“每个成功任务成本”比单纯的 GPU 小时价格更适合衡量智能体系统的经济性。原因在于，一次请求往往包含多次模型调用、检索、工具访问、权限校验、结果验证和重试。若只统计模型推理费用，容易低估编排、网络、存储、运维以及失败请求带来的真实支出。
基本公式为：
每个成功任务成本 =（设备折旧 + 托管 + 电力 + 软件 + 运维 + 网络成本）÷ 有效完成任务数
关键不在公式本身，而在“有效完成”的定义。有效任务不能只是返回了文本的请求，还应同时满足业务质量门槛、时延限制和结果完整性。超时、因工具失败而重试的请求，以及最终需要人工接管的请求，都应进入成本核算，否则系统会因失败被排除而显得虚假便宜。
先统一任务口径
核算前，应把一次完整工作流拆成模型调用、上下文处理、检索、工具访问、数据传输、权限控制和结果校验等阶段，并记录每个阶段的耗时、资源占用与失败情况。随后确定“任务”边界：是一次用户请求、一次业务流程，还是一批文档处理。不同口径不能混用，否则成本无法比较。
分母还应区分请求数、完成数和有效完成数。建议同时记录模型调用次数、工具调用失败率、重试次数、超时比例，以及在不同并发水平下的有效任务吞吐。一个任务如果平均需要多次模型调用，单次推理价格下降，并不必然带来任务成本同比下降。
把部署位置纳入核算
云端成本不能只看计算资源，还应计入流量、存储、跨区域传输、GPU 空闲率和供应商锁定风险。数据中心需要关注设备折旧、托管、电力、软件许可与运维。边缘设备则要加入安装、现场更换、远程升级、散热、防尘、防震和备件库存等成本。
最终应按低延迟、高并发、长上下文等典型工作负载分别核算，并保持模型版本、量化精度、上下文长度、并发模式和质量标准一致。只有把“完成了多少有效任务”与“为此承担了多少全生命周期成本”对应起来，才能判断某种 CPU、GPU、云端或边缘方案是否真正划算。