---
title: "AI 编程智能体单次运行成本：步数、上下文与缓存 | BroadRouter"
description: "为什么编程智能体运行越久、每一步越贵，缓存如何改变总成本，以及固定价格会话何时比按 token 计费更划算。附 token 计算过程。"
url: https://broadrouter.com/zh/blog/ai-coding-agent-run-cost/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/ai-coding-agent-run-cost/)（2026-11-15 更新）。

# AI 编程智能体跑一次要花多少钱：步数、上下文增长与缓存

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于 2026-11-15

智能体每一步都会重发全部上下文，所以输入随步数的平方增长：60 步的输入约为 30 步的 3.5 倍。账单的大头由缓存决定；如果历史记录只追加不修改，超过 90% 的输入可以按缓存价格计费。用单次运行成本乘以每月运行次数，再和固定价格会话比较。

## 要点

-   一次运行的总输入 = 步数 × 基础上下文 + 每步增长量 × 步数 × (步数 − 1) ÷ 2。步数比任何其他输入都更关键。
-   如果历史记录只追加不修改，只有上次调用之后新增的 token 是新输入。在计算示例中，30 步运行有 94% 的输入命中缓存。
-   按 BroadNet 公布的 DeepSeek V4.1 Flash 价格，同样一次 30 步运行，无缓存时的成本约为最佳缓存情况的 8 倍。
-   压缩或修改早期历史会让缓存重置。这种操作要少做，而且一次做足。
-   当每月运行次数 × 单次运行成本超过套餐价格时，固定价格会话更划算。一个会话同一时间处理一个请求，所以每次运行的耗时决定了一个月最多能跑多少次。

**本页内容**

1.  智能体运行过程中，上下文是怎样增长的？
2.  一个计算示例是什么样的？
3.  缓存能让账单变化多少？
4.  怎样估算你自己的一次运行？
5.  哪些因素会让实际成本超出估算？
6.  固定价格会话什么时候比按 token 计费更划算？
7.  BroadNet Inference 适合什么场景

编程智能体不是按任务付费，而是按步骤付费，而且每一步都会重发到目前为止的全部对话。这使得一次运行的成本，更多取决于它走了多少步、上下文有多少被缓存，而不是每 token 的价格。本文用这些要素，带着具体数字，算出一次运行的成本，并说明固定价格会话何时比按 token 付费更划算。

每次调用里的 token 从哪里来（工具 schema、读取的文件、历史记录），参见[智能体循环的 token 花在哪里](https://broadrouter.com/zh/blog/agent-token-budget/)。本文讲的是一整次运行的算术。

## 智能体运行过程中，上下文是怎样增长的？

每次调用都包含：

-   每次调用都会发送的**基础上下文**：系统提示词、工具定义、规则文件、仓库地图；
-   **之前各步新增的全部内容**：模型的回复和工具调用、文件内容和命令输出；
-   新的指令或工具结果。

把基础上下文记为 _B_，每一步新增的 token 记为 _g_。第 1 步发送 _B_。第 2 步发送 _B + g_。第 _n_ 步发送 _B + (n − 1) × g_。把它们加起来，一次 _n_ 步的运行总共发送：

**总输入 = n × B + g × n × (n − 1) ÷ 2**

第二项随步数的平方增长。这就是长时间运行常常让人吃惊的原因：60 步运行的最后一步远比第一步大，而中间的每一步都要为之前所有内容再付一次钱。

## 一个计算示例是什么样的？

假设一个智能体的基础上下文为 15,000 token（系统提示词、十几个工具和一份仓库地图）。每一步新增 3,000 token：一个文件或测试日志，加上模型自己的回复。每一步输出 800 token，含思考部分。

| 步数 | 总输入 | 输出 | 最大单次调用 |
| --- | --- | --- | --- |
| 10 | 285,000 | 8,000 | 42,000 |
| 30 | 1,755,000 | 24,000 | 102,000 |
| 60 | 6,210,000 | 48,000 | 192,000 |

从 30 步到 60 步，工作量翻倍，输入却变成约 3.5 倍。输出只是翻倍。在这几次运行中，输入是输出的 36 到 130 倍，所以对智能体来说，输入价格以及缓存输入价格最为关键。

最大的那次调用还必须装得进[上下文窗口](https://broadrouter.com/zh/glossary/context-window/)。192,000 token 能装进 DeepSeek V4.1 Flash 和 GLM 5.3（各 1,048,576 token）以及 Qwen3.8 27B（262,144），但装不进 Gemma 4 VL 26B（32,768）：在这个示例中，第七次调用就已经超出了。

