一项最新研究显示，低价人工智能（AI）模型并不必然意味着更低的使用成本。在不少复杂任务中，表面单价更低的模型，实际总支出反而可能高于高价模型。

据外媒Gigazine当地时间6日报道，斯坦福大学、卡内基梅隆大学、加州大学伯克利分校和Microsoft Research联合研究团队，对8款前沿AI模型进行了6800余项任务测试。结果显示，在32%的测试任务中，低价模型的总成本反而高于高价模型。

该研究覆盖数学、编程、科学等多类任务，重点比较不同模型在真实任务中的成本结构。研究团队指出，仅凭token单价或单次调用费用，难以判断AI的实际使用成本，因为完成同一任务所需的推理过程和执行步骤可能存在明显差异。

研究举出的典型案例之一，是对YouTube视频进行逐帧分析。高价模型Gemini 3.1 Pro用85个步骤完成任务，而低价模型Gemini 3 Flash在经历1000多个步骤后仍未完成。成本对比显示，Gemini 3.1 Pro完成该任务的成本为1美元（约1300韩元），Gemini 3 Flash则达到14美元（约1.88万韩元）。

研究团队认为，这类“低价更贵”的现象，主要与模型在复杂任务中的过度推理和执行步骤过多有关。任务越复杂，推理链条和执行过程越容易被拉长，而性能更强的模型往往能以更少步骤、更低总成本完成任务。测试中还出现过这样的情况：Gemini 3 Flash消耗了6万余个推理token，而性能更高的GPT-5.4仅用25个token就解决了问题。

研究同时指出，AI成本并不容易准确预测。即便对同一模型输入完全相同的指令，不同轮次运行的支出也可能相差很大。研究团队在测试中发现，最贵的一次运行成本可达到最便宜一次的9.7倍。

这也意味着，企业在制定AI导入和选型策略时，不能只比较模型标价。对于简单任务，低价模型可能更具成本优势；但在复杂业务场景下，实际总成本未必更低。参与研究的Lin Zhao Chen表示，“不能只看价格就判断哪个模型更便宜”。

研究进一步显示，AI服务价目表并不能直接反映真实运营成本，尤其是在涉及多阶段推理和工具调用的任务中，模型性能差异会直接影响最终支出。研究团队建议，企业在付费部署AI时，除关注输入价格外，还应同时评估任务完成率、执行步骤数量以及重复运行时的成本波动。