每次醫療 Agent 任務只花 8.5 美分?拆解 AI 自動化的 6 類成本賬

在特定條件下是的,但生產環境不能照搬這個數字。2026 年 11 月 16 日,OpenAI 披露 GPT-6 Luna 在 HealthAdminBench 醫療行政基準中的單任務成本爲 0.085 美元,比 GPT-6 Astra 低 98%。這個數字來自基準測試,不是醫院生產部署的報價。

Agent 成本也不能簡單按每百萬 Token 的單價換算。一次 Computer Use 任務包含多輪模型調用、截圖輸入、工具執行、失敗重試和運行環境,真正需要覈算的是完整任務成本。對開發者來說,合理的模型分層、緩存、工作流固化和成本監控,比挑選單價最低的模型更重要。

medical-agent-task-cost-8-5-cents-breakdown-zh-hant-image-0

讀完本文,您能瞭解醫療 Agent 成本的哪些問題?

  • 8.5 美分是在什麼測試條件下得出的,哪些是官方披露值,哪些是反推估算值
  • 一次醫療 Agent 完整任務的成本由哪幾部分組成,截圖、多輪調用和重試如何推高費用
  • 怎樣做模型分層,怎樣用公式和月度任務量估算自己的 Agent 項目預算

本文索引:醫療 Agent 成本賬從哪裏讀起

客觀事實部分先講 8.5 美分對應哪個基準、什麼評分口徑,再解釋 Token 單價爲什麼不能代表任務成本。之後拆開一次 Agent 任務的六類費用來源,並以 CVS Health 開源的 CUA Agent Kit 說明,爲什麼固定流程不必每次都調用大模型。分析判斷部分討論高能力模型與低成本模型的分工,給出可直接套用的預算公式和測算情景,最後說明 API 層面的用量管理能解決什麼、不能解決什麼。

To Know:醫療 Agent 成本相關概念

概念 簡要解釋
Computer Use 通過觀察軟件界面、執行點擊和輸入等操作來完成任務的能力
EHR 電子健康記錄系統,即醫院使用的電子病歷系統
MCP 用於發現和調用外部工具的標準協議
RPA 按預先配置的規則或腳本執行重複流程的自動化方式
Rubric points 按評測規則獲得的評分點,衡量部分要求的達成情況
端到端成功率 完整任務滿足全部成功條件的比例,比評分點佔比更嚴格
Trace 記錄執行過程、操作動作和界面狀態的軌跡證據
Maximum Reasoning Effort 模型的最高推理強度檔位,通常會消耗更多推理 Token
緩存輸入 重複出現的輸入前綴按較低單價計費的機制

影響速覽:醫療 Agent 成本對誰意味着什麼

  • 開發者與技術負責人:不能拿官方基準數字直接報預算。需要按自己的任務驗證執行機制、端到端完成率和完整成本,同時把截圖量、調用輪次和重試率納入統計。
  • 醫療機構與工作流負責人:要區分合成演示、廠商評測、試點和生產案例。低單任務成本不能替代人工審批、最小權限和審計日誌的配置,這些治理措施本身也會產生成本。

客觀事實:醫療 Agent 8.5 美分背後的數據

8.5 美分能完成什麼醫療 Agent 任務?

8.5 美分出自 OpenAI 2026 年 11 月 16 日發佈的醫療 Computer Use Agent 公告。OpenAI 用斯坦福 Shah Lab 提出的 HealthAdminBench 評測了兩款模型,兩者都使用最高推理強度。該基準在模擬的 EHR、保險支付方門戶和傳真系統中,考察保險資格覈驗、預授權申請、醫療設備訂購和跨系統文檔處理等行政任務。

項目 GPT-6 Luna GPT-6 Astra 數據性質
HealthAdminBench 得分 91.8% 94.3% 官方披露,rubric points 佔比
單任務成本 $0.085 約 $4.25 Luna 爲官方披露,Astra 按 98% 降幅反推
1,000 次任務成本 $85 約 $4,250 基準口徑下的線性換算,非生產報價
輸入價格(每百萬 Token) $0.10 $10.00 官方 Standard 短上下文價格,2026-11-17 查詢
輸出價格(每百萬 Token) $0.50 $50.00 同上
緩存輸入(每百萬 Token) $0.01 $1.00 同上

Astra 的約 4.25 美元來自 0.085 ÷(1 − 0.98)的計算,是近似值,並非 OpenAI 單獨公佈的價格。94.3% 和 91.8% 也不是完整任務成功率。它們統計的是可得評分點的佔比,不能寫成”94.3% 的醫院行政工作已經實現全自動”。

