价格反转现象：当更便宜的推理模型实际成本更高时
计算与语言
2026-05-29 v2 人工智能
计算机科学与博弈论
机器学习
多智能体系统
摘要
开发者和消费者越来越倾向于根据其列出的 API 价格来选择推理模型（RM）。然而，这些价格是否准确反映实际的推理成本？我们进行了首次系统性研究，评估了 8 个前沿推理模型，涵盖 12 个多样化任务，包括竞赛数学、科学 QA、代码生成和多域智能体。我们发现定价反转现象：在 32% 的模型对比较中，标价更低的模型实际成本更高，反转幅度可达 28 倍。例如，Gemini 3 Flash 的标价比 GPT-5.4 便宜 80%，但其在所有任务中的实际成本却高出 38%。我们构建了一个基于Shapley价值的正式成本归因框架，并利用它追踪思考token消耗和交互次数巨大差异的主导因素：在相同的查询上，一个模型可能比另一个模型多使用 900% 的思考token，或多 10 倍的环境交互次数。我们进一步表明，单次查询成本预测本质上很难实现：相同查询的重复运行结果，思考token变异可达 9.7 倍，为任何预测器设立了不可约的噪声底线。因此，我们提出将成本分布预测作为一个开放挑战。我们的发现表明，列出的API定价是实际成本不可靠的代理，迫使人们进行成本感知的模型选择，并要求透明的每请求成本监控。
关键词
引用
@article{arxiv.2603.23971,
title = {The Price Reversal Phenomenon: When Cheaper Reasoning Models Cost More},
author = {Lingjiao Chen and Chi Zhang and Yeye He and Ion Stoica and Matei Zaharia and James Zou},
journal= {arXiv preprint arXiv:2603.23971},
year = {2026}
}