同一套编程题，最高档把预算花在了过度推理上：低档每任务只要2.1美元，最高档却要44.7美元，贵了二十多倍；可最高档得分45.7，反而比次高档的49.1还低。这不是模型变笨了，而是档位调高后，模型开始“想太多”——反复推演、过度斟酌、搜罗超出任务所需的上下文，推理token膨胀，钱花在了不必要的思考上。

　　一、各档位成本与得分对比

　　价格跨度：同一套编程题，低档每任务仅2.1美元，最高档44.7美元，差距超过20倍。

　　得分反常：最高档45.7分，次高档49.1分，多花数倍的钱，分数不升反降。

　　降价不等于省钱：Fable 5.2每百万token单价从输入10美元、输出50美元降到8美元和40美元，降了两成，但最高档跑一个任务26.54美元，上一代同档只要12.99美元，产出的token还多了七成。

　　二、多花的钱去了哪

　　推理token膨胀：高档位下模型用于「思考」的中间token大幅增加，单任务推理token可从71k涨到192k，接近三倍。

　　过度斟酌：官方解释高档位容易搜集超出任务所需的上下文、反复自我校验，把两行就能修好的问题做成一篇重构。

　　未必换来更高准确率：官方文档也承认，大部分能力在high档就已经具备，max档留给不在乎时间和token的少数任务。

　　三、怎么选档位才不花冤枉钱

　　按任务复杂度匹配档位：日常写邮件、改代码，轻量档或中档足够；只有真正需要深度推理的难题，才值得上调档位。

　　看单任务总成本，不看单价：模型调低单价的同时可能消耗更多token，账单反而变大，比较时应以「完成一次有效任务花了多少」为准。

　　简单任务用高性价比模型：让合适的模型做合适的事，比永远选最强档位更务实。

本文由AI生成