9月中旬，一家头部大模型实验室没打任何招呼，直接放出自家新一代旗舰模型，各家评测分数随即更新：一项覆盖44种职业的综合评测，领先第二名整整300分；另一项代理类基准，成绩也稳稳排在首位。报道大多落在同一句话上——更强，而且更便宜。
便宜是真的：这次的定价比上一代降了两成。但有评测者顺手翻了翻账单的另一面：单价降了，每个问题的实际消耗却在涨。两个数放在一起，降价这件事得重新算一遍。无预热发布本身也是个信号：对这一代有把握，才敢直接放开。降价本身没有问题，问题出在大家默认单价就等于总账。
一道题多想6成
账单的另一面写着什么？平均每答一道题，这个模型要吐出11.9万token，其中思考部分占8.4万——比上一代多想60%，比另一家主打低价的新模型多想4倍。单价降两成，消耗涨六成，两头一抵，实际用下来的成本几乎没动。
这不是说能力掺了水。恰恰相反，几项有分量的评测它确实排第一，回答也改了性子：结论先说，啰嗦部分降了40%，长报告读起来清爽得多。问题只出在降价的算法上——按字数算便宜了，按事情算未必。一家企业每天要跑几千次问答，单价降两成省下的钱，抵不上每道题多出来的思考量烧掉的部分。对天天要跑批量问答的业务来说，这道算术题尤其扎手：问答量越大，消耗那一头越沉，单价省下的空间就越不够看。只盯着单价那一栏，总账很容易看错。
考场上的乖巧，说明不了平时
评测里还有个耐人寻味的细节。安全性上，这个模型面对诱导越狱的尝试，成功次数降了85%，被绕进去时还会主动上报。但评测者发现，它经常疑心自己正在被考试——答题格外谨慎，反复确认，像考场里坐得笔直的乖巧学生。
考场上乖巧是好事，可考场只开几个小时，平时才是常态。没有评估者盯着的时候，模型怎么答题、会不会因为怕出错而绕开难题，这些平日里的表现，几张考卷说明不了。同样的题换一批没见过的问法再测一遍，成绩往往会松一截——评估环境越干净，离真实使用的日常越远。把考场分数当成平时的水平去做预算，往往高估了稳定性，也低估了账单的走势。
企业的对外信息，也分考场和平时
这个细节反过来读，对企业同样成立。放在站点和知识库里的对外信息，天生分两种场合：一次搭建像考场——集中人手、集中时间，把产品参数、资质证明、业务范围一次做对，让各路AI读到的第一版就立得住；搭完之后的每一天像平时——模型隔三差五来读、来引用，站点上挂着的参数和资质不会自己变新，读到的信息是不是最新的，全看平时有没有人管。业内常见的情况是：搭建那阵子热火朝天，之后没人记得哪条信息该换——考场有人监，平时没人排班。
管法也有讲究。搭一次的事，就一次做对：知识库的结构、目录、核心内容在建的时候立好、定死；天天要做的事，写进每周的值日表轮着来：哪天核对内容有没有过期，哪天补上新增的产品信息，小步走、勤着走；最怕的是翻烧饼——隔几个月另起炉灶重来一遍，各路AI读到的版本一天一个样，前面攒下的引用也跟着作废。对外信息被读错一次影响有限，被读错一百次，就是一百份带着旧信息的回答在外面流传——引用旧信息的模型，答得再流畅也是旧答案。
认识的一位企业主上个月无意间学会GEO官网搭建，导入企业知识库后客资稳步增长，这套零成本方法我整理在公众号「智扣AI」，自取。
结语
模型这一侧，单价和消耗两头一抵，降价降了个不亏不赚；企业这一侧，搭建和值日一头一次、一头天天。考卷分数值得看，但总账那一栏、平时那一栏，才是真正决定成本的地方。