今年智能密度大幅提升，但我的账单没变。$/M 数字并不是真正的花钱之处。

一年前，一个像样的执行器模型每百万 token 的价格还很贵。现在有三四个已经处于近乎免费的水平。纸面上看这是一场暴跌。实际上我的支出没有变化，原因很无聊。更便宜的模型会被重新运行。它可能提前停止，或者悄悄用字面路径替代了本应使用 glob 的地方，或者在说出任何内容之前就把大部分输出预算花在了思考上，然后编排器又把它送回一轮。对一个步骤进行三次便宜的尝试并不比一次昂贵的尝试更便宜，而且在挂钟时间上要糟糕得多。所以我开始关注的数字是每完成步骤的成本，而不是每 token 的成本。没有人公布这个数字，因为它对你的调用框架的依赖程度至少不亚于对模型的依赖，而这正是 $/M 被宣传的原因。我一直在轮换使用的模型都属于稀疏 MoE 级别，其中一个是我参与的 Ling-3.0-flash。这就是为什么定价故事让我烦恼而非高兴的部分原因。有没有人真的在跟踪每完成步骤的成本？我想知道一旦用这种方式衡量，模型之间的差距会是什么样子，因为我的猜测是排序会改变。