在特定条件下是的,但生产环境不能照搬这个数字。2026 年 11 月 16 日,OpenAI 披露 GPT-6 Luna 在 HealthAdminBench 医疗行政基准中的单任务成本为 0.085 美元,比 GPT-6 Astra 低 98%。这个数字来自基准测试,不是医院生产部署的报价。
Agent 成本也不能简单按每百万 Token 的单价换算。一次 Computer Use 任务包含多轮模型调用、截图输入、工具执行、失败重试和运行环境,真正需要核算的是完整任务成本。对开发者来说,合理的模型分层、缓存、工作流固化和成本监控,比挑选单价最低的模型更重要。

读完本文,您能了解医疗 Agent 成本的哪些问题?
- 8.5 美分是在什么测试条件下得出的,哪些是官方披露值,哪些是反推估算值
- 一次医疗 Agent 完整任务的成本由哪几部分组成,截图、多轮调用和重试如何推高费用
- 怎样做模型分层,怎样用公式和月度任务量估算自己的 Agent 项目预算
本文索引:医疗 Agent 成本账从哪里读起
客观事实部分先讲 8.5 美分对应哪个基准、什么评分口径,再解释 Token 单价为什么不能代表任务成本。之后拆开一次 Agent 任务的六类费用来源,并以 CVS Health 开源的 CUA Agent Kit 说明,为什么固定流程不必每次都调用大模型。分析判断部分讨论高能力模型与低成本模型的分工,给出可直接套用的预算公式和测算情景,最后说明 API 层面的用量管理能解决什么、不能解决什么。
To Know:医疗 Agent 成本相关概念
| 概念 | 简要解释 |
|---|---|
| Computer Use | 通过观察软件界面、执行点击和输入等操作来完成任务的能力 |
| EHR | 电子健康记录系统,即医院使用的电子病历系统 |
| MCP | 用于发现和调用外部工具的标准协议 |
| RPA | 按预先配置的规则或脚本执行重复流程的自动化方式 |
| Rubric points | 按评测规则获得的评分点,衡量部分要求的达成情况 |
| 端到端成功率 | 完整任务满足全部成功条件的比例,比评分点占比更严格 |
| Trace | 记录执行过程、操作动作和界面状态的轨迹证据 |
| Maximum Reasoning Effort | 模型的最高推理强度档位,通常会消耗更多推理 Token |
| 缓存输入 | 重复出现的输入前缀按较低单价计费的机制 |
影响速览:医疗 Agent 成本对谁意味着什么
- 开发者与技术负责人:不能拿官方基准数字直接报预算。需要按自己的任务验证执行机制、端到端完成率和完整成本,同时把截图量、调用轮次和重试率纳入统计。
- 医疗机构与工作流负责人:要区分合成演示、厂商评测、试点和生产案例。低单任务成本不能替代人工审批、最小权限和审计日志的配置,这些治理措施本身也会产生成本。
客观事实:医疗 Agent 8.5 美分背后的数据
8.5 美分能完成什么医疗 Agent 任务?
8.5 美分出自 OpenAI 2026 年 11 月 16 日发布的医疗 Computer Use Agent 公告。OpenAI 用斯坦福 Shah Lab 提出的 HealthAdminBench 评测了两款模型,两者都使用最高推理强度。该基准在模拟的 EHR、保险支付方门户和传真系统中,考察保险资格核验、预授权申请、医疗设备订购和跨系统文档处理等行政任务。
| 项目 | GPT-6 Luna | GPT-6 Astra | 数据性质 |
|---|---|---|---|
| HealthAdminBench 得分 | 91.8% | 94.3% | 官方披露,rubric points 占比 |
| 单任务成本 | $0.085 | 约 $4.25 | Luna 为官方披露,Astra 按 98% 降幅反推 |
| 1,000 次任务成本 | $85 | 约 $4,250 | 基准口径下的线性换算,非生产报价 |
| 输入价格(每百万 Token) | $0.10 | $10.00 | 官方 Standard 短上下文价格,2026-11-17 查询 |
| 输出价格(每百万 Token) | $0.50 | $50.00 | 同上 |
| 缓存输入(每百万 Token) | $0.01 | $1.00 | 同上 |
Astra 的约 4.25 美元来自 0.085 ÷(1 − 0.98)的计算,是近似值,并非 OpenAI 单独公布的价格。94.3% 和 91.8% 也不是完整任务成功率。它们统计的是可得评分点的占比,不能写成”94.3% 的医院行政工作已经实现全自动”。
HealthAdminBench 有多个公开版本,需要区分口径。论文版本 2604.09937v1 包含 135 项任务、1698 个子任务,其中 1177 个由确定性规则判定,521 个由模型裁判评分。论文中 36.3% 的完整任务成功率属于 Claude Opus 4.6 CUA,82.8% 的子任务成功率属于 GPT-5.4 CUA。早期 Shah Lab 网页描述的是 70 项任务、947 个评分点的版本,只能作为历史对照。不同模型、日期、执行条件和指标的结果,不能排成同一张榜单。

为什么医疗 Agent 任务不能只看 Token 单价?