## 缓存能让账单变化多少？

服务商对重复的提示词前缀按更低的[缓存输入](https://broadrouter.com/zh/glossary/cached-input-tokens/)价格计费。只往历史记录末尾追加内容的智能体，每次发送的都是相同的前缀再加上一点新内容，所以在最佳情况下，只有上次调用之后新增的 token 是新输入：

**新输入（最佳情况）= B + (n − 1) × g**

其余全部命中缓存。运行越长，缓存输入的占比越高：

| 步数 | 新输入，最佳情况 | 缓存占比 |
| --- | --- | --- |
| 10 | 42,000 | 85% |
| 30 | 102,000 | 94% |
| 60 | 192,000 | 97% |

真实的智能体很少能达到最佳情况，所以最好算三种情形。按 BroadNet 的 DeepSeek V4.1 Flash 价格（每 1M token 输入 $0.175、缓存 $0.0055、输出 $0.52，公布于 2026-11-14），以 30 步最佳情况为基准，各次运行的相对成本如下：

| 步数 | 最佳缓存 | 80% 缓存 | 无缓存 |
| --- | --- | --- | --- |
| 10 | 0.33× | 0.39× | 1.37× |
| 30 | 1× | 2.07× | 8.11× |
| 60 | 2.33× | 6.84× | 28.2× |

有两点值得注意。没有缓存时，一次 60 步运行的成本是缓存良好的 30 步运行的 28 倍。而且运行越长，缓存越重要。在 30 步最佳情况下，输出约占成本的三分之一，新输入不到一半，缓存输入不到四分之一，所以在做好缓存之后，下一个可省的地方就是输出。

缓存不是一个开关。它取决于服务商是否保留前缀，以及你的智能体是否不去改动它。OpenAI 的指南描述的是精确的前缀匹配，并有最小可缓存长度。DeepSeek 自己的 API 会在每个请求的输入和输出末尾存储缓存单元，所以延续上一个请求的后续请求可以命中。BroadNet 的[价格页面](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=body)说缓存输入无需任何设置，其文档会在模型提供时，通过 `usage.prompt_tokens_details.cached_tokens` 报告命中情况。BroadNet 的模型目录把 DeepSeek V4.1 Flash 列在“models we never ran on our hardware”（译文：我们从未在自己硬件上运行过的模型）之中，其条款（§7.3）涵盖的是“when partner-hosted”（译文：由合作方托管时）的该模型，所以在 BroadNet 上，它是通过合作方提供的。请实际测量你的命中率，不要照搬 DeepSeek 官方的数字。把前缀写成可以被缓存的样子：参见[为缓存组织提示词结构](https://broadrouter.com/zh/blog/prompt-structure-for-caching/)。

## 怎样估算你自己的一次运行？

下面的脚本从 BroadNet 公开的 [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=body) 读取当前价格，所以永远不会过时，并按每种缓存情形输出 token 总量和单次运行成本：

```python
import json, urllib.request

PRICES = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
m = next(x for x in PRICES["models"] if x["id"] == "broadnet/deepseek-v4.1-flash")
p_in, p_cached, p_out = m["input_per_m"], m["cached_input_per_m"], m["output_per_m"]

def run_tokens(steps, base=15_000, growth=3_000, out_per_step=800, cache_rate=None):
    total_in = steps * base + growth * steps * (steps - 1) // 2
    if cache_rate is None:                      # best case: only new tokens miss
        new_in = base + (steps - 1) * growth
    else:
        new_in = round(total_in * (1 - cache_rate))
    return total_in, new_in, steps * out_per_step

def run_cost(total_in, new_in, out):
    return ((new_in * p_in) + (total_in - new_in) * p_cached + out * p_out) / 1e6

for steps in (10, 30, 60):
    for label, rate in (("best", None), ("80%", 0.8), ("none", 0.0)):
        t, n, o = run_tokens(steps, cache_rate=rate)
        print(f"{steps:>3} steps  cache {label:>4}  input {t:>9,}  new {n:>9,}  "
              f"output {o:>6,}  cost/run {run_cost(t, n, o):.4f} USD")
```

把默认值换成你自己的数字。不要靠猜，从一次真实运行中读取：

1.  像[智能体 token 预算一文](https://broadrouter.com/zh/blog/agent-token-budget/)那样，记录每次调用的 `prompt_tokens`、`prompt_tokens_details.cached_tokens` 和 `completion_tokens`。
2.  **B** 是第一次调用的 `prompt_tokens`。**g** 是相邻两次调用之间 `prompt_tokens` 的平均增量。
3.  每步输出是 `completion_tokens` 的平均值。它包含[思考 token](https://broadrouter.com/zh/glossary/reasoning-tokens/)，按输出计费。
4.  你真实的缓存率是 `cached_tokens` 之和除以 `prompt_tokens` 之和。

