API 推广期结束后开发者该如何调整成本模型?

我最近算了一笔账，算完之后有点睡不着。之前拿 Gemini 4 Argon 的推广价跑一个长输出的智能体任务，感觉便宜到不真实：每百万输入 Token 2 美元，输出 10 美元，缓存输入还能打 95% 的折扣，简直是白嫖。但 11 月 30 日一过，输入变 4 美元、输出变 20 美元，直接翻倍。我那个任务里输出 Token 占了大头，单位成本一夜之间翻番，这个落差不是调调参数就能糊弄过去的。

所以我现在看成本模型，第一件事就是把它拆成两套口径：推广期怎么算，调整后怎么算。别再用一个“平均单价”自欺欺人了。输出密集型场景尤其要盯紧输出价格，因为一次生成百万级 Token 的账单会从 10 美元跳到 20 美元，涨幅和输出价格完全同步，跟输入侧没关系。

第二件事，我开始认真对待缓存。缓存输入那 95% 的折扣，是这次定价里少数还能薅的羊毛。把稳定复用的系统提示、知识库片段、代码上下文塞进缓存，输入侧的支出能压得很低。但我也提醒自己别想当然，缓存的具体适用范围和调整后的政策得看官方价格页，不能拿推广期的规则去套未来的账单。

第三件事，也是最容易被忽略的：推广期这扇窗口，其实是拿来验证、不是拿来省钱的。我现在会趁 11 月 30 日之前，用真实业务负载去测 Argon 的输出稳定性、跨请求接续的连贯性，还有智能体任务的成功率。为什么盯这些？因为它主打的就是长上下文和长流程任务，单次输出上限拉到 100 万 Token，还能跨请求接着写。对需要多轮规划、持续生成大段代码或文档的应用来说，输出上限往往比输入上限更卡脖子。如果这些能力真能减少回滚、提高任务完成率，那价格翻倍也许还能接受；如果只是榜单好看，那这笔钱就该省下来。

说到榜单，我踩过一个心理坑：看到官方说代码提交量增加超过 35%、回滚减少近三分之一，还有 DeepSWE、AutomationBench 这些基准成绩，再加上第三方 Vals Index 排第一，很容易一激动就下单。但这些数字口径并不一致，官方公布的和第三方评测的测试条件不一样，不能直接横向叠加。而且领先幅度有限，评测还会随版本更新变化。我现在更信自己业务数据跑出来的小规模对照测试，而不是排名。

价格调整之后，Argon 和同级别前沿模型的成本差距会收窄，选型判断就得回到任务匹配度上。如果你的业务集中在长流程代码生成、企业文档处理或安全分析，输出上限和接续能力带来的收益有可能覆盖涨价；如果只是短输入短输出，翻倍的影响没那么大，但推广期的价格优势也没了，该重新比价就重新比价。

我接下来会盯三件事：11 月 30 日之后谷歌会不会出新的缓存或批量折扣政策，Argon 在第三方评测里排名稳不稳，以及围绕百万级输出上限，社区里会冒出哪些新的工程模式和控成本手段。成本模型不是算一次就完事，它得跟着价格和用法一起迭代。