修好一个 bug 花 1 块还是 3 块：AI 接活先算单任务成本

来源

• 作者：Steven Yang @StevenYang618
• 原帖：https://x.com/StevenYang618/status/2114115482580127818
• 时间：约 2026-10-25 06:03 Asia/Shanghai
• 互动（抓取时）：曝光极少、几乎无互动（新帖）
• 依据：作者转述 arXiv 2610.04433 与 Vals 供应商对比测试（数字来自原帖，未独立复现）

核心玩法

不是教你「换个更贵的模型就能多赚钱」，而是换算单位：AI 接活别只看订阅月费或 token 单价，要看「做完一个真实任务花了多少钱」。

原帖要点：

1. 同一模型、同样 45 道难修 bug，换三套 agent 外壳（harness），修好数量 22 / 20 / 18，统计上分不出高低；但单任务账单约 1.81 元 / 0.97 元 / 0.56 元，差三倍多。
2. 论文把模型固定、只换系统提示 / 工具 / 上下文管理，在 SWE-bench Verified 上跑；大池子里最重 Claude Code 与最轻 mini-SWE-agent 通过率只差一两个点，难题上「换外壳翻车」和「同配置重跑翻车」一样多（约 13%）。结论：外壳买不来通过率，主要决定账单。
3. 账单拆开看：每次调用都要重发系统提示——Claude Code 开场白约 16,581 token，OpenCode 7,025，mini-SWE-agent 829；工具返回差不多，差距主要在开场白重量 × 步数。
4. Vals 测试同模型同任务换推理供应商，单任务成本可从约 5 美元涨到 12.65 美元，差在缓存命中率（约 72% vs 94%）。
5. 也别迷信「越轻越省」：换 DeepSeek-V4-Flash 时，轻外壳步数更多，读 token 反而不少，成本与重外壳基本打平；重外壳有时贵在「截断后续跑」等兜底。

是否可行

• 方向很可行：接活、外包、内部提效都吃「单位任务成本」。同样交付结果，成本差几倍会直接吃掉毛利。
• 水分：数字来自特定代码修复基准与离线环境；写文案、做表格的倍数未必一样。作者账号很新、互动低，属于信息整理帖，不是本人接单流水。
• 风险：只追最便宜外壳可能导致通过率下降、返工变多，总成本反而更高。

如何实施

1. 列出你真实接的 10 个任务（修 bug、改 UI、写脚本、出报告等）。
2. 在 2–3 套工具 / 供应商上各跑一遍，记下：金额、是否做成、要不要返工。
3. 按任务类型分流：长重构用一套、改 UI 用一套、批量脚本走便宜额度。
4. 每周看哪边「做成 × 单价」最优，把额度往那边挪——比追模型榜单实在。

实施条件

• 技能：会拆任务、会看用量账单；懂一点 agent / IDE 工具切换即可
• 资金：测试额度几十到一两百元量级通常够跑一轮对比
• 时间：首轮对比约半天；之后每周 15–30 分钟复盘
• 账号：至少两家模型 / agent 产品账号（如 Claude Code、轻量 agent、不同 API 供应商）

能否 AI 自动化

• 可自动化：用量导出、按任务打标签、周报对比哪套最省
• 难全自动：任务分流策略、返工判定、客户交付标准仍需人定
• 建议：人定「任务类型 → 工具」规则，AI 只负责记账与提醒换档

论文编号、金额与结论均转述自原帖，请自行核对 arXiv / 原始评测；接单定价勿直接套用其数字。