免费的[智能体运行成本估算器](https://broadrouter.com/tools/agent-run-cost-estimator/)在浏览器中执行同样的计算，你不用写代码就能试算其他步数、增长率和缓存率。

## 哪些因素会让实际成本超出估算？

-   **重试。** 一次失败的工具调用或一次 429 重试，都是又一次携带完整上下文的调用。把它们算作步骤。
-   **改动前缀。** 系统提示词里的时间戳、换了顺序的工具列表，或者运行中途被编辑的规则文件，都会让从改动处开始的缓存输入重新变成新输入。
-   **压缩。** 对历史记录做摘要会缩小上下文，减少之后的输入，但新的历史从未被缓存过，所以下一次调用要付全额输入价格。压缩要少做，而且一次做足；何时压缩，参见[长时间运行智能体的上下文管理](https://broadrouter.com/zh/blog/long-running-agent-context-management/)。
-   **庞大的工具输出。** 第 5 步加入的一份 20,000 行测试日志，会跟着之后的每一步一起发送。在公式中，它会增加 20,000 × (剩余步数) 个输入 token。
-   **思考强度。** 高强度思考可能让每步输出成倍增加。常规编辑请把 `reasoning_effort` 设为 `low`。
-   **走弯路。** 一个用 60 步完成 30 步任务的智能体，付出的是平方而不是两倍的代价。步数上限就是成本上限。[降低编程智能体成本的十个方法](https://broadrouter.com/zh/blog/cut-coding-agent-llm-costs/)介绍了这些手段。

## 固定价格会话什么时候比按 token 计费更划算？

把单次运行成本换算成每月数字：**每月成本 = 单次运行成本 × 每月运行次数**。然后与固定价格套餐比较。在 BroadNet 上，套餐覆盖 DeepSeek V4.1 Flash 且不计 token：Full Moon 每月 $60，Orbit 每周 $15，Meteor 每小时 $1，均按会话计。

**盈亏平衡的每月运行次数 = 套餐价格 ÷ 单次运行成本。**

有两点让这个比较没有看上去那么简单：

1.  **你的缓存率决定按 token 一侧的成本。** 缓存率高时，Flash 按 token 计费很便宜，要跑很多次才能超过 $60。缓存率低时，很快就会超过。固定价格一文把盈亏平衡点表示为每月用量：在 80% 缓存时，约为 9.17亿 输入 token 和 4,600万 输出 token（参见[盈亏平衡的计算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)）。
2.  **时间决定固定价格一侧的上限。** 一个会话同一时间处理一个请求。如果一次调用平均耗时 20 秒（预填充、按 约每秒 100 个 token 生成约 800 个输出 token，再加上工具耗时），一次 30 步运行大约需要 10 分钟。这样一个会话每小时最多只能完成约六次运行。更多并行智能体需要更多会话。

对于短时间的突发使用，Meteor 的道理相同，只是规模更小：如果一小时能完成六次运行，每次的成本就是 $1 ÷ 6。把它与脚本算出的单次按 token 成本比较。想试算你自己的用量，请使用[固定价格 vs 按 token 计费计算器](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)。

| 你的使用模式 | 通常更便宜的是 |
| --- | --- |
| 每天几次短运行 | 按 token |
| 长时间运行且缓存差 | 固定价格会话 |
| 智能体在大部分工作时间运行 | 固定价格会话 |
| 多个智能体全天并行 | 每个智能体一个固定价格会话 |
| 在 BroadNet 上需要原生工具调用 | 在 GLM 5.3 或 Qwen3.8 27B 上按 token |

## BroadNet Inference 适合什么场景

BroadNet 在 usage 块中报告缓存 token 和思考 token，所以上面的每个数字都可以从你自己的运行中测得。DeepSeek V4.1 Flash 缓存输入价格低，上下文为 1,048,576 token，不限量套餐还去掉了它的 token 计量；参见[会话如何运作](https://broadrouter.com/zh/guides/unlimited-llm-api-sessions/)。

先确认一个限制。BroadNet 的文档只为 [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) 和 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 列出了工具调用，而这两个都不在固定价格套餐中。像 [Aider](https://broadrouter.com/zh/guides/aider-unlimited-deepseek/) 这样通过文本编辑的智能体，不需要原生工具调用。如果你的智能体需要，请在购买套餐之前先用你的智能体测试 DeepSeek V4.1 Flash，或者按 token 为 GLM 或 Qwen 做预算。另外，如果你的智能体只是偶尔运行，按 token 付费通常比任何固定价格套餐都便宜。

