AI 模型越便宜反而越花錢？史丹佛等機構研究：近 1/3 模型成本比較出現「反轉」
AI 模型的 API 價格持續下降，企業選擇較便宜的模型，就一定能降低成本嗎？史丹佛大學等機構一項研究發現，在 336 組 AI 模型成本比較中，約 32% 出現「價格逆轉」（Price Reversal）現象，也就是 API 單價較低的模型，執行相同測試任務反而更花錢。隨著 AI Agent（AI 代理）開始承接更多複雜工作，這項發現也對企業過去依據模型單價比較成本的方式提出挑戰。
API 單價便宜 80%，實際成本卻高出 38%
這項由史丹佛大學、卡內基美隆大學、加州大學柏克萊分校及 Microsoft Research 研究人員共同完成的論文《The Price Reversal Phenomenon》，最初於今年 3 月發表、5 月修訂。
研究比較 GPT-5.4、Gemini 3 Flash、Claude Opus 4.7 等 8 款前沿推理模型，涵蓋數學、科學問答、程式設計，以及需要多次與外部環境互動的 AI Agent 任務，共計 12 類測試。
以 Google Gemini 3 Flash 與 OpenAI GPT-5.4 為例，研究將每百萬輸入與輸出 Token 的價格相加作為比較指標，Gemini 3 Flash 為 3.5 美元，比 GPT-5.4 的 17.5 美元低了 80%。然而，執行全部測試任務後，Gemini 3 Flash 累計花費約 705 美元，GPT-5.4 則約 509 美元，前者反而高出 38%。
這類現象並非單一案例。研究人員針對不同模型與任務進行 336 組配對比較，其中 106 組出現低價模型反而成本更高的情況。而且，不同任務的成本排名也會改變，這代表企業不能單憑模型 API 價目表，就推定哪一款模型最省錢。
為什麼便宜模型反而更貴？過度推理與執行推高成本
研究進一步分析，造成價格逆轉的兩項主要因素，分別是「過度推理」（Overthinking）與「過度執行」（Overacting）。
過度推理是指模型為了解決相同問題，消耗遠多於其他模型的推理 Token。例如在一道 MMLU-Pro 知識測試題目中，Gemini 3 Flash 消耗超過 60,000 個推理 Token，GPT-5.4 卻只使用 25 個。由於模型推理過程產生的 Token 同樣涉及計費，即使單價較低，只要消耗量差異夠大，最終成本仍可能更高。
過度執行則在 AI Agent 任務中尤其值得注意。與單次問答不同，Agent 可能需要將工作拆成多個步驟，反覆呼叫工具、讀取結果，再決定下一步。每次互動又可能重新處理先前累積的任務資訊，使 Token 費用隨執行輪次增加。
《華爾街日報》引用該研究的案例指出，Gemini 3.1 Pro 執行約 85 個步驟、花費約 1 美元就成功完成任務；Gemini 3 Flash 卻執行近 1,000 個步驟，累積約 14 美元費用，最後仍未成功。
這說明當 AI Agent 開始承接多步驟工作，模型是否能有效推理、決定下一步行動及適時停止，都可能影響最後的執行費用。研究也觀察到，即使同一模型接收相同問題，重複執行時的推理 Token 消耗量最多仍可相差 9.7 倍，進一步增加成本預估的難度。
便宜還不夠，成功完成任務究竟要花多少錢？
然而，單純比較實際執行費用，仍有一項限制：模型花比較少的錢執行任務，不代表一定能成功完成工作。AI 評估平台 Arize AI 與推論服務業者 Fireworks 在 7 月發布的聯合測試，便將評估延伸到「每次成功任務成本」（Cost per Successful Task）。
該研究以 40 項 Agent 任務比較 10 款模型，每項任務重複測試 6 次，合計 2,400 次執行。研究將所有測試的執行費用，包括失敗任務的支出，加總後除以成功次數，衡量平均取得一次成功結果需要多少成本。
結果顯示，Gemini 3.5 Flash 每次執行平均花費 0.288 美元，低於 GPT-5.5 的 0.424 美元。但前者成功率只有 23%，後者達 67%。換算每次成功任務的平均成本，Gemini 3.5 Flash 反而需要 1.233 美元，接近 GPT-5.5 的 0.636 美元的兩倍。
不過，這不代表模型價格越高，完成任務的成本就越低。Arize 研究發現，不同模型的成本效益會隨任務難度改變，部分低價模型在簡單任務中仍具優勢，但面對困難任務時，成功率下降可能抵銷其價格優勢。
綜合兩項研究，企業評估 AI 模型時，除了 API 單價，還需比較實際任務的 Token 消耗、工具呼叫次數及成功率。Arize 指出，即使整體表現接近的模型，在不同任務中的成功率仍可能差距明顯。因此，企業應根據自身工作負載測試模型，並隨著模型能力與價格變化重新評估成本效益。
【推薦閱讀】
◆ AI 小模型戰升溫，Anthropic 推 Haiku 5.5，價格更低、Agent 能力卻更強？
＊本文開放合作夥伴轉載，資料來源：《Implicator.ai》、《The Wall Street Journal》、《Financial Times》、arXiv、arize，首圖來源：Unsplash