AI 客服的开发成本由什么决定？模型调用费只占 5%
按真实 API 定价算一遍：日均 100 次对话的 AI 客服，模型调用每月只要 1.4–23 元。真正决定报价的是工程部分——上下文设计、失败处理、调试和维护。附完整算式。
客户最常问的一句话是：「AI 是不是很贵？」
这个问题背后有个误解：以为钱主要花在调用模型上。我用真实的 API 定价算了一遍，结论是反过来的——模型调用费占整个项目成本不到 5%。
先说结论
| 成本项 | 占比 | 说明 |
|---|---|---|
| 模型调用（API） | < 5% | 日均 100 次对话，月费 1.4–23 元 |
| 需求梳理与方案 | 10% | 判断哪些能自动、哪些不能 |
| 开发实现 | 55% | 前后端、上下文拼装、失败处理 |
| 调试与验收 | 20% | 真实对话测试、边界情况 |
| 维护与调整 | 10% | 上线后 prompt 迭代、日志排查 |
如果有人报价 $500 做一个 AI 客服，亏的是工程质量；如果报价 ¥8,000，贵的是那 95%。
下面把每一块拆开算。
一、模型调用到底多少钱
按当前主流模型的定价（元 / 百万 token）：
| 模型 | 输入 | 输出 |
|---|---|---|
| GPT-4o mini | 0.15 | 0.6 |
| DeepSeek V4.1 Flash | 0.30 | 1.20 |
| DeepSeek V4 Pro | 1.32 | 3.96 |
| GPT-4o | 2.50 | 10.00 |
一个真实场景的算式
假设你的 AI 客服：
- 每天 100 次对话（中小企业咨询量级）
- 每次输入 1,500 token（系统提示 + 历史对话 + 用户问题）
- 每次输出 400 token（回复内容）
每月 3,000 次调用：
输入：3,000 × 1,500 = 4.5 百万 token
输出：3,000 × 400 = 1.2 百万 token
| 模型 | 输入成本 | 输出成本 | 月合计 |
|---|---|---|---|
| GPT-4o mini | 0.68 元 | 0.72 元 | 1.40 元 |
| DeepSeek V4.1 Flash | 1.35 元 | 1.44 元 | 2.79 元 |
| DeepSeek V4 Pro | 5.94 元 | 4.75 元 | 10.69 元 |
| GPT-4o | 11.25 元 | 12.00 元 | 23.25 元 |
最贵的 GPT-4o，一个月也就 23 块。
这个数字让很多人意外。但它是真实的——模型调用的边际成本很低，低到在项目总成本里可以忽略。
你可以自己填数字验证：AI 调用成本估算工具。
二、什么会推高 API 成本
虽然基数很低，但这四个因素能让它涨 10–50 倍：
1. 上下文长度（影响最大）
输入 token 是每次都要重发的。如果你的系统提示写了 5,000 字，每次对话都带 5,000 字进去，成本直接翻三倍多。
我见过把整个产品手册塞进 system prompt 的做法——每次调用 20,000 token，成本是精简版的 13 倍。
正确做法：用检索（RAG），只在需要时把相关片段塞进去。
2. 调用次数
日均 100 次和日均 1,000 次，成本差 10 倍。但这是线性的，可预测。
真正的问题是意料之外的调用：前端重复触发、用户连点、失败重试没有上限。
3. 失败重试
网络抖动、超时、限流都会触发重试。如果重试逻辑写成「失败就一直试」，一次故障能烧掉几天的预算。
必须有重试上限，通常 2–3 次封顶，超出就走降级路径。
4. 缓存缺失
相同问题反复问（「你们几点上班」「支持退款吗」），每次都调模型是浪费。
高频问题可以缓存结果，命中率通常在 30–50%，等于省掉这部分成本，同时响应更快。
三、真正花钱的部分
这才是报价的主体。以一个 AI 客服为例，拆开看：
需求梳理（约 10%）
不是「要个 AI 客服」就动手。要先回答：
- 它负责回答哪些问题？哪些必须转人工？
- 答错时的代价是什么？（报价错了 vs 地址说错了，严重性不同）
- 有没有现成的知识来源？（FAQ 文档、历史工单、产品手册）
- 验收标准是什么？（准确率 %、响应时长秒数）
这一步做不好，后面全白做。 我见过跳过这步直接开发的项目，做完发现「能答的问题客户根本不问」。
开发实现（约 55%）
| 部分 | 工作量占比 | 说明 |
|---|---|---|
| 上下文拼装 | 20% | 历史对话怎么裁剪、知识怎么检索、prompt 怎么组织 |
| 前端交互 | 20% | 流式渲染、加载态、错误提示、移动端 |
| 后端接口 | 25% | 限流、鉴权、日志、超时、重试 |
| 失败兜底 | 20% | 模型挂了怎么办、答不出来怎么引导 |
| 成本控制 | 15% | token 上限、缓存、按用户限流 |
注意「失败兜底」和「成本控制」加起来占 35%——这两块在 demo 里完全没有，是上线后才暴露的部分。
调试与验收（约 20%）
拿真实对话测试，重点看：
- 边界问题（问到没有的信息）
- 恶意输入（诱导它说脏话、泄露 prompt）
- 多轮上下文（第三次追问时还记不记得第一次说的）
- 并发（10 个人同时问会不会串话）
这一步通常要 2–3 轮，每轮改 prompt 和逻辑。
维护（约 10%）
上线不是结束。前三个月通常要调：
- 补漏答的问题（日志里看哪些问题没答好）
- 调整语气（太生硬或太啰嗦）
- 成本优化（发现某个场景 token 超标）
四、什么时候不该用 AI
这个比「什么时候该用」更值钱。三种情况我会直接劝退：
1. 答案必须 100% 准确
报价、法律条款、医疗建议——这类场景一个错误就是损失。AI 目前做不到 100%，规则引擎 + 人工确认更可靠。
2. 问题量太小
一天只有 5 个咨询，人工回复更快。做 AI 客服的开发成本够请人回三年。
3. 问题高度发散
如果每个客户问的都不一样、没有共性，AI 学不到模式，准确率会很差。这种情况先做 FAQ 整理，比做 AI 更有效。
五、怎么判断报价是否合理
给你三个检查点：
1. 问清楚 API 成本怎么算
如果一个方案说「按调用量另外收费」，要问单价和预估量。如果对方说不清月成本，说明没算过。
2. 看有没有失败处理
问：「模型超时了页面会怎么样？」如果回答「不会超时」，那是没做过生产环境。
3. 看验收标准
正规做法是在合同里写清楚准确率和响应时长。写不出来的，交付时容易扯皮。
一句话总结
AI 的成本不在模型，在工程。 调用费一个月几块钱，把它做对要几千块——后者才是你付的钱，也是决定它能不能用的部分。