- 综合排序
- 最热优先
- 最新优先
- 来自专栏玉树芝兰
GraphRAG + GPT-4o mini 低成本构建 AI 图谱知识库
GraphRAG 实施成本为什么会那么高？因为它使用的是 GPT-4 Turob Preview 模型。 原来默认使用的是 GPT-4 Turbo preview，这一定要改为 GPT-4o mini，因为我们要尝试降低成本。其他设置无需更改。 接下来我们来建立索引。回到终端，执行以下命令。 考虑到使用官方样例花费 11 美金，你会发现 GPT-4o mini 带来的成本改善令人惊叹。 进一步，结合 GPT-4o mini 模型，我们不仅提高了处理效率和速度，还有效降低了成本。对于个人用户、研究人员和企业来说，这都是一个好消息。 祝基于知识图谱的 AI 知识库使用愉快！
1.1K32编辑于 2024-07-30 - 来自专栏软件成本造价评估
4种软件成本估算方法解析
当下行业内在进行软件成本估算时，常用的有4种估算方法。这4种软件成本估算方法分别是： 以“估”为主的——经验法和类推法。 以“算”为主的——类比法和方程法。 下面我们分别介绍一下这4大软件成本估算方法。 经验法：经验法也叫专家法，是由行业内经验丰富的专家背靠前一起依据自己的行业经验对软件项目进行整体的估算。
3.3K10发布于 2018-09-19 中国AI又赢了！成本砍到前代110！DeepSeek V4为什么能这么便宜？
别家做大模型长上下文，靠的是堆显存、堆算力，用硬件成本硬扛；而DeepSeek从V2到V4，一直靠的是“从根上改算法”。 这就是传统注意力机制的致命痛点：上下文长度翻一倍，算力和显存需求直接翻4倍。这也是为什么，百万上下文在过去一年，一直是闭源大厂的“付费高端特权”——普通人根本用不起，中小企业也扛不住这个成本。 各方案的成本对比如下：重点来了，V4-Flash是全量开源开放的，企业可以直接本地部署，不用再按token付费。 对于中小企业、开发者来说，这相当于直接把“长文本AI处理”的门槛，从几十万的服务器成本，降到了几千块的家用电脑就能跑，这才是真正的降维打击。 这才是中国AI最该走的路：不是靠参数堆砌的营销噱头，不是靠价格战的恶性内卷，而是靠实打实的底层技术创新，把顶级的AI能力，变成人人用得起、用得上的普惠工具。
59420编辑于 2026-04-27- 来自专栏WorkBuddy知识库
AI开发成本控制实战：本地模式 vs 云端模式成本对比
一、引言：为什么需要关注AI开发成本？随着AIAgent的规模化落地，企业和个人开发者面临一个现实问题：如何在保证性能的前提下，有效控制AI开发和使用成本？ 本文将通过真实成本数据和多场景对比，帮你选择最适合的AI开发模式，实现成本优化。 /人/月×50人=3,250-6,500元/月VS效率模式：8,000-16,000元/月+合规风险成本（难以量化）结论：本地模式虽然直接成本略高，但综合成本更低4.4场景4：离线环境（工厂、野外、航空等 →是：效率模式；否：本地模式（成本更低）Q4：本地模式对设备要求高吗？老旧设备能用吗？A：本地模式对设备有一定要求（CPU≥6核、内存≥16GB），但不需要高端GPU。 ，发现违规及时纠正八、参考资料Marvis官方文档：双模式架构与成本说明《AIAgent成本控制白皮书》（2026）腾讯云开发者社区：AI成本优化专题Gartner：《2026年AI技术成本趋势报告》作者
19121编辑于 2026-06-09 多租户AI成本管理方案解析
使用应用推理配置文件管理多租户AI服务成本成功的生成式AI软件即服务（SaaS）系统需要在服务可扩展性和成本管理之间取得平衡。 这在构建多租户生成式AI服务时尤为关键，这类服务需要面向庞大且多样化的客户群体，同时保持严格的成本控制和全面的使用监控。传统方法的局限性传统成本管理方法往往存在明显缺陷。 解决方案架构应用推理配置文件可实现部署层面的精细化成本跟踪。通过为每个推理请求关联元数据，可以在访问基础模型（FMs）的不同应用、团队或客户之间建立逻辑隔离。 这种标记方法引入了准确的成本分摊机制，帮助基于实际使用情况按比例分配成本，而非采用任意分配方式。 、监控仪表板和告警机制通过API网关端点使用模型服务，并在请求中发送配置文件中定义的标签或应用推理配置文件ID监控与告警解决方案创建以下监控机制：令牌成本告警：当指定配置文件的总令牌成本在5分钟内超过阈值时触发每分钟令牌数告警
34410编辑于 2025-08-27- 来自专栏人工智能
揭秘Deepseek：只用GPT-4成本的6%，却做出更聪明的AI？
Deepseek的训练成本只有GPT-4的零头，效果却能打个平手！GPT-4的训练成本可是去到了1个小目标的美元啊！"这个消息如同一颗炸弹在我脑海里炸开。 这不是它故意骗你，而是因为：AI模型的知识截止到训练时（比如ChatGPT-4用了25000块A100，训练超过3个月，训练完还要进行测试和安全校验，到发布时基本已经过去几个月甚至大半年了）对于训练数据之外的问题 根据行业估算：OpenAI的GPT-4训练成本超过1亿美元而Deepseek的R1模型训练成本仅约600万美元（已经算上V3 Base的训练成本了，也还不到前者的6%）但在多项基准测试中，R1的表现却能与 GPT-4一较高下这种"超高性价比"正是Deepseek能在短期内迅速崛起的关键原因！ 4.
