单个智能体任务的成本，以及在您的业务规模下的总成本
单任务成本
一个任务 · 调用 GPT-5.6 Terra 5 次
单次模型调用成本
$0.008640
5 次调用的平均值
上下文增长
3.3×
首次调用为 1,800 个 Token，最后一次为 6,000 个
构成单个任务的要素
$0.0432在此规模下
100 个任务 · 天如果执行这么多任务
100
$4.32
1,000
$43.20
10,000
$432.00
100,000
$4,320.00
此图表的假设前提
把工资单、银行流水或截图拖进来，AI 会读取并自动填好这些字段。
在收支记录里，这就不再是一次性的计算：把真实余额放在那里，预测会自己更新。
描述一张发票，AI 帮你写好。PDF 无水印，免费。
决定 Agent 经济成本的关键不在于 Token 单价，而在于循环（loop）执行的次数以及每次循环中包含的对话内容量。一个五步循环的 Agent 会发送五次系统提示词（system prompt），并在此基础上发送四次不断累积的对话历史；而一个十五步循环的 Agent，其成本远不止五步循环的三倍。此处的费率来自服务提供商的定价页面，包括 OpenAI 和 Anthropic。
几乎所有的 Agent 框架都会记录每次运行中的模型调用次数。一次真实的运行记录（trace）胜过任何估算，且实际数值通常高于人们的预期。
系统提示词和工具定义在每一步都会被重新发送。鉴于其成本约为输入费率的十分之一，缓存这些内容是 Agent 优化成本最有效的手段。
如果某个工具返回了一整页 [JSON] 内容，其成本不仅仅发生在当前步骤，还会延续到后续的每一步，因为它会一直保留在对话上下文中。
无论是解决工单、提取发票信息还是预订时段，只要 Agent 的成本低于其产出价值，Token 单价就不再是关注的焦点。
按循环计费，而非按请求计费。接着缓存重复的部分，修剪工具返回的内容，并限制步骤数量——按此顺序进行。