本文涉及服务内容为虚拟内容但完全参考真实场景结论是可信的。前几天写了《DeepSeek V4-Flash 跑 Codex 实测4 个任务全过花费不到 5 分钱》那是用小任务验证模型能不能干活。这次换个真实的大活给公司做一次完整服务巡检把发现的问题整理成结论最后把这次巡检的 token 和账单对清楚最终的结论是——只花了 5 毛钱巡检对象若干集群加外部托管服务的服务面需要检测的是主要服务的正确性和稳定性包括官网、开放 API、镜像仓库这些服务。需要按一定规则对服务做真实场景的模拟测试。结果核心服务全绿花了多少钱巡检窗口从开工到发送飞书消息前后二十来分钟共 30 条记录项token 数输入含缓存6,293,834其中缓存命中5,915,008未命中输入378,826输出16,606合计6,310,440成本按两种口径对账按 DeepSeek V4-Flash 官方单价缓存命中 0.02 元/百万、未命中 1 元/百万、输出 2 元/百万约0.53 元按 OpenAI GPT-5.5 API 等价单价输入 5 / 缓存 0.5 / 输出 30 美元每百万做参照估算约 5.35 美元折合人民币约 36 元。两个数字差这么多是因为 DeepSeek 的缓存命中价只有未命中价的 1/50而这次巡检 94% 的输入都走了缓存。对 Codex 这类每轮工具调用都要把整个上下文重发一遍的 Agent缓存命中率直接决定真实账单。上一篇文章里 4 个小任务 97.4% 缓存命中、总花费不到 5 分钱这次大上下文任务的缓存命中率略低94%但绝对量上去之后未命中输入的 37.9 万 token 才是成本大头——按 DeepSeek 单价算也就是 0.38 元。整条会话如果算上巡检之前的杂活改配置、查问题之类合计也就一块钱出头。5 毛钱买到什么把这次巡检拆开看5 毛钱买到的东西包括所有服务的一轮探活检查模拟真实用户场景的多轮测试;测试结果的飞书文档报告并发送飞书消息上面这张可以直接写进运维报告的 token 与成本对账表。比产物更重要的是过程本身可复用采集脚本、渲染脚本、巡检配置都是现成的下次巡检不需要重新发明流程模型要做的只是执行、核对和判断。这是 agent 做运维和传统”写个脚本跑一遍”的区别——脚本是静态的agent 会在结果异常时继续下钻会把发现组织成结论而不是只吐一堆 JSON。局限成本是估算口径DeepSeek 单价取自官方定价页峰谷定价上线后高峰时段会翻倍GPT-5.5 等价单价只是参照不代表真实账单。巡检是只读操作没有改任何线上配置发现的问题需要人工确认后按流程处理agent 不越权。下次可以试试把这条巡检链路接到定时任务里让 agent 每天自动跑一遍只有状态变化时才通知到人。