同一件事，智能体比你直接问贵多少？我用 tiktoken 实测了一遍

实测手记（field_note）· 实测（L2） · 2026-07-17

这是上一篇《AI 账单体检表》里"看点"承诺的真测。姊妹篇（L1）讲怎么自检账单，这篇（L2）用真实数字回答一个被反复吐槽却很少有人量化的问题——"养龙虾"式智能体，到底比你直接问 AI 贵几倍？

诚实边界（先说清）：我用 OpenAI 官方分词器 tiktoken 对真实任务文本做精确 Token 计数（这是硬数据、可复现）；"账单"是按公开单价折算（输入 4 元 / 输出 20 元每百万 Token，国内中高端模型量级），不是付费扣费截图。所以本文可信的是倍数关系，绝对金额会随你用的模型档位和频率放大。

怎么测的：把"烧钱的真因"建进模型

网上都说"智能体烧几十倍"，但很少有人说清钱到底烧在哪。我把两种模式拿同一组任务对比：

模式 A｜直接问答：你问一句，模型答一段。一次请求。
模式 B｜智能体多轮：同一个目标，但智能体要自己拆解任务→调工具（搜索/抓网页/读文件）→看返回结果→再决定下一步→最后汇总。关键在于：每一轮都是一次独立 API 请求，而且每次都要把"工具定义 + 之前所有的思考和工具返回"整包重发一遍。

这就是烧钱的物理原因：上下文像滚雪球，Token 随轮次近似平方级增长。这也印证了 MiMo 团队罗福莉的说法——某些框架"每个请求携带超 100K Token 上下文，实际请求次数是原生框架的数倍"。

我选了 3 个普通人真会用的任务：写周报、搜一批资料并汇总、生成修图提示词。用 tiktoken 逐字计数。

实测结果

|---|---|---|---|---|

| 合计 | 1,403 tok | 23,369 tok | 16.7× | 5.0× |

（数据为 tiktoken cl100k_base 实测；脚本可复现，见文末。）

三个结论，都由数字撑着

1. "几十倍"不是夸张——但要看任务类型。

需要真正联网搜索、抓多个网页的任务（搜资料汇总）最猛：35.6 倍 Token。因为每抓一个网页，正文（几百上千 Token）就永久进入上下文，后面每一轮都要重发。而本可以一句话答完的任务（写周报、修图提示词），智能体如果"多此一举"去查东西，也要烧 7–10 倍。

2. 账单倍数比 Token 倍数低，藏着一个反直觉点。

你会发现账单倍数（5.0×）低于 Token 倍数（16.7×）。原因：输出 Token 比输入贵 5 倍，而直接问答里"输出"占比高（那段答案值钱）；智能体烧的大头是反复重发的输入上下文（便宜但量大）。所以智能体是"用大量廉价输入，换你本可一步到位的结果"——你多付的钱，很多花在了让模型反复"读它自己刚写的历史"上。

3. 绝对金额小 ≠ 你不会烧钱。

我这套按中高端模型单价算，单个任务也就几分钱，一天做一遍 3 个任务，月差额才几块钱。但真实"养龙虾一周 83 元、一夜欠费"是怎么来的？ 三个放大器：① 用最贵的模型（顶级模型每百万 Token 可达 150 美元档）；② 高频 + 长期记忆常驻（智能体后台自己转）；③ 多代理并行（几个智能体互相调用，Token 再翻几倍）。把上表的倍数，乘上"贵模型 × 高频 × 多代理"，几十块甚至上百块就出来了。

那到底该不该用智能体？

看任务，不看潮流。 用实测倍数反推：

能一句话问答的（写周报、想提示词、翻译、总结）：直接问。让智能体去干，等于花 7–35 倍的钱买同一个结果。
必须跨工具、多步骤、且你会重复做的（每天定时抓一批数据→清洗→生成报表）：智能体才划算——因为它替你省的是人力时间，这时候多付的 Token 钱换来的是自动化。
一次性的复杂活：手动分几步问，比养一个常驻智能体便宜得多。

一句话：智能体不是"更强的问答"，是"用 Token 换人力"。 换得值不值，取决于这活你要不要天天做。

编辑结论

recommended（推荐一看）。本文完成了 L2 实测：tiktoken 精确计数、方法与脚本可复现，验证了"智能体成本是直接问答的 7–36 倍"这一被广泛谈论但少有人量化的论断。未做的部分（不标 L3）：没有接入真实付费 API 拉取厂商真实账单（受限于账号与成本），故绝对金额为公开单价折算，非实扣。想要极致精确的读者，可用文末脚本替换成自己模型的单价复算。

复现方式

工具：tiktoken==0.13.0，编码器 cl100k_base
脚本：s0_sample/_lab/token_bill_test.py（本仓库内），逐任务打印请求数、Token、折算账单与倍数
改单价：把脚本顶部 PRICE_IN / PRICE_OUT 换成你实际用的模型价格即可
改任务：替换 TASKS 里的用户输入与预期答案，或调整每个任务的工具调用轮数 n_tool_calls

---

参考资料（Sources）

OpenAI tiktoken（本文计数工具）— https://github.com/openai/tiktoken
虎嗅：《用不起Token的我，成了AI时代的下沉市场人群》（含罗福莉"超 100K 上下文、请求数数倍"论述，2026-07）— https://www.huxiu.com/article/4851553.html
封面新闻：《"养龙虾"一周花费83元？有人一夜欠费》（2026-03-14）— https://www.163.com/dy/article/KO0H9AOT0514D3UH.html

引用说明：本文 Token 数为 tiktoken 本地实测（可复现）；账单为公开单价折算（非实扣），单价假设已在正文标明。倍数结论稳健，绝对金额随模型档位与使用频率变化。

来源：官方站