便宜的 AI 模型为什么反而更费钱？Vals AI 用真实任务重新算账

导读

怎样在不降低工作产出的前提下，减少 AI 开支？Vals AI 的办法是先用团队做过的真实任务比较模型，再决定工具采购和日常使用。团队从 GitHub 找出已完成的问题，把任务还原到解决前，让 Agent 重做，以工程师原来的成果为参照，同时比较结果、总费用和耗时。一次内部比较中，闭源方案得分略高，成本和耗时却低于自托管方案。金融评测也显示，报价便宜的模型可能因为用量更大反而更贵；整体表现领先的模型，到了某类具体工作上也可能失去优势。评测还得贴近交付要求：模型一次给出三个可能答案，也许能覆盖评分点，却把判断负担留给用户。根据结果，团队开始按任务推荐工具和模型，并报告在维持相同产出的情况下费用减少约九成。