长任务Agent别只看输入单价：把缓存、输出和失败重跑一起算进模型成本

你已经有了一套工具组合——多轮对话、检索、代码执行、子智能体。但账单涨得比预期快。常见的原因只有一个：你用"输入token单价"去估计成本，而长任务Agent的真实交付成本，是由输入、输出、缓存、工具、运行时间、失败重跑和成功率一起决定的。

这篇文章给你一份可复用的"成功交付期望成本"公式，以及一份选型时必查的计费清单。它不给你一张统一价目表——因为不同模型的逐美元标价、折扣条件和适用层级差别很大，混在一起会误导你。下面所有结论都只来自两家厂商的官方定价文档（文末列出），并把 Anthropic 与 Gemini 的口径分开讲。

一、误区：为什么只看输入单价会低估长任务成本

输入单价只是公式里最小的一块。长任务把多轮对话、工具调用与失败重跑常态化之后，被忽略的几块会持续放大：

缓存写入（首轮要把系统提示和工具定义写进缓存）比基础输入贵；

多轮输出与工具结果 token 随轮次累积；

工具调用有固定费或运行时费；

失败的那一跑也要付钱，而分母"成功率"会把它摊到每一次成功交付上。

所以"标价"和"真实成功交付单价"之间有一个缺口，长任务越复杂，缺口越大。

二、公式总览：把全部直接成本摊到一次成功交付上

成功交付期望成本 = （一次尝试的全部直接成本）÷ 交付成功率。

ExpectedCostPerSuccessfulDelivery =   ( BaseInput + CacheWrite + CacheRead + CacheStorage     + Output + ToolDefinitionTokens + ToolCallFees     + ToolResultTokens + Runtime + Grounding     + OtherMultipliers + RetryCost )   / DeliverySuccessRate

分母是成功率，分子是一次尝试的全部直接成本。只看 BaseInput，就相当于只算了分子里最小的一项。

三、Anthropic 口径拆解

计费结构：分别列出基础输入、5分钟缓存写入、1小时缓存写入、缓存命中与刷新、输出 token。

缓存倍率：相对基础输入价，5分钟写入 1.25 倍、1小时写入 2 倍、缓存读取 0.1 倍。

Batch API：对输入和输出 token 提供 50% 折扣（注意适用条件）。

工具 token：工具成本包含 tools 定义、tool_use、tool_result 和工具系统提示产生的 token；服务端工具可能另收费。

Web Search：每 1000 次搜索 10 美元，另加标准 token 成本；搜索失败不计费。

Web Fetch：无额外调用费，只计进入上下文的标准 token。

Code Execution：与 web search 或 web fetch 配合时无额外执行费；单独使用有 5 分钟最低计时、每月 1550 免费小时，超出后每容器小时 0.05 美元。

Managed Agents：同时计 token 与 session runtime；运行时为每 session-hour 0.08 美元，只累计 running 状态。

区域/数据驻留：部分区域或数据驻留模式存在 1.1 倍 token 价格倍率；适用模型和平台必须单独核对。

四、Gemini 口径拆解

分层：Gemini API 区分 Free、Paid 和 Enterprise 层；Paid 层提供更高限额、Context caching 和 Batch API。免费层和付费层的数据使用条款不同，比较时必须同时注明层级。

按模型计价：各模型分别列出输入 token、输出 token、Context caching 与缓存存储价格，必须按具体模型读取，不跨模型混用。

大提示阈值：部分模型对超过 200k token 的提示采用不同输入、输出与缓存价格阈值，需按模型核对。

Grounding：Grounding with Google Search 可能把一次用户请求拆为多个搜索查询，并按实际查询逐项计费。

Batch API：官方说明可降低 50% 成本，但需同层（Paid）。

五、三个符号化成本拆解示例

以下示例只用符号与已核验倍率/固定费，不臆造具体美元数；具体逐美元价请按模型与日期回官方页面补取。

示例 B1：长任务缓存循环（Anthropic）

ExpectedCostPerSuccessfulDelivery ≈ ( BaseInput + CacheWrite + CacheRead + Output + Runtime + RetryCost ) / DeliverySuccessRate

每轮循环：基础输入（系统提示+工具定义）+ 首次 CacheWrite（×1.25）+ 后续 CacheRead（×0.1）+ 多轮 Output。

失败重跑：RetryCost 覆盖未成功循环重复支付的 BaseInput / CacheWrite / Output / Runtime。

区域/数据驻留若适用，再叠加 OtherMultipliers ×1.1。

示例 B2：工具与运行时附加费（Anthropic）

ExpectedCostPerSuccessfulDelivery ≈ ( BaseInput + Output + ToolDefinitionTokens + ToolCallFees + ToolResultTokens + Runtime + RetryCost ) / DeliverySuccessRate

Web Search：每 1000 次 10 美元（ToolCallFees）+ 标准 token；失败不计费。

Web Fetch：仅上下文 token，无调用费。

Code Execution：配合 search/fetch 无执行费；单用每容器小时 0.05 美元（5分钟最低计时、1550 免费小时/月）。

Managed Agents：token + session runtime 0.08 美元/session-hour（仅 running）。

示例 B3：Context caching + 阈值 + Grounding + Batch（Gemini）

ExpectedCostPerSuccessfulDelivery ≈ ( BaseInput + CacheStorage + Output + Grounding + OtherMultipliers + RetryCost ) / DeliverySuccessRate

按具体模型读取输入/输出/Context caching/缓存存储价，不跨模型混用。

超过 200k token 阈值可能改变输入/输出/缓存价格，需按模型核对。

Grounding 按实际拆分查询逐项计（Grounding），一次请求可能多查询。

Batch API 降低 50% 成本但需同层（Paid）；免费层与付费层数据条款不同须同注。

六、决策清单：选型时必查的计费项

基础输入与输出单价：按具体模型 + 生效日期 + 区域/数据驻留读取官方价，别用记忆值或别的 run 的值。

缓存：写入倍率（如 1.25× / 2×）、读取倍率（如 0.1×）、存储费，分别确认是否适用。

工具费：定义/结果 token、服务端工具调用费（如 Web Search 10美元/1000次）、失败是否计费。

运行时费：session runtime（如 0.08美元/session-hour）、容器小时（如 0.05美元/容器小时）、免费额度与最低计时。

折扣与倍率：Batch 50%、区域 1.1× 等，确认适用条件与层级。

阈值与分层：>200k 阈值、Free/Paid/Enterprise 数据条款，同层同模型比较。

成功率：用你自己的 DeliverySuccessRate 把"标价"折算成"成功交付单价"，否则会系统性低估。

把上面每一项都查到、分开记、再代入你的实际轮次和成功率，才能得到接近真实的成本。精确逐美元标价请按模型与日期回官方页面核对——本文只引用已核验的倍率与固定费，不替你猜测任何数字。