小团队试大模型，怕的从来不是模型不够强，是预算撑不起试错。现在有个变化值得算一算。一家国产 AI 公司的新旗舰模型，综合价格约为海外旗舰A 的 1/5。比上一代，基本砍半。同样的活，过去只敢挑一件试，现在能多试几件。试错这件事，多一次机会，就多一分摸到底细的把握。

先把账算清
账本上几行字：每百万 Token 的输入收十三块，输出收六十八块，缓存命中只要一块三。缓存命中这块常被忽略。问答类业务里反复出现的背景材料走缓存，费用能压下去一截。套餐档位对齐海外定价还略便宜一点。网页版、App、工作台、编程端全线可用，不用换设备，不用搭环境。权重也计划在近期开放，自己部署还是走接口，都能放进这笔账里一起算。数据敏感的团队算自建那一栏，调用量大的团队算接口那一栏，两条路都摆在桌面上。
账算得过来，实验才敢多做。
账还有一种省法。缓存用足、上下文复用、把重复的背景材料固定下来，同样的问答能便宜一截。省钱不靠砍用量，靠把用量花在刀刃上。
先给模型量体温
另一个数字比跑分更要紧。幻觉率这一代 8.3%，上一代 23.4%。相当于给模型量体温，低烧退回到正常区间。企业里一次瞎编的代价，往往不是重试一遍，是错误口径进了报表。追查起来，比当初写报告还费劲。体温合格的模型，才值得放进对外场景。
量体温不用等评测报告，自己就能动手。挑十个自己领域里的问题，答案全是自己熟的那一种。错在哪、怎么错，当场就能记下来。十题测完，这只温度计的读数比任何榜单都贴身。测一轮花不了半小时，换来的是往后每一笔投入都有底。
实测里我留着印象的是办公场地还原。自家场地的平面底图，加一段随手拍的手持视频，直接还原成三维场景。底图之外后来添的沙发和绿植，模型也能从视频里理解出来，摆回原位。图纸是旧的，现实是新的，它认的是现实这一边。
还有一组更直观的实测：户型图加装修效果图。两张图并不对应。模型取装修图的风格，取户型图的布局，产出一个漫游网页。打开就像走进房间一样逛，厅在哪、门开在哪，都对着。两路信息各取所需，装修的味道归装修，格局的尺寸归格局。空间理解到这个程度，内部场景可以自己动手做。
动效和视频也能搭把手。口喷一句需求，出来一段手绘风格的科普视频。动态图形开场片一轮直出，橘色点元素串联转场，运镜连贯，不是特效堆出来的花架子。这些成片当草稿、当讨论材料，够用了。改一次需求，又能续上更长的成片，讲解的节奏没有断。
还有一条更实在的：全线可用意味着切换成本几乎为零。网页上试，手机上看，编程端里接，一条活可以分三处跑。工具躺在四平八稳的位置上，人才会真的去用。
三件能动手的事
- 头一件，把试错预算定成两位数。跑废了也不心疼的那一档，先跑通一件内部小活。
- 第二件，长文档场景留给自己试。上下文 100 万 Token，一份厚材料一次读完，读完再决定要不要上线。
- 第三件，动效和科普视频这类活交给它打草稿。口喷一句需求先出样片，验收的人再决定接不接。
同一笔预算，先花在能把账单和成绩单都摊开的模型上，比花在听说厉害的模型上稳妥。价格表和榜单都在明面上的厂商，账才算得动。账算得动的团队，动作才快得起。
给模型量过体温，再决定让它进哪间屋。进对屋的模型是帮手，进错屋的是隐患。
企业老板注意：上个月有朋友用 GEO 方式重做官网，录入企业知识库后询盘翻倍，完整教程公众号「智扣 AI」可免费看。
预算翻不出花样的年份，省下来的一半价钱，就是多出来的几次实验机会。这半份价钱换来的几次实验，攒下来的是自家那点底细。哪类活能放，哪类活得盯，哪类活先别碰，这三条比任何评测都值钱。