相关免费工具（英文）

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[按量付费（pay-as-you-go）](https://broadrouter.com/zh/glossary/pay-as-you-go/)

按量付费是一种计价模式：你只为实际用量付费，按 token、请求次数或音频分钟等单位计量，没有订阅费，也没有最低消费承诺。大多数大模型 API 都这样计费，从预付余额中扣减或定期开具账单。

[系统提示词（system prompt）](https://broadrouter.com/zh/glossary/system-prompt/)

系统提示词是应用在对话开始前发给语言模型的指令文本，通常是一条 system 或 developer 角色的消息。它设定模型的角色、规则、语气和输出格式，当用户消息与它冲突时，模型应当优先遵循它。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[思考 token（reasoning tokens）](https://broadrouter.com/zh/glossary/reasoning-tokens/)

思考 token（reasoning tokens）是推理模型在写出可见回答之前、为解决问题而生成的 token。它们通常按输出 token 计费，计入输出上限和上下文窗口，API 可能将其隐藏或只返回摘要。

## 常见问题

### AI 编程智能体跑一次要花多少钱？

先数 token，再算价格。在本文的示例中，一次 30 步的运行，基础上下文 15,000 token，每步新增 3,000 token，总共发送 1,755,000 个输入 token 和 24,000 个输出 token。具体花多少，主要取决于有多少输入按缓存价格计费。

### 为什么智能体运行越长，成本增长得越不成比例？

每一步都会重发之前的全部内容。每一步的输入呈直线增长，所以整次运行的总量随步数的平方增长。在计算示例中，把一次运行从 30 步加倍到 60 步，输入会变成约 3.5 倍。

### 编程智能体的缓存命中率大概能有多少？

这取决于智能体和服务商。如果历史记录严格只追加，只有最新的 token 会未命中，在我们的示例中是 85% 到 97%。修改历史、在系统提示词里放时间戳、长时间停顿都会拉低命中率。请用 prompt\_tokens\_details.cached\_tokens 来测量。

### 对智能体来说，固定价格会话什么时候比按 token 计费便宜？

当单次运行成本 × 每月运行次数超过套餐价格时。在 BroadNet 上，DeepSeek V4.1 Flash 的 Full Moon 套餐每个会话每月 $60。轻度或偶尔使用，通常按 token 计费更便宜。

### 思考 token 会改变估算结果吗？

会。它们按输出计费，而输出每 token 比输入更贵。把你测得的思考量计入每步的输出。在 BroadNet 上，如果模型提供，completion\_tokens\_details.reasoning\_tokens 会报告这个数值。

## 继续阅读

-   [智能体 token 预算：智能体循环的 token 都花在哪里](https://broadrouter.com/zh/blog/agent-token-budget/)
-   [降低编程智能体大模型成本的 10 个方法（附节省估算）](https://broadrouter.com/zh/blog/cut-coding-agent-llm-costs/)
-   [大模型 API 包月还是按 token 付费：盈亏平衡怎么算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [缓存输入 token 详解：如何降低大模型 API 账单](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)
-   [长时间运行的智能体如何管理上下文：用好 1M 窗口](https://broadrouter.com/zh/blog/long-running-agent-context-management/)
-   [Claude Code 接入开源模型：代理、原生端点与限制](https://broadrouter.com/zh/blog/claude-code-with-openai-compatible-models/)
-   [OpenClaw 和 Hermes Agent 接便宜模型：配置与 token 账](https://broadrouter.com/zh/blog/openclaw-hermes-agent-cheap-model/)
-   [指南：面向智能体的不限量 LLM API 套餐如何运作](https://broadrouter.com/zh/guides/unlimited-llm-api-sessions/)
-   [指南：用不限量的 DeepSeek V4.1 Flash 运行 Aider](https://broadrouter.com/zh/guides/aider-unlimited-deepseek/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference API 参考：用量字段、cached\_tokens、思考计入 max\_tokens、限制（2026-11-15 核实）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [BroadNet Inference 价格页面与 pricing.json，价格更新于 2026-11-14（2026-11-15 核实）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [BroadNet Inference 套餐页面：每个会话同一时间处理一个请求，不计 token（2026-11-15 核实）（英文）](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-ai-coding-agent-run-cost&utm_content=sources)
-   [OpenAI 提示词缓存指南：前缀匹配与最小可缓存长度（2026-11-15 核实）](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [DeepSeek API 文档，上下文硬盘缓存：在请求边界存储缓存单元（2026-11-15 核实）](https://api-docs.deepseek.com/guides/kv_cache)
