Skip to content
使用指南

实际运行 AI 工作流的成本(附真实数据)

AI token 成本往往不透明且难以预测——除非你从设计阶段就将成本纳入考量。以下是 AI 自动化每次执行、每个工作流和每月成本的实务分析。

JT
JieGou Team
··3 分钟阅读

JieGou has evolved.

Since this post was published, JieGou has pivoted from an AI automation platform to an AI-powered operations company delivering managed marketing and operations services. Learn about our managed services →

「这要花多少钱?」是关于 AI 自动化最难回答的问题。Token 定价是以百万计、不同模型对输入和输出收费不同,而单次执行的成本取决于输入和输出的文字量。大多数团队要么忽视成本直到帐单到来,要么过度优化而在所有地方都使用最便宜的模型。

这两种方法都不可行。以下是实务角度思考 AI 工作流成本的方式。

基础知识:单次 recipe 执行的成本

一次 recipe 执行有两个成本组成:输入 tokens(你的提示词 + 上下文)和输出 tokens(AI 的回应)。输出 tokens 通常比输入 tokens 贵 3-5 倍。

以下是不同供应商的典型 recipe 执行成本(大约值,截至 2026 年初):

简单提取或分类(输入短、结构化输出):

  • Claude Haiku 4.5:每次执行约 $0.002-0.005
  • GPT-5-mini:每次执行约 $0.002-0.004
  • Gemini 2.5 Flash Lite:每次执行约 $0.001-0.003

内容生成(中等输入、较长输出):

  • Claude Sonnet 4.5:每次执行约 $0.01-0.03
  • GPT-5.1:每次执行约 $0.01-0.025
  • Gemini 2.5 Pro:每次执行约 $0.008-0.02

复杂分析与延伸思考(长输入、推理 + 输出):

  • Claude Opus 4.5:每次执行约 $0.05-0.15
  • o3:每次执行约 $0.04-0.12
  • Gemini 3 Pro:每次执行约 $0.03-0.10

这些是粗略范围。实际成本取决于输入长度、输出长度,以及是否启用网路搜寻或延伸思考等功能。

工作流的成本

工作流会串接多个 recipes。成本是所有步骤成本的总和。以下是一个实际范例:

发票处理工作流(4 个步骤):

  1. 提取发票资料(Haiku 4.5):$0.003
  2. 检查差异(Sonnet 4.5):$0.015
  3. 生成核准摘要(Haiku 4.5):$0.002
  4. 撰写最终报告(Sonnet 4.5):$0.02

每次执行总成本:约 $0.04

每周执行 50 次(每天 10 张发票),月成本约 $8。相较之下,人工处理每张发票需要财务团队成员 15-20 分钟——每周约 12 小时的工作量。

新潜在客户管线(4 个步骤含网路搜寻):

  1. 潜在客户研究与网路搜寻(Sonnet 4.5):$0.04
  2. 潜在客户资格审查(Haiku 4.5):$0.005
  3. 条件检查:免费(仅逻辑,无 AI 呼叫)
  4. 草拟开发信(Sonnet 4.5):$0.02

每次执行总成本:约 $0.065

每月处理 200 个潜在客户,AI 成本约 $13/月。

优化杠杆:逐步骤选择模型

JieGou 最大的成本优化不是到处使用更便宜的模型——而是为每个步骤使用正确的模型。

在上述发票工作流中,提取和核准摘要使用 Haiku(快速、便宜、擅长结构化任务)。差异检查和最终报告使用 Sonnet(更好的推理、更好的文字表达)。如果所有步骤都使用 Opus,工作流每次执行成本会达到约 $0.35 而非 $0.04——在较简单步骤上品质提升微乎其微,成本却高出近 10 倍。

JieGou 让你能为每个 recipe 独立设定模型,因此你可以在步骤层级优化,而无需改变工作流结构。

执行前估算成本

JieGou 内建成本估算器,可在执行工作流前预估执行成本。估算器使用每个 recipe 过往执行的历史 token 用量来预测目前执行的成本。

对于没有历史纪录的新 recipes,估算器会根据输入和输出 schema 大小使用特定模型的预设值。

执行后追踪成本

分析仪表板会按以下方式细分 token 用量和成本:

  • Recipe — 哪些 recipes 每次执行最昂贵?
  • 工作流 — 每个工作流的总成本是多少?
  • 部门 — 每个团队花费多少?
  • 模型 — 各供应商的成本分布如何?

这种可见性让你发现优化机会。如果某个 recipe 占工作流成本的 60%,那就是实验不同模型或更短提示词的地方。

月度成本全貌

对于执行中等程度自动化的团队:

工作负载 每月执行次数 预估成本
销售潜在客户管线 200 $13
行销内容再利用 20 $1.50
客服工单分流 800 $4
每周交易审查 4 $0.80
发票处理 200 $8

总计:每月约 $27 的 AI 供应商成本。 这是实际的 token 成本,直接支付给供应商。JieGou 的平台订阅费用是分开计算的,不包含 AI 加成。

将此与被取代的人工时间相比——团队每周数十小时——ROI 显而易见。

实用经验法则

  1. 使用能产生可接受输出的最便宜模型。 对于分流、提取和分类,Haiku 或 GPT-5-mini 通常就足够。将 Opus 和 o3 留给复杂分析和高风险内容。
  2. 更短的提示词成本更低。 一个简洁的提示词模板,明确告诉 AI 要做什么,比冗长且充满范例和警告的提示词便宜。
  3. 结构化输出 schemas 减少浪费。 当 AI 明确知道要填写哪些栏位时,会产生更短、更聚焦的输出。更少的输出 = 更低的成本。
  4. 网路搜寻会增加成本。 搜寻本身包含在模型定价中,但搜寻结果会增加输入上下文。只为需要最新资讯的 recipes 启用网路搜寻。
costspricingtokensoptimization
分享这篇文章

喜欢这篇文章吗?

在您的信箱中获取工作流程技巧、产品更新和自动化指南。

No spam. Unsubscribe anytime.