HealthAdminBench 有多個公開版本,需要區分口徑。論文版本 2604.09937v1 包含 135 項任務、1698 個子任務,其中 1177 個由確定性規則判定,521 個由模型裁判評分。論文中 36.3% 的完整任務成功率屬於 Claude Opus 4.6 CUA,82.8% 的子任務成功率屬於 GPT-5.4 CUA。早期 Shah Lab 網頁描述的是 70 項任務、947 個評分點的版本,只能作爲歷史對照。不同模型、日期、執行條件和指標的結果,不能排成同一張榜單。

medical-agent-task-cost-8-5-cents-breakdown-zh-hant-image-1

爲什麼醫療 Agent 任務不能只看 Token 單價?

從價格表看,兩款模型的輸入、輸出和緩存輸入單價都相差 100 倍。按 98% 的降幅計算,兩者的單任務成本只相差約 50 倍。由此可以推斷,兩款模型在同一基準裏的實際消耗量並不相同。調用輪次、輸入輸出 Token 數、推理消耗和重試次數都可能不同,所以單任務成本只能根據真實用量覈算。

根本原因在於 Computer Use 的執行方式。按照 OpenAI 開發者文檔,一個典型循環是:接收任務,觀察屏幕截圖,生成操作指令,由應用執行點擊或輸入,返回新截圖,模型再判斷下一步,直到完成或請求人工審批。每走一步,任務說明、歷史上下文和新截圖都可能重新輸入模型。

普通問答可能只需要一次調用,跨系統的預授權流程則可能連續經歷十幾輪”觀察、操作、驗證”。截圖屬於圖像輸入,會單獨產生視覺 Token 費用,而且每輪都會出現,因此最容易被低估。另外要注意,模型生成了操作指令,並不代表操作已經成功,應用必須執行並驗證結果,驗證本身也會消耗調用。

medical-agent-task-cost-8-5-cents-breakdown-zh-hant-image-2

一次醫療 Agent 任務的錢究竟花在哪裏?

把一次任務拆開,可以歸入六類直接成本。工程維護屬於持續投入,單獨覈算更清楚。

成本類別 產生原因 統計要點
輸入 Token 系統提示、任務說明、歷史上下文、工具返回 按輪次累計,區分可緩存部分
輸出 Token 操作指令、生成的代碼、決策與推理 高推理強度會顯著增加輸出
視覺輸入 每輪截圖及界面理解 按模型的圖像計費規則單獨統計
工具調用 內置工具、託管瀏覽器、代碼執行 內置工具消耗的 Token 按對應模型計費
運行環境 瀏覽器、虛擬機、容器 只在實際使用對應服務時計入
失敗重試 頁面加載異常、定位失敗、操作錯誤 若重試 Token 已計入總量,不要重複加算

運行環境的計費差異很大。OpenAI 定價頁列出的 Hosted Shell 與 Code Interpreter 容器費用爲:1 GB 每 20 分鐘 0.03 美元,4 GB 爲 0.12 美元,16 GB 爲 0.48 美元,64 GB 爲 1.92 美元。文件與圖片上傳存儲按 0.10 美元/GB-day 計費。如果開發者在自己的服務器上運行 Playwright 或桌面執行器,這部分就變成自有基礎設施成本,結構完全不同。

因此,覈算時需要分清三個層次:模型成本是處理輸入輸出的費用,運行成本是瀏覽器、服務器、容器等基礎設施費用,工程成本是工作流設計、測試、監控和維護的人力投入。只看第一層,預算一定偏低。

爲什麼有些醫療 Agent 不應該每次都調用大模型?

CVS Health 在公告中披露了生產環境案例。一個 Agent 在一個週末清理了積壓數月的文件發送任務,另一個 Agent 每天處理數萬次專科會診中的系統操作步驟。這裏的”數萬次”指操作步驟,不是由 AI 獨立完成的臨牀決策。系統同時配有驗證檢查、人工監督,以及基於截圖和操作記錄的狀態覈查。

更值得開發者關注的是 CVS 開源的 CUA Agent Kit(Apache-2.0 許可)。它把自動化分爲兩個階段:先由 OpenAI Computer Use Agent 按自然語言執行任務,記錄截圖、動作、目標位置和 Trace;再由 Codex Skill 根據成功的軌跡,生成或更新確定性工作流代碼,並經工程師審查。README 說明,確定性運行階段不需要模型 API Key。