从价格表看,两款模型的输入、输出和缓存输入单价都相差 100 倍。按 98% 的降幅计算,两者的单任务成本只相差约 50 倍。由此可以推断,两款模型在同一基准里的实际消耗量并不相同。调用轮次、输入输出 Token 数、推理消耗和重试次数都可能不同,所以单任务成本只能根据真实用量核算。
根本原因在于 Computer Use 的执行方式。按照 OpenAI 开发者文档,一个典型循环是:接收任务,观察屏幕截图,生成操作指令,由应用执行点击或输入,返回新截图,模型再判断下一步,直到完成或请求人工审批。每走一步,任务说明、历史上下文和新截图都可能重新输入模型。
普通问答可能只需要一次调用,跨系统的预授权流程则可能连续经历十几轮”观察、操作、验证”。截图属于图像输入,会单独产生视觉 Token 费用,而且每轮都会出现,因此最容易被低估。另外要注意,模型生成了操作指令,并不代表操作已经成功,应用必须执行并验证结果,验证本身也会消耗调用。

一次医疗 Agent 任务的钱究竟花在哪里?
把一次任务拆开,可以归入六类直接成本。工程维护属于持续投入,单独核算更清楚。
| 成本类别 | 产生原因 | 统计要点 |
|---|---|---|
| 输入 Token | 系统提示、任务说明、历史上下文、工具返回 | 按轮次累计,区分可缓存部分 |
| 输出 Token | 操作指令、生成的代码、决策与推理 | 高推理强度会显著增加输出 |
| 视觉输入 | 每轮截图及界面理解 | 按模型的图像计费规则单独统计 |
| 工具调用 | 内置工具、托管浏览器、代码执行 | 内置工具消耗的 Token 按对应模型计费 |
| 运行环境 | 浏览器、虚拟机、容器 | 只在实际使用对应服务时计入 |
| 失败重试 | 页面加载异常、定位失败、操作错误 | 若重试 Token 已计入总量,不要重复加算 |
运行环境的计费差异很大。OpenAI 定价页列出的 Hosted Shell 与 Code Interpreter 容器费用为:1 GB 每 20 分钟 0.03 美元,4 GB 为 0.12 美元,16 GB 为 0.48 美元,64 GB 为 1.92 美元。文件与图片上传存储按 0.10 美元/GB-day 计费。如果开发者在自己的服务器上运行 Playwright 或桌面执行器,这部分就变成自有基础设施成本,结构完全不同。
因此,核算时需要分清三个层次:模型成本是处理输入输出的费用,运行成本是浏览器、服务器、容器等基础设施费用,工程成本是工作流设计、测试、监控和维护的人力投入。只看第一层,预算一定偏低。
为什么有些医疗 Agent 不应该每次都调用大模型?
CVS Health 在公告中披露了生产环境案例。一个 Agent 在一个周末清理了积压数月的文件发送任务,另一个 Agent 每天处理数万次专科会诊中的系统操作步骤。这里的”数万次”指操作步骤,不是由 AI 独立完成的临床决策。系统同时配有验证检查、人工监督,以及基于截图和操作记录的状态核查。
更值得开发者关注的是 CVS 开源的 CUA Agent Kit(Apache-2.0 许可)。它把自动化分为两个阶段:先由 OpenAI Computer Use Agent 按自然语言执行任务,记录截图、动作、目标位置和 Trace;再由 Codex Skill 根据成功的轨迹,生成或更新确定性工作流代码,并经工程师审查。README 说明,确定性运行阶段不需要模型 API Key。
这套设计直接针对成本问题:探索未知流程时需要大模型推理,重复执行已知流程时交给普通代码。只要流程稳定,单次运行就不再支付视觉输入和推理费用,结果波动也会减小。项目的一个核心观点是,”发现如何完成任务”和”长期稳定地重复执行”是两个不同的问题。
传统 RPA 与 Agent 的关系也可以从这个角度理解。一项 RPA 比较研究(DOI: 10.1080/23311975.2026.2724760)中,P2、P3 两项任务每种技术各运行 10 次,P1 任务的 Agent 只运行了 1 次且失败,未纳入后续统计,因此不能笼统地说”所有任务都执行了 10 次”。该研究使用的是 2025 年的工具配置,不能当作 2026 年模型的直接成绩。不过它提示了一点:评估自动化方案时,重复运行的稳定性和单次成功同样重要。
分析判断:医疗 Agent 成本账该怎么算
高能力模型与低成本模型如何在医疗 Agent 中分工?
