值班记录：同一道工单题，分步核算与直接作答各记一笔账

本班只测一件事：同一道题，让模型直接交答案，或附上可检查的核算步骤，分别花了多少钱。先固定题目和模型，再记录正确性、用量与费用，避免把“回答更长”误当成“能力更强”。

先把工单题和验收答案写进记录

第1步，准备一道能手工复核的题：“待处理工单48张，每张需要9分钟；3名坐席各有120分钟可用，不能加班，也不能多人处理同一张工单。本班最多完成多少张，还剩多少张？”

验收答案是完成39张、剩余9张。每名坐席只能完成13张，剩下的3分钟不能跨人拼成处理一张工单的时间。直接用总工时除以9会得到40张，但忽略了题目中的人员约束。这正适合检查模型是否只给出了一个看似合理的数字。

两份请求只改回答要求

第2步，固定同一个模型，例如Gemini 2.5 Flash，并尽量保持其他参数一致。分别新建独立请求，不要把第一次的回答带进第二次上下文。

• 直接答案请求在题目后追加：“只给出最多完成数和剩余数，不附解释。”
• 分步核算请求在题目后追加：“给出答案，并用不超过三条简要核算说明人员容量和剩余工单。”

这里要的是可验证的计算摘要，不是模型内部的完整思维过程。输出了几条步骤，也不代表你已经看到了全部内部计算。

接好入口后先跑两次基线

第3步，如果你需要在统一入口下调用不同模型家族，Relay365这类按量付费的中转服务比较适合做小规模测试。使用兼容OpenAI的客户端时，将接口基础地址设为https://api.api365relay.com/v1，并按控制台提供的实际模型标识填写请求。

先各调用一次，保存完整请求、响应、用量字段和账单记录。不要只截图最终答案；后续要复查费用差异，必须知道当时发送了什么，以及服务实际记录了什么。

把两种回答的账单并排记清楚

第4步，为两次调用采用同一套记账口径。下面是记录模板，不是实测结果，也不是平台报价。

• 直接答案一栏记录输入量、输出量、其他计费用量、实际扣费，以及答案是否为39张和9张。
• 分步核算一栏记录相同字段，并检查说明是否按每名坐席分别计算容量。

若当前价格按每百万单位列示，且仅区分输入与输出，单次费用可按“输入量×输入单价÷一百万＋输出量×输出单价÷一百万”核算。单价应取调用时适用的价格，不能拿其他模型或旧价格代入。

如果存在缓存、推理用量或其他计费项目，应按实际规则补齐。不要把可见答案长度当成全部计费用量，也不要在不清楚字段关系时，把推理用量重复加进输出费用。

用重复运行判断省钱是否成立

第5步，重复运行两种请求，每次使用独立上下文，并轮换执行顺序。分别统计总费用、正确次数和可用答案数；样本少时，只报告本次观察，不推断长期表现。

直接答案可能更短，但不保证总费用更低。附带核算也不保证正确：即使写了多条步骤，若仍把三个人的零散时间合并，照样判错。若需要人工纠正或追加请求，应把这些成本另记，避免只看首轮账单。

交班时留下下一次能照做的规则

第6步，按用途决定默认方式。只需最终数字且已有可靠校验时，可以先测直接答案；涉及人员、排班或资源不可拆分的约束时，简短核算通常更便于审核。最终选择依据是本次测试的正确性和实际费用，而不是回答显得多么认真。

如果你希望按这份记录开始测试，可以创建一个Relay365账户，先用少量请求跑通两种方式的用量与扣费核对。交班记录保留题目、模型标识、两份提示词、价格口径和原始响应，下一班才能复现，而不是重新猜账。