這套設計直接針對成本問題:探索未知流程時需要大模型推理,重複執行已知流程時交給普通代碼。只要流程穩定,單次運行就不再支付視覺輸入和推理費用,結果波動也會減小。項目的一個核心觀點是,”發現如何完成任務”和”長期穩定地重複執行”是兩個不同的問題。

傳統 RPA 與 Agent 的關係也可以從這個角度理解。一項 RPA 比較研究(DOI: 10.1080/23311975.2026.2724760)中,P2、P3 兩項任務每種技術各運行 10 次,P1 任務的 Agent 只運行了 1 次且失敗,未納入後續統計,因此不能籠統地說”所有任務都執行了 10 次”。該研究使用的是 2025 年的工具配置,不能當作 2026 年模型的直接成績。不過它提示了一點:評估自動化方案時,重複運行的穩定性和單次成功同樣重要。

分析判斷:醫療 Agent 成本賬該怎麼算

高能力模型與低成本模型如何在醫療 Agent 中分工?

基準數據顯示,Luna 的評分點佔比比 Astra 低 2.5 個百分點,成本卻只有 Astra 的約 2%。這說明,在結構化程度較高的行政任務中,低成本模型已經具備可觀的執行能力。但評分點差距不等於端到端成功率差距,少拿的那部分分數如果恰好落在文件上傳或狀態更新等關鍵步驟,業務結果可能完全不同。這是我們的判斷,需要用自己的任務數據來驗證。

更穩妥的做法是按階段分配,而不是整個任務只用一個模型:

工作階段 建議承擔者 理由
理解複雜任務、拆解步驟 高能力模型 出錯代價高,調用次數少
處理病歷歧義、模糊信息 高推理模型 + 人工確認 Ambience 的方案在歧義時停止並詢問醫生
常規界面操作 低成本模型 調用次數多,對單價最敏感
重複填寫固定表單 確定性代碼 參照 CUA Agent Kit 的代碼固化思路
常見異常處理 低成本模型或規則 模式固定,可逐步沉澱爲規則
關鍵操作審批 人工 提交、發送、簽署等動作保留人工最終權限
最終結果驗證 結構化檢查 + 人工抽查 以系統狀態爲準,而非模型的”已完成”聲明

這種分層的收益在於,高單價模型只出現在低頻、高價值的環節,高頻環節交給低成本模型或代碼。當多個模型並存時,統一的調用接口能降低切換成本。例如通過 API易 apiyi.com 這類 OpenAI 兼容網關,開發者可以只改 model 參數來對比不同模型。具體可用的模型以平臺當前模型列表和賬戶權限爲準。

medical-agent-task-cost-8-5-cents-breakdown-zh-hant-image-3

開發者怎樣計算自己的醫療 Agent 項目預算?

建議採用下面的單任務成本框架。其中 T 爲實際 Token 數,P 爲每百萬 Token 價格:

C_task = C_input + C_output + C_image + C_tools + C_runtime + C_retry

C_input  = T_input  × P_input  / 1,000,000   (可緩存部分按緩存價單列)
C_output = T_output × P_output / 1,000,000
C_image  = 按模型視覺計費規則,逐輪截圖單獨統計
C_retry  = 僅計尚未併入上述 Token 總量的重試開銷

單個成功任務成本 = 全部任務總成本 ÷ 成功任務數
月度預算 = 單個成功任務成本 × 月成功任務目標 + 工程維護投入

真正決定預算準確性的,是這幾項實測指標:單任務平均調用輪次、平均截圖數、失敗重試率、人工介入率和端到端成功率。用”單個成功任務成本”而不是”單次運行成本”做分母,能把失敗的消耗計入進去。

下表是我們自行構建的預算情景,所有用量均爲假設,僅用於演示計算方法。單價採用前文的官方 Standard 價格:

情景假設(自建,非實測) 低成本模型(Luna 單價) 高能力模型(Astra 單價)
每任務 15 輪,每輪視覺 + 文本輸入 2 萬 Token 30 萬 × $0.10/M = $0.030 30 萬 × $10/M = $3.00
每輪輸出 500 Token 7,500 × $0.50/M ≈ $0.004 7,500 × $50/M = $0.375
單次運行模型成本 約 $0.034 約 $3.38
假設端到端成功率 80% 後的單個成功任務成本 約 $0.042 約 $4.22
月成功任務 10,000 次的模型成本 約 $420 約 $42,200
託管容器(4 GB,每 20 分鐘串行 4 個任務) 約 $300/月 約 $300/月

