有个做内部工具的朋友上周把 API 调用记录甩给我：为了压成本，他把新模型的 reasoning 档位从 high 一路调到了"不推理"，理由是"少想就少花钱"。结果一个月跑下来，单任务均价比调之前还高了一截，更麻烦的是工单里"答非所问"的反馈多了起来。他对着账单反复确认，怀疑是不是计量出了 bug。
不是计量的问题。是省钱的那个旋钮，位置变了。
一个模型，六档价
OpenAI 上周发布的 GPT-6.1 Terra，标价是输入每百万 token 1 美元、输出 5 美元、命中缓存的输入 0.05 美元——比上一代 Terra 直接减半，只有旗舰 Astra 的十分之一，官方称任务完成速度还比 Astra 和 Sol 快三倍以上。看起来是个标准的降价故事。
但更值得看的是另一组数字。独立评测机构 Artificial Analysis 在 10 月 26 日把 Terra 的六个推理档位各跑了一遍，得到的是这样一条曲线：
不推理：智能指数 33.5，单任务 $0.107，输出 4,737 token，硬答率 72%
low：36.2，$0.055，2,681 token，46%
medium：41.3，$0.095，5,835 token，44%
high：43.9，$0.134，9,027 token，43%
xhigh：45.4，$0.194，14,551 token，42%
max：48.1，$0.403，35,096 token，38%
同一份权重、同一份价目表，最贵档和最便宜档之间差了七倍多。max 比 low 多花 7.4 倍的钱，换回 11.9 个指数点；而 max 比 xhigh 只多 2.7 分，钱却要多一倍。这条曲线的最后两级，明显越往上越不划算。
"少想"为什么反而更花钱
最反直觉的是第一行：不推理档 $0.107，比开 low 推理的 $0.055 贵了将近一倍，分数反而低 2.7 分。
原因藏在输出 token 那一列。不推理档每个任务平均写 4,737 个 token，low 档只写 2,681 个。模型不"打草稿"，就把想到的第一句直接往外吐，来回绕、反复改口，写得更长，还没写对。硬答率的数据也是同一个方向：遇到不会的问题时，不推理档硬答比例 72%，low 档 46%，max 档降到 38%。
OpenAI 自己的内部测试指向同一个结论——用一组容易诱发错误的提示词测，低推理强度下错误率从上一代的 53.6% 降到 16.7%，拉满推理降到 4.3%。
所以"少想就等于少花钱"这个直觉，在按输出 token 计费的模型上是反的。你省下的思考 token，会以几倍的篇幅回到输出那一栏，还附赠一批需要人工返工的错答案。这和过去几个月大家慢慢摸出来的规律是同一条：账单真正敏感的不是标价，而是模型为一个任务写了多少字。AA 在 10 月 24 日那轮测算里已经显示过，两个标价一模一样的模型，单任务成本能差 2.75 倍，差别全在输出量上。
档位不该只设一个值
既然档位本身就是一张价格表，它就不该是一个全局配置。
这两天有个可以抄的做法：Requesty 上线了 Auto Routing 的公测，允许团队用自然语言写规则，把 Claude Code 的会话按首条消息自动分给不同模型，一次判定、整段会话锁定。他们自己给出的数据是模型成本降 42%、延迟降 30%，对比基准是全程用 Opus 5.5。
这套思路搬到档位上完全成立。我现在的分法大概是这样，供参考：
分类、抽取、格式转换、打标签这类有标准答案的活，走 low 或不推理，答错了也容易在下游校验里拦下来；
常规问答、摘要、中等长度生成走 medium，这是覆盖面最大的一档；
多步规划、要读图的电脑操作、复杂代码改动才上 high 及以上；
卡住了再升级，而不是一上来就把档位拉满。
落地就三件事。第一，先量自己的：拿 50 到 100 条真实任务，每个档位都跑一遍，记下"分数 / 单任务成本 / 输出 token"三个数，画出来的曲线很可能和上面那张不太一样。
第二，把档位和模型名一起挪进配置，别写死在业务代码里——我自己是把多家来源的调用收在 EasyAPI 这样的聚合入口后面，换档位就是改一行配置的事；当然这不是非它不可，自己包一层薄代理也一样。
第三，账单得能按模型和档位拆开看，EasyAPI 这类入口的用处也就在这里，省的是找数据的时间，不然你根本不知道那 42% 是从哪一档省出来的。
写在最后
同一天 Anthropic 交了 S-1。里面有个数字挺有意思：上半年算力与基础设施支出近 90 亿美元，占营收比例从去年同期的 201% 降到了 55%。公司把其中一部分归因于训练和推理算法的持续改进——同样的算力，能干更多活。
供给端确实在变便宜。但这不保证你的账单会跟着降，中间还隔着一层你自己设的档位。
以前的成本功课是"选哪个模型"，现在是"同一个模型，这一路请求该开哪一档"。旋钮变小了，也变多了。
