一个月写码烧了 20 亿 token：模型本身只花 68 美元，一夜「凭感觉写码」却花了 150 美元

一、发生了什么

9 月底，开源 CMS Wagtail 核心团队的 Thibaud Colas 在官方博客发复盘：整个 9 月，团队所有编码只用开源小模型 GLM 5.3 Flash。结果全月消耗约 20 亿 token，只有一半落在目标模型上——挑战形式上「失败」了，作者自评「task failed successfully」。复盘登上 Hacker News 首页，Simon Willison 也写了跟进（来源：Wagtail 官方博客、Simon Willison 博客、HN）。

二、技术拆解

上半月所有工作都跑在 GLM 5.3 Flash 上：核心代码、客户站点、UI 任务、文档、评测。100 万上下文加原生视觉输入，接得住长任务和截图。这半月账单：68 美元、约 4 度电、365 克碳排放（Wagtail 官方博客口径，未独立核验）。模型本身，作者的评价是「非常全面」。

真正值得琢磨的是另外 10 亿 token 去了哪，三条泄漏路径性质完全不同：

第一条最扎心：团队为一个 MCP 服务器原型开了整夜无人值守的会话，结果挂在了同家族的「非 Flash 版」GLM 5.3 上——价格高一个量级，一夜烧掉 150 美元，是全月预算的 2.2 倍。作者自估：1/5 成本就能拿到同样结果（Wagtail 官方博客）。

第二条是开源模型的固有属性：权重开放 ≠ 随取随用，推理依赖第三方服务商。GLM 5.3 Flash 恰好卡在 Wagtail 任务「帕累托前沿」最前端，用的人多、服务商容量不及大厂，性能退化后临时切到 DeepSeek V4.1 Flash、Qwen 3.8 Flash。他们顺路跑的 14 模型基准也有价值：DeepSeek V4.1 Flash 以 95% 准确率、每任务 0.09 美元排第一（Wagtail 博客预览数据）——这种「每任务成本」记法，Holo4 那篇里 0.08 对 8 美元是同一套账。

第三条被多数人忽略，但恰恰最该学：账本单位错了。全月能耗约 35 度，是 10 度目标的 3.5 倍——这个缺口在 token 数里根本看不出来。

三、我的判断

这个案例的结论不是「开源小模型不行」——模型整个月表现都很好，失败的是花钱的治理结构。它暴露了三件教程不常写的事。

第一，Agent 会话是预算破坏力最强的调用形态。传统 API 一次请求一次结算，天然好控；Agent 无人值守会话能连跑几小时，中途还会换模型——选错的代价，可能只是模型名里少写一个后缀。Simon Willison 的结论：凡是 Agent 摸得到的计费服务，默认就该有硬性预算上限（来源：Simon Willison 博客）。

第二，单价便宜和总账便宜是两回事。之前写价格战那篇时说过，看价格表不能只看单价那行。看用量也不能只看 token，要把美元和电费记在旁边。便宜的单位乘上失控的用量，等于什么都没省。

第三，开源模型的供应链比想象中长一层。选型公式里除了能力、价格，还得写上「能稳定跑在几家服务商上、冗余够不够」。开源生态同档模型确实能互相顶上，但「没想到要切换」本身就是治理缺口。

四、对开发者的启示

三件事本周就能做：

预算硬顶的最小实现（先记账、再调用、超限即断）：

import json, os

BUDGET_USD = 50.0 # 单会话硬顶，按上月账单 P95 设
LEDGER = "session_spend.jsonl"

def session_spend() –> float:
if not os.path.exists(LEDGER):
return 0.0
with open(LEDGER, encoding="utf-8") as f:
return sum(float(json.loads(line)["usd"]) for line in f if line.strip())

def guarded_call(prompt: str, model: str, est_tokens: int) –> str:
price = MODEL_PRICES[model] # 每 1M token 美元价
est = est_tokens * price / 1_000_000
if session_spend() + est > BUDGET_USD:
raise RuntimeError(f"预算熔断: {session_spend():.2f} / {BUDGET_USD} USD")
print(f"[model={model}] price={price} USD/1M tok")
resp = call_provider(prompt, model) # 内部指向 https://api.example.com/v1
with open(LEDGER, "a", encoding="utf-8") as f:
f.write(json.dumps({"model": model, "usd": resp.usage_cost}, ensure_ascii=False) + "\\n")
return resp.text

完整自查清单放在文末，可以直接拿走，周末对自己的 Agent 配置逐项过一遍。

三问三答

Q：flash 档模型是什么定位？ 参数小、吞吐高、单价低的模型家族（GLM Flash、DeepSeek V4.1 Flash 这类）。Wagtail 的结论：扛得住 50% 以上的日常生产编码，长链路调研再留给更大的模型。

Q：一个会话怎么可能烧掉 150 美元？ 无人值守长会话、上下文越滚越大、挂在了贵数倍的模型上，三个条件叠加。

Q：预算上限设多少合适？ 取上月账单 P95 做单会话硬顶，「生产 / R&D」分开设月度总顶。

附：AI 支出预算自查清单（直接拿走）

P0 · 熔断（没有就是裸奔）

P1 · 记账（看不见就管不住）

P2 · 结构（把人为失误变难）

对照完 10 条，至少把第 1、2 条补上——那是 150 美元买来的教训。

结尾几句

昨天写欧洲开源的 Kolibri时说，78B 只激活 3.46B，是在参数端做省法；今天这篇是在用量端做省法。阶跃 Step 5 那篇的「激活参数定成本」两本账，到这里进化成「模型 × 用量 × 治理」三本账，三元压缩那篇也是同一方向。

这个专栏每天一篇 AI 解读，关注不迷路。

你们团队的 Agent 会话现在有支出硬顶吗？设的是告警还是熔断？

专注 AI 工程化实践与出海外贸技术