你很少用到的峰值能力优化。
- 每日专业使用。 为你的真实工作负载建模(第二步),对头部候选跑试点(第三步),并结合实测成本加上评审与返工来选择(第四步)。一旦用上你自己的数字,那个"显而易见"的选项常常会变。
- 团队与组织使用。 把上文的合同条款与成本放在同等优先级。只在一次有边界的试点之后再标准化,并让决策保持可回退,这样厂商侧的一次套餐变更不会把你困住。
常见误区
- 把已公布的价格当作持久的事实。 永远附上来源和日期,并在投入预算前重新核对。
- 假设 Agent 工作有一个固定的 Token 倍数。 在你自己的环境里测量它;倍数取决于你的代码库和检索。
- 孤立地优化订阅那一行。 一个更低的套餐若增加了返工,反而会抬高总拥有成本。
- 从档位名称推断合规与知识产权条款。 在已签署的协议和当前文档里确认它们。
- 在试点之前就做承诺。 一次带用量对账的可回退试点花费很小,却能避免昂贵的错误。
- 优化每 Token 成本。 更便宜的 Token 可能带来更多重试、Review 和被拒绝工作;应优化每个成功结果的成本。
- 只报告平均值。 P90 成本与失败恢复会暴露平均值隐藏的预算长尾。
- 隐藏分摊假设。 共享 Seat 与平台成本必须带明确方法、Owner 与复查日期。
常见问题 (FAQ)
为什么价格有时不改套餐名也会变?
厂商可以在同一档位底下调整模型路由、额度或每 Token 费率。这正是你的定价记录带 checked_at 日期的原因:它告诉你何时该重新核对,而不是信任一条陈旧的条目。
试点要多大才能信任那些数字?
大到足以在一个完整计费周期内代表你正常的任务构成,让 Agent 和峰值用量模式都出现。一个只采集到轻量自动补全的试点会低估真实支出。
本地模型能消除这些成本吗?
它把成本从按 Token 计费转移到了硬件、运维和质量权衡上。同一套评估方法依然适用——为你的工作负载建模、测量结果、并核算总成本,包括运行这些模型所需的工程时间。
总结
“哪个 AI 编程工具最便宜?”的持久答案不是标价。把费率记录为带日期的事实,用真实工作负载建模,把 Run 与 Invoice 对账,透明分摊共享成本,并纳入评审、返工、运维、风险与合规。然后针对等价 Baseline 比较每个成功变更的 P50 与 P90 成本。即使所有套餐名和模型费率都变化,这套方法仍然有效。
一手来源
- FinOps Foundation:Tokenomics——管理 SaaS 模型 Token 成本中的 AI 价值
- FOCUS 1.4 规范与账单对账模型
- METR:测量使用与不使用 AI 时的开发者生产力
- METR:2026 年更新与测量局限
相关资源
- AI 编程 ROI 评估与团队落地 — 把成本与实测生产力关联起来。
- AI 编程助手定制指南 — 在测量成本之前先配置好你的环境。
- AI 编程规则文件:比较宿主工具的上下文契约
- 上下文工程术语