同一份代码任务，五个模型的实测记录（含成本）

任务：给一个 800 行的 Python 脚本加日志和重试，加单元测试。

结果分三档：

• 能一次做完且测试过的：两个模型，单次成本 0.3-0.8 元
• 能做但需要两轮修正：两个模型，累计成本 0.5-1.2 元
• 反复改不对：一个，成本反而最高，因为来回十几次

有意思的是成本排序和质量排序不一致。最贵的那个不是最好的，最便宜的也不是最差的。

结论：选模型别按价格排序。按「一次成功率 × 单价」算期望成本，这个才有参考价值。

样本量说明：这只是单任务观察，不构成结论。要真评测得 20 个任务起。