Astra 这周刚发布,大多数人却在往里粘贴去年的 prompt。
每个「十大提示词」清单,都把「那些字」当成了产品。但在 Astra 上——字是免费的,字旁边的那个设置,才是账单。
这堂课讲清楚:为什么同一个 prompt、同样的答案,换个档位就贵三倍——以及怎么用「最低档位」拿到「够好的结果」。
所以同一个 prompt 在更高 effort 下更贵,不是因为问题变了,而是因为模型在回答前思考了更久——那些「思考」是要按输出价付钱的。
同一个 prompt,在 high 档跑,比 low 档贵约三倍。为什么?
OpenAI 公布了五个 effort 档,但没有公布每档会产生多少推理 token。下面的成本区间是作者「真实运行」的估算,不是官方数字。
正确做法:第一次跑时 print usage,用你自己的数字替换作者的。
每个都标了 effort 档、需要的工具、标准价下的大致单次成本。看「档位」和「成本」的关系:
规律很明显:6 个用 low 就够(3、4、6、8、以及偏低的 1 和 10 之外的那些),只有真正需要「复杂推理 + 落地执行」的(2、5、7、9)才上 high/xhigh。
而默认档是 high。所以「用 low 就够的活」如果全按默认跑,每次调用都要贵三倍。
选档的核心原则:任务需要多深的「推理」,就上多高的档。机械、重复、格式化的活,low 就够了。
「从一堆原始 CSV 导出,整理成周报」
「把一份产品规格,从零搭成一个能跑的原型」
「把几千份文档做规模化抽取」
为什么「把默认档设为 low」这么重要?
为什么要把客户端默认档设为 low?
Q1. Astra 上「贵」的是什么?
Q2. 为什么同一个 prompt 换个档贵三倍?
Q3. 哪些活该走 batch?
Q4. 默认档是 high,怎么办?
prompt 免费,努力档才是账单。
把默认档从 high 降到 low,让「升档」成为一个决定,而不是一次无意识的浪费。
1️⃣ 字免费,档位贵 —— 推理 token 按输出价计费。
2️⃣ 默认档是 high,改成 low,升档才是决定。
3️⃣ 机械/格式化/整理的活用 low,复杂推理+落地才上 high/xhigh。
4️⃣ 没人等的活走 batch(半价)。
5️⃣ print usage,用你自己的数字替换估算。
原文:《Top 10 GPT-6 Astra Prompts That Replace an Entire Workflow》by maestro(@maestrooth)