模型与工作台的使用心得
我的理解就一句话:
LLM 本体 · 负责理解、推理、生成
围绕大脑搭的执行框架 · 把"说"变成"做"
个人体感排名 · 边讲边拖
同一家 OpenAI,也有不同定价的模型。别只问“用了多少 Token”,先问“用的哪个型号”。
| 模型按截图顺序 | 输入单价美元 / 百万 Token | 输出单价美元 / 百万 Token | 同样用量算一笔美元 / 次,估算 |
|---|---|---|---|
| GPT-6.1 Sol | $2.00 | $10.00 | $0.0300 |
| GPT-6 Astra | $10.00 | $50.00 | $0.1500 |
| GPT-6.1 Terra | $1.00 | $5.00 | $0.0150 |
| GPT-6 Sol | $2.00 | $10.00 | $0.0300 |
| GPT-6 Luna | $0.10 | $0.50 | $0.0015 |
Astra 对比 Luna
100 倍同样用量,模型费用差 100 倍。
不是都叫 GPT,就都一个价。
公司名不等于型号,型号也不等于价格。
比如 6 Sol 和 6.1 Sol 目前同价;选模型,要看具体报价和这项活做得怎么样。
口径:2026-11-16 官方 API · Standard · 短上下文 · 未缓存输入,不是会员套餐或界面额度扣费。估算统一用量:输入 10,000 +计费输出 1,000 Token;非实测,不代表各模型实际消耗或效果相同,不含工具等费用。缓存、长上下文、加速档等会改变费用。
来源:OpenAI 官方定价 · GPT-6 Sol 定价。输入=给模型处理的内容;输出=模型生成的内容(含计费思考)。
先把前提讲清楚:我们只是让 AI 做一张数据统计表。
| 业务员 | 客户数 | 成交数 |
|---|---|---|
| 张敏 | 3 | 2 |
| 李强 | 2 | 1 |
这是一个很简单的办公任务。这里先假设:三个模型都正确完成,没有返工,结果一样。
结果都一样,GPT 这笔估算费用约是 DeepSeek 的 14.3 倍。
所以要先认识模型,再决定什么活用哪个模型。
估算口径:每次任务输入 10,000、计费输出 1,000 Token;DeepSeek V4.1 Flash 按非高峰,GPT-6.1 Sol 与 GLM-5.3 按官方 Standard API 单价。只是价格演示,不是三个模型的实测消耗;实际费用会因思考长度、缓存、返工和工具调用变化。
模型决定上限,但天天决定你效率的,其实是 harness
不花自己的 token:前端看审美,后端看实战
刷视频。看纯 AI 一句话生成的作品好不好看——审美是最外显的能力,几分钟就能有结论。
画面、音乐、音效全程由它写代码生成 —— 一句话能到什么水准,看这条最直观。
看固定 UP 主的多模型横评:同档位的模型,做同一道题。别人烧 token,我们看结论。
新模型发布后一两周基本都会出单集评测;认准同一 UP、同一题库才有可比性。
打开 UP 主主页 ↗