失败代价高的任务
先选 20–50 条最难样本，比较 Sol 是否显著减少错误、重试或人工修改。
GPT-5.6 Sol 三档人民币价格
单位为人民币 / 百万 Token。比较时不仅要看单价，还要记录一次通过率、重试次数、人工复核和任务价值。
| 号池 | 输入 | 输出 | 验证重点 |
|---|---|---|---|
| Sale | ¥0.60 | ¥3.60 | 小样本效果与可用性 |
| Plus | ¥1.00 | ¥6.00 | 稳定性与错误恢复 |
| Pro | ¥2.00 | ¥12.00 | 业务价值是否覆盖成本 |
价格来自 LinkAGI 公共 pricing API 与模型广场快照；实时号池、模型和账单可能变化。
Sol 应优先放在哪些样本上测试
跨文件设计与疑难排错
用统一仓库、提示词和验收测试对比模型；以测试通过和最终修复为结果，不只看回答长度。
输出单价必须单列
Sale 输出约 ¥3.60/百万 Token。让模型先给计划、再按需展开，通常比无约束长答案更可控。
只升级真正困难的请求
先由低档模型处理常规样本，通过规则或人工判断把失败样本升级到 Sol。
用“有效结果成本”决定是否升级
计算 Token 成本
输入与输出分别计价，记录平均值和 P95，而不只看一次演示。
计算失败成本
把重试、超时、人工修改和错误交付纳入比较，得到真实有效结果成本。
设置升级规则
根据任务难度、失败次数或业务价值触发 Sol，控制全量路由的浪费。
常见问题
Sol 一定比 Terra 更划算吗？
不一定。只有当效果提升、重试减少或业务价值覆盖成本差异时，Sol 才可能更划算。
如何防止输出费用失控？
约束输出格式和长度，先生成计划再按需展开，并在控制台监控单次输出 Token 和异常长请求。
生产环境是否应只用一个号池？
应根据实时可用性、业务容错和预算设计切换方案；页面不会把某个快照当成永久 SLA。
先算 20 条困难样本的成本
把真实输入、输出和调用次数代入，比较 Sol 带来的有效结果。