模型标价与实际成本最高相差 28 倍，采购需看消耗而非单价
Microsoft Research、Stanford、Berkeley 和 CMU 联合研究对比 8 款前沿推理模型在 9 个任务域的实际运行成本与官方标价。结果显示，超过 1/5 的对标场景中，标价更低的模型实际成本反而更高，最极端案例高达 28 倍差异。具体例子：Gemini 3 Flash 官方标价比 GPT-5.2 便宜 78%，但全任务均摊实际成本反而高 22%。根本原因在于企业对 token 消耗量估算不足 —— 同一查询，不同模型的 thinking token 消耗可相差 900%，且 thinking token 占总成本 80% 以上。更复杂的是，同模型同查询的成本在运行间出现最高 9.7 倍波动，因此实际 COGS 既取决于模型选择，也取决于未被控制的运行时变量。
对建立在 LLM 上的产品的三重启示
①
成本预测
标价只是营销数字，真实账单由 token 消耗行为决定。企业采购前需测实际 token 消耗，不能只看单价；对于 Cursor / Claude Code 等编码工具，推理 token 消耗尤其不可控。
②
定价模型风险
若以固定费率叠加 LLM 使用成本，高频用户会因消耗波动导致边际成本失控，平台利润被未预测的运行成本吞没。
③
模型对标的陷阱
单纯对比 per-token 价格是误导的。完整评估需包括推理 token 比例、任务复杂度下的消耗分布、以及跨运行的成本方差。