基准数据显示,Luna 的评分点占比比 Astra 低 2.5 个百分点,成本却只有 Astra 的约 2%。这说明,在结构化程度较高的行政任务中,低成本模型已经具备可观的执行能力。但评分点差距不等于端到端成功率差距,少拿的那部分分数如果恰好落在文件上传或状态更新等关键步骤,业务结果可能完全不同。这是我们的判断,需要用自己的任务数据来验证。
更稳妥的做法是按阶段分配,而不是整个任务只用一个模型:
| 工作阶段 | 建议承担者 | 理由 |
|---|---|---|
| 理解复杂任务、拆解步骤 | 高能力模型 | 出错代价高,调用次数少 |
| 处理病历歧义、模糊信息 | 高推理模型 + 人工确认 | Ambience 的方案在歧义时停止并询问医生 |
| 常规界面操作 | 低成本模型 | 调用次数多,对单价最敏感 |
| 重复填写固定表单 | 确定性代码 | 参照 CUA Agent Kit 的代码固化思路 |
| 常见异常处理 | 低成本模型或规则 | 模式固定,可逐步沉淀为规则 |
| 关键操作审批 | 人工 | 提交、发送、签署等动作保留人工最终权限 |
| 最终结果验证 | 结构化检查 + 人工抽查 | 以系统状态为准,而非模型的”已完成”声明 |
这种分层的收益在于,高单价模型只出现在低频、高价值的环节,高频环节交给低成本模型或代码。当多个模型并存时,统一的调用接口能降低切换成本。例如通过 API易 apiyi.com 这类 OpenAI 兼容网关,开发者可以只改 model 参数来对比不同模型。具体可用的模型以平台当前模型列表和账户权限为准。

开发者怎样计算自己的医疗 Agent 项目预算?
建议采用下面的单任务成本框架。其中 T 为实际 Token 数,P 为每百万 Token 价格:
C_task = C_input + C_output + C_image + C_tools + C_runtime + C_retry
C_input = T_input × P_input / 1,000,000 (可缓存部分按缓存价单列)
C_output = T_output × P_output / 1,000,000
C_image = 按模型视觉计费规则,逐轮截图单独统计
C_retry = 仅计尚未并入上述 Token 总量的重试开销
单个成功任务成本 = 全部任务总成本 ÷ 成功任务数
月度预算 = 单个成功任务成本 × 月成功任务目标 + 工程维护投入
真正决定预算准确性的,是这几项实测指标:单任务平均调用轮次、平均截图数、失败重试率、人工介入率和端到端成功率。用”单个成功任务成本”而不是”单次运行成本”做分母,能把失败的消耗计入进去。
下表是我们自行构建的预算情景,所有用量均为假设,仅用于演示计算方法。单价采用前文的官方 Standard 价格:
| 情景假设(自建,非实测) | 低成本模型(Luna 单价) | 高能力模型(Astra 单价) |
|---|---|---|
| 每任务 15 轮,每轮视觉 + 文本输入 2 万 Token | 30 万 × $0.10/M = $0.030 | 30 万 × $10/M = $3.00 |
| 每轮输出 500 Token | 7,500 × $0.50/M ≈ $0.004 | 7,500 × $50/M = $0.375 |
| 单次运行模型成本 | 约 $0.034 | 约 $3.38 |
| 假设端到端成功率 80% 后的单个成功任务成本 | 约 $0.042 | 约 $4.22 |
| 月成功任务 10,000 次的模型成本 | 约 $420 | 约 $42,200 |
| 托管容器(4 GB,每 20 分钟串行 4 个任务) | 约 $300/月 | 约 $300/月 |
这个情景揭示了一个容易被忽略的现象:当模型足够便宜时,运行环境费用可能与模型费用处于同一量级,甚至更高。优化方向随之改变,从”换更便宜的模型”变成”减少截图轮次、复用容器、把固定步骤改成代码”。这是情景推演得出的判断,实际比例要以您的实测数据为准。
采集真实用量最直接的办法,是在每次模型调用后记录 usage 字段。下面是最简示例:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1", # API易 OpenAI 兼容接口
)
resp = client.chat.completions.create(
model="YOUR_MODEL_NAME", # 以 API易 后台模型列表为准
messages=[{"role": "user", "content": "根据以下字段生成预授权申请核对清单:..."}],
)
u = resp.usage
print("input:", u.prompt_tokens, "output:", u.completion_tokens)
查看按任务累计成本的完整实现代码
from dataclasses import dataclass, field
from openai import OpenAI
# 2026-11-17 官方 Standard 短上下文价格(美元/百万 Token),实际以对应计费档位为准
PRICES = {
"gpt-6-luna": {"input": 0.10, "cached": 0.01, "output": 0.50},
"gpt-6-astra": {"input": 10.00, "cached": 1.00, "output": 50.00},
}
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1", # 统一接入,后台可对照 Token 与费用日志
)
@dataclass
class TaskCostMeter:
model: str
rounds: int = 0
screenshots: int = 0
retries: int = 0
input_tokens: int = 0
cached_tokens: int = 0
output_tokens: int = 0
runtime_usd: float = 0.0
