花了500元做PPT后，我决定不省这个钱了。

这两天用 AI 做的任务比较多，Codex、Workbuddy等几个大模型的额度都被我用完了。

额度用完后，我在想：
是不是可以找一些更便宜的模型替代？
但真正用下来，我认为AI 可以组合使用，但核心任务上，不能用便宜的模型替代，一定要付费，并且有能力的话，支付最贵的。

因为前段时间，我用 Kimi 做一份 PPT，前前后后花了 500 多块。不是因为一次生成有多贵，而是第一次不满意，只能不断修改、重新生成。最后看起来模型便宜，但时间、沟通成本加起来反而更贵。

后来我换成能力更强的模型，同样的事情，不需要重复沟通太久，就能得到满意的结果。（图二）

这件事让我重新思考一个问题：
我们到底应该怎么计算 AI 的成本？

很多人算的是，一个模型一个月多少钱，一次生成多少钱。但最近我在做企业 AI 改造过程中，我发现，这笔账不能这么算。

因为对于企业来说，真正应该计算的，是得到一个可用结果的总成本。

假设，一个员工用便宜的模型做客户方案，生成一次不能用，继续修改提示词、补充资料、检查错误，最后还要人工返工，那么省下来的模型费，很可能早就在员工的时间里花回去了。

真正贵的从来不是那一点 Token，而是人的时间和错误决策的成本。这也是我不太愿意在核心任务上使用平替的第一个原因。

第二个原因，是我认为，好的 AI，不只是帮你完成任务，还应该提高你思考和解决问题的上限。

普通模型可能会按照你的要求，把事情做完。
但更强的模型，有时候会告诉你：你的问题可能一开始就问错了。它会发现你忽略的变量，挑战你的前提，甚至重新帮你定义问题。

所以，AI 时代真正值得算的一笔账，不是一个模型一个月多少钱，而是为了得到同一个结果，到底付出了多少时间和成本。

毕竟工具的价格只是显性成本，人的时间才是隐性成本。所以有时候，最贵的，反而是最便宜的。