這個情景揭示了一個容易被忽略的現象:當模型足夠便宜時,運行環境費用可能與模型費用處於同一量級,甚至更高。優化方向隨之改變,從”換更便宜的模型”變成”減少截圖輪次、複用容器、把固定步驟改成代碼”。這是情景推演得出的判斷,實際比例要以您的實測數據爲準。

採集真實用量最直接的辦法,是在每次模型調用後記錄 usage 字段。下面是最簡示例:

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 後臺模型列表爲準
    messages=[{"role": "user", "content": "根據以下字段生成預授權申請覈對清單:..."}],
)
u = resp.usage
print("input:", u.prompt_tokens, "output:", u.completion_tokens)
查看按任務累計成本的完整實現代碼
from dataclasses import dataclass, field
from openai import OpenAI

# 2026-11-17 官方 Standard 短上下文價格(美元/百萬 Token),實際以對應計費檔位爲準
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",  # 統一接入,後臺可對照 Token 與費用日誌
)

@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):
        # 重試輪次的 Token 已在 record 中累計,這裏不再重複加算
        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")

🎯 預算建議:先挑 20 到 50 個真實任務樣本做小規模試跑,再做月度測算。通過 API易 apiyi.com 統一接入時,可以對照後臺的 Token 消耗與費用日誌校驗自己的計量結果,新用戶的免費測試額度足夠完成這一步。

從模型價格到 API 成本管理:醫療 Agent 網關能做什麼

Agent 項目進入多模型階段後,成本失控往往不是因爲單價高,而是因爲沒人說得清哪個環節、哪個模型消耗了多少。API Gateway 的價值在於把分散的調用匯集到一處:統一的 Key 與 Endpoint、按模型拆分的用量日誌、可回溯的費用明細,團隊據此才能發現某個步驟截圖過多,或者某類異常反覆觸發重試。

以 API易 爲例,根據其快速開始文檔,接入方式是註冊賬戶、在 Token 頁面獲取 API Key,然後把原 OpenAI Endpoint 替換爲 https://api.apiyi.com,部分應用需在地址後添加 /v1。官方 SDK 和代碼示例可以直接使用,後臺可查看模型、Token 消耗和費用日誌,頁面標註 OpenAI 和 Claude 費率與官方一致,並支持開票。對於需要在多個模型之間做分層和對比的團隊,API易 apiyi.com 提供了一個按量計費、統一計量的接入層。

它的邊界也需要說清楚。API 網關解決的是模型調用的接入與計量,不是 Agent 執行器:瀏覽器和桌面環境、截圖採集、業務權限控制、人工審批流程和工作流維護,仍需開發者自行構建。在醫療場景中,HIPAA 合規還取決於適用產品資格、BAA、安全配置和數據治理,不會因爲換了接入方式就自動滿足。具體某個 GPT-6 模型能否調用,也要以平臺當前的模型列表爲準。

回到 8.5 美分這個數字,它證明了低成本模型在高頻行政自動化中的潛力,卻回答不了您的工作流要花多少錢。答案只能來自自己的任務樣本、自己的成功率和自己的用量日誌。正如那句英文諺語所說:

The proof of the pudding is in the eating.
(布丁好不好,喫了才知道;實際效果要靠實踐檢驗。)


參考資料

  1. OpenAI 醫療 Computer Use Agent 公告:HealthAdminBench 得分與單任務成本的原始出處
    • 鏈接: openai.com/index/advancing-computer-use-for-healthcare-teams
  2. OpenAI API 定價頁:GPT-6 Astra、GPT-6 Luna Token 價格及容器費用
    • 鏈接: developers.openai.com/api/docs/pricing
  3. OpenAI Computer Use 開發者文檔:執行循環、Computer Tool 與 Code Execution 兩種路徑
    • 鏈接: developers.openai.com/api/docs/guides/tools-computer-use
  4. HealthAdminBench 論文 v1:135 任務、1698 子任務的明確版本
    • 鏈接: arxiv.org/html/2604.09937v1
  5. CVS Health CUA Agent Kit:AI 探索與代碼固化的開源實現
    • 鏈接: github.com/cvs-health/cua-agent-kit
  6. RPA 比較研究:重複運行設計與例外說明
    • 鏈接: doi.org/10.1080/23311975.2026.2724760
  7. 諺語釋義覈對:Cambridge Dictionary
    • 鏈接: dictionary.cambridge.org/us/dictionary/english/proof-of-the-pudding-is-in-the-eating

作者: API易 技術團隊
技術交流: 歡迎在 API易 apiyi.com 首頁聯繫我們,更多接入說明可訪問 docs.apiyi.com 文檔中心

發佈留言