终端AI编程工具成本实测：每任务真实费用追踪方法

Cloud AI 编程助手把成本藏在月度订阅或捆绑积分里。Terminal 代理不这样做。OpenCode、Claude Code 和类似工具按 token 计费，这意味着每次 prompt、每次文件读取、每次测试运行都有价格。如果你不做测量，第一张账单一定会让你惊讶。

我们在两周的 sprint 中使用 OpenCode 和 Claude Code 追踪了每个任务的成本。目标不是最小化开支，而是了解哪些任务便宜、哪些昂贵，以及模型选择在哪里起作用。

成本按任务计费优于按 Token 计费

成本按 token 从提供商仪表板拉取很容易，但它具有误导性。如果一个任务用更多 token 却在更少轮次内完成，它不一定更贵。如果 agent 陷入重试循环，用更少 token 的任务也可能很贵。

按任务计费捕捉了整个循环：prompt、上下文读取、工具调用、重试，以及最终的 diff。这个数字映射到节省的工程时间，这才是你使用 agent 的真正原因。

把"任务"定义得足够窄才能对比。"给 API 添加限流"是一个任务。"修 bug"太模糊了。在开始追踪成本之前，把模糊的请求拆解成具体的结果。

我们在两周内为每个 agent 会话记录了四个字段：

• 一句话的任务描述
• 使用的模型及提供商
• 提供商仪表板中的输入和输出 token
• 结果——完成、部分完成或失败

任务分为三个成本区间：

最便宜的任务并不总是最小的。一条措辞精准的一句话请求往往比模糊的三段式请求成本更低，因为 agent 减少了猜测。

模型选择比你想象的更重要

成本最大的杠杆是模型，不是 prompt。我们用四个模型跑了相同的样板生成任务：

• Claude Sonnet 4.6：$0.18，质量最高
• GPT-4o：$0.12，质量相当
• DeepSeek V3：$0.03，质量略低
• Local Qwen 2.5 Coder 14B：$0.00，速度最慢

对于日常任务，DeepSeek V3 足够好，成本降低了 80%。对于出错代价高昂的任务，Claude Sonnet 值得溢价。OpenCode 让切换变得很简单，因为模型只是一个设置项。

不要单独优化成本。产生微妙 bug 的更便宜模型可能在调试上花费更多时间，远超它节省的 token。追踪结果和成本并重。

构建一个简单的成本日志

你不需要仪表板。上述五个字段的电子表格就足够第一个月用了。跑了三十个任务后，你就会知道自己的基准，并能回答三个问题：

• 哪些任务类型值得自动化？
• 哪个模型应该成为你的默认选择？
• 你在哪里花了钱却没有得到结果？

一旦有了基准，你就可以决定订阅工具的捆绑积分是否比按 token 计费更便宜。答案取决于你的任务构成，而不是标称价格。

Originally published at pickuma.com. Subscribe to the RSS or follow @pickuma.bsky.social for new reviews.