log: list = field(default_factory=list)
def record(self, usage, has_screenshot=False, is_retry=False):
self.rounds += 1
self.screenshots += int(has_screenshot)
self.retries += int(is_retry)
details = getattr(usage, "prompt_tokens_details", None)
cached = getattr(details, "cached_tokens", 0) or 0
self.cached_tokens += cached
self.input_tokens += usage.prompt_tokens - cached
self.output_tokens += usage.completion_tokens
self.log.append((self.rounds, usage.prompt_tokens, usage.completion_tokens))
def model_cost(self):
p = PRICES[self.model]
return (self.input_tokens * p["input"]
+ self.cached_tokens * p["cached"]
+ self.output_tokens * p["output"]) / 1_000_000
def total_cost(self):
# 重试轮次的 Token 已在 record 中累计,这里不再重复加算
return self.model_cost() + self.runtime_usd
def cost_per_success(meters, success_flags):
total = sum(m.total_cost() for m in meters)
wins = sum(success_flags)
return total / wins if wins else float("inf")
🎯 预算建议:先挑 20 到 50 个真实任务样本做小规模试跑,再做月度测算。通过 API易 apiyi.com 统一接入时,可以对照后台的 Token 消耗与费用日志校验自己的计量结果,新用户的免费测试额度足够完成这一步。
从模型价格到 API 成本管理:医疗 Agent 网关能做什么
Agent 项目进入多模型阶段后,成本失控往往不是因为单价高,而是因为没人说得清哪个环节、哪个模型消耗了多少。API Gateway 的价值在于把分散的调用汇集到一处:统一的 Key 与 Endpoint、按模型拆分的用量日志、可回溯的费用明细,团队据此才能发现某个步骤截图过多,或者某类异常反复触发重试。
以 API易 为例,根据其快速开始文档,接入方式是注册账户、在 Token 页面获取 API Key,然后把原 OpenAI Endpoint 替换为 https://api.apiyi.com,部分应用需在地址后添加 /v1。官方 SDK 和代码示例可以直接使用,后台可查看模型、Token 消耗和费用日志,页面标注 OpenAI 和 Claude 费率与官方一致,并支持开票。对于需要在多个模型之间做分层和对比的团队,API易 apiyi.com 提供了一个按量计费、统一计量的接入层。
它的边界也需要说清楚。API 网关解决的是模型调用的接入与计量,不是 Agent 执行器:浏览器和桌面环境、截图采集、业务权限控制、人工审批流程和工作流维护,仍需开发者自行构建。在医疗场景中,HIPAA 合规还取决于适用产品资格、BAA、安全配置和数据治理,不会因为换了接入方式就自动满足。具体某个 GPT-6 模型能否调用,也要以平台当前的模型列表为准。
回到 8.5 美分这个数字,它证明了低成本模型在高频行政自动化中的潜力,却回答不了您的工作流要花多少钱。答案只能来自自己的任务样本、自己的成功率和自己的用量日志。正如那句英文谚语所说:
The proof of the pudding is in the eating.
(布丁好不好,吃了才知道;实际效果要靠实践检验。)
参考资料
- OpenAI 医疗 Computer Use Agent 公告:HealthAdminBench 得分与单任务成本的原始出处
- 链接:
openai.com/index/advancing-computer-use-for-healthcare-teams
- 链接:
- OpenAI API 定价页:GPT-6 Astra、GPT-6 Luna Token 价格及容器费用
- 链接:
developers.openai.com/api/docs/pricing
- 链接:
- OpenAI Computer Use 开发者文档:执行循环、Computer Tool 与 Code Execution 两种路径
- 链接:
developers.openai.com/api/docs/guides/tools-computer-use
- 链接:
- HealthAdminBench 论文 v1:135 任务、1698 子任务的明确版本
- 链接:
arxiv.org/html/2604.09937v1
- 链接:
- CVS Health CUA Agent Kit:AI 探索与代码固化的开源实现
- 链接:
github.com/cvs-health/cua-agent-kit
- 链接:
- RPA 比较研究:重复运行设计与例外说明
- 链接:
doi.org/10.1080/23311975.2026.2724760
- 链接:
- 谚语释义核对:Cambridge Dictionary
- 链接:
dictionary.cambridge.org/us/dictionary/english/proof-of-the-pudding-is-in-the-eating
- 链接:
作者: API易 技术团队
技术交流: 欢迎在 API易 apiyi.com 首页联系我们,更多接入说明可访问 docs.apiyi.com 文档中心