做聊天应用时，token 账单基本可预估：一问一答，输入输出都有数。换成 Agent 之后，很多团队第一个月账单直接超预算几倍——因为 Agent 的计费结构和单轮对话完全不是一回事：每走一步都要把之前的全部历史重发一遍，而历史还在每步变长。
这篇按账单结构拆 5 个成本大头，每个给一个能直接落地的对策，先用一个 50 步任务算笔完整的账。
先算一笔账：一个 50 步 Agent 任务值多少钱
设定一个典型任务：Agent 跑 50 步（每步 = 一次 API 调用），平均每步输入 20K token（system prompt + 对话历史 + 工具返回），输出 1K token。总输入 = 50 × 20K = 100 万 token，总输出 = 5 万 token。按三款模型牌价（¥/百万 token，海外按 1 USD ≈ 6.79 折算）：
| 模型 | 输入 | 输出 | 输入费 | 输出费 | 任务总价 |
|---|---|---|---|---|---|
| Claude Opus 4.8 | ¥33.93（$5） | ¥169.63（$25） | ¥33.93 | ¥8.48 | ≈¥42.41 |
| DeepSeek V4 Pro | ¥3.00 | ¥6.00 | ¥3.00 | ¥0.30 | ¥3.30 |
| MiniMax M2.7 | ¥2.10 | ¥8.40 | ¥2.10 | ¥0.42 | ¥2.52 |
单任务 ¥42 看着能接受，乘上量就不是了：每天 1000 个任务，Opus 4.8 约 ¥42,410/天，MiniMax M2.7 约 ¥2,520/天，差约 17 倍。还有个反直觉的点：这个场景里输入费占了大头（Opus 4.8 上约 80%）——所以 Agent 省钱的主战场在输入侧，不在输出侧。
大头一：上下文滚雪球，成本随步数平方级涨
Agent 循环的标准写法是每步把完整历史重发。历史每步变长，单步输入线性涨，累计输入平方级涨。算个具体的：起始上下文 4K，每步新增 2K（输出 1K + 工具结果 1K），第 50 步的单步输入已是 4K + 49 × 2K = 102K；50 步累计输入 = 50 × 4K + 2K × (49 × 50 ÷ 2) = 265 万 token。放在 Opus 4.8 上光输入费 ≈ ¥89.91——步数翻倍这个数字接近翻两番，这就是「跑长任务突然爆账单」的数学原因。
对策：修剪 + 摘要。 给历史设硬上限（比如 20K），超出丢最老轮次，只留任务目标和最近几步——上例封顶后累计输入回到 100 万，输入费回到 ¥33.93，省约 62%。再配合每隔 N 步用便宜模型把老历史压成几百 token 的状态摘要（「已查 A/B，结论 X，下一步 Y」）替换原文。长任务不做这两件事，后面所有优化都会被滚雪球吃掉。
大头二：工具返回结果全量塞回上下文
网页 HTML、文件内容、API JSON——很多框架默认原样追加进历史。一个网页 50K token 很正常，一个任务抓 10 次就灌了 500K，在 Opus 4.8 上值 ≈¥16.97；而且这些内容留在历史里，被后面每一步重复计费，叠加滚雪球。
对策按投入产出排序： ①无脑截断：每个工具结果设上限（如 2K），超出截断并标注，500K → 20K，¥16.97 → ¥0.68；②工具侧预处理：网页转正文、JSON 只留需要的字段，这步不花模型的钱；③引用句柄：大结果存本地，只给模型 ID + 摘要，需要细节再按需取片段。多数场景做到前两条就能砍掉一大截。
大头三：推理 token 按输出价计费
思考型模型的内部推理 token 按输出价计费，而输出价通常是输入价的数倍（Opus 4.8 是 5 倍）。每步思考 2K、50 步共 100K：按 Opus 4.8 输出价 ≈¥16.96——这笔钱在仪表盘上只显示为「输出 token」，最容易漏算。
对策： 大部分 Agent 步骤是格式固定的工具调用，不需要深度思考。把思考强度调低或关掉（各家参数名不同，以官方文档为准），只在规划、验收这类关键步骤开。
大头四：重试与死循环，按倍数烧钱
整链重跑一次成本 ×2；更隐蔽的是死循环——Agent 反复执行同一个无效动作。按每步 20K 输入算，空转 100 步就是 200 万 token，Opus 4.8 上 ≈¥67.86，一个 bug 每触发一次烧一顿饭钱。
对策三件套（护栏，不优化成本但防失控）： 硬性最大步数（到顶强制终止并报告进度）、单任务预算熔断（累计 token 超阈值就停）、重复检测（连续 N 步同工具 + 相近参数就拦截）。
大头五：又长又重复的 system prompt × 前缀缓存
几十个工具的 JSON schema 轻松把 system prompt 堆到 8K token，每步原样重发：8K × 50 = 400K，按全价 ≈¥13.57，全是为「一字不变的内容」付的钱。
这正是前缀缓存的用武之地：命中部分按缓存价计费。Opus 4.8 缓存读 ¥3.39/百万 = 全价的 1/10，那 400K 降到 ≈¥1.36；DeepSeek V4 Pro 缓存读 ¥0.03/百万 = 全价 ¥3 的 1/100。而且 Agent 的历史天然是「只增不改的前缀」：第一节那 100 万输入若 90% 命中，Opus 4.8 输入费 = 0.9 × 3.39 + 0.1 × 33.93 ≈ ¥6.44，直接降掉八成。
吃到缓存的工程前提是前缀逐字节稳定：
- system prompt 里别放时间戳、随机 ID，动态信息挪到消息末尾
- 工具定义顺序和文案固定，改一个字符前缀就断
- 历史只追加不改写；修剪时从中间摘要、保住开头稳定前缀
- 各家缓存写入费率/有效期不同，接入前看官方文档
终极杠杆：便宜模型搬砖，旗舰模型把关
前面四招是少花冤枉钱，最大的一刀来自模型分工：50 步里多数是格式固定的体力活（调工具、抽字段、整理结果），少数才真正需要智商（规划、验收）。按 8:2 分工——80% 步骤走 MiniMax M2.7、20% 关键步骤走 Opus 4.8：输入费 ≈¥8.47 + 输出费 ≈¥2.04 ≈ ¥10.51，对比纯 Opus 的 ¥42.41 省掉约四分之三，关键决策质量不让步。
落地顺序建议： 先上护栏（最大步数 + 预算熔断），再做工具结果截断和上下文修剪（见效最快），然后调通前缀缓存（纯工程活、零质量损失），最后做模型分工路由（收益最大但要评测验证）。四步做完，开头那个 ¥42 的任务压到几块钱以内，是普遍能做到的水平。
（完 —— 价格为 2026 年 6 月各厂商牌价，以官方定价页为准）