48110编辑于 2025-10-30 - 来自专栏云计算D1net
云计算成本：4个神话与误解
价值和成本不是一回事。价值可能以较低的成本形式出现，它可能意味着企业的云计算战略正在实现其业务目标。因为企业的云计算战略与特定业务目标相关联。 “企业最好进行成本效益分析，以确保云计算提供价值。” 误解3：计算是付出唯一的代价 这是一个很大的问题，当云计算账单到来时，它也会导致人们只关注计算成本：运行机器的每小时成本，例如显然比购买和维护自己的服务器的成本大不相同。 然而，计算能力绝不是云计算中唯一的成本。忽视大局是从根本上误解企业业务在云中的成本。这是一个“定价”和“成本”不一定相同的领域; “定价”可能是单一服务，而“成本”可能更好地描述企业的实际总支出。 误解4：阅读和理解账单很容易 鉴于所有其他必要的服务以及公共云的消费模式，仅仅了解企业的支出可能很困难。云计算专家说，企业只会看到成本数字，而且它会立即变得有意义的想法是错误的。 MacQuarrie说，“如果既想预测云计算成本，又要关注成本增长，那么就必须了解CPU、IOP和内存等设备的使用情况。”
71620发布于 2018-08-20 AI账单上涨与成本治理技术
应用于AI，这意味着在项目启动前预测Token需求，为竞争性用例设置ROI批准关卡，并实施成本分摊，让业务部门承担自身消费的实际成本。 基础设施选择应如何纳入AI成本治理？不要再从成本角度将所有AI工作负载视为等同。公有某中心是实验和突发能力的正确选择，因为灵活性证明了其溢价的合理性。 按席位定价已不能清晰地映射到AI系统产生成本的方式。在许多AI密集型产品中，席位正成为包含基础使用量的外壳，而不是总成本的可靠代理。 我们应该如何构建AI成本治理以引起董事会层面的关注？将其构建为竞争风险，而不是预算管理问题。 不受管理的AI消费会以复合的方式侵蚀利润率，而那些良好治理其AI经济学的组织将比不这样做的组织拥有结构性的成本优势。
18310编辑于 2026-05-20精调模型削减文档AI成本90%
某机构已废弃GPT-3、GPT-4-32k及多个GPT-4变体。另一机构已终止Claude 2.0和2.1。 VLAIR基准测试评估了四种法律AI工具（某法律助手、某法律顾问、某AI工具、另一AI工具）和某聊天机器人在文档提取任务上的表现。 某法律助手构建于GPT-4之上，但专门针对法律语料库进行了精调。在对比测试中，它在文档问答和合同数据提取方面取得了比基础GPT-4更高的分数。这种改进来自于针对法律语言和条款结构的具体分布进行训练。 这些模型以低成本和高速处理已知模式。将5-10%的异常文档（不寻常格式、缺失字段、模糊内容）路由到前沿模型API或人工审核。这既保持了成本效率，又维持了对边缘情况的覆盖。 精调一个轻量级的270亿参数模型如今成本低于10美元。在自有硬件上进行推理，其成本随处理量增加而增加的边际成本仅为电费。
13910编辑于 2026-04-09- 来自专栏SAP最佳业务实践
SAP S4 HANA新变化-CO成本要素
There is no separate cost element master data maintenance.成本要素整合成为财务科目，按照科目主数据进行维护。成本要素主数据不再存在。 field for cost element category which classifies GL accounts into the following types: 在总账科目维护界面就能够设置相应的成本要素 原来在ECC中成本要素主数据中维护的“缺省科目分配”，改在OKB9中做，如下图： ? Transaction not available inSAP S/4HANA on-premiseedition 1511 KA01 - Create primary cost elementKA02
1.7K50发布于 2018-03-28 - 来自专栏《C++与 AI：个人经验分享合集》
《突破AI数据标注高成本枷锁，势在必行！》
在人工智能飞速发展的时代，数据标注作为AI模型训练的基石，重要性不言而喻。高质量的数据标注能让AI模型学习到准确的模式和特征，从而提升模型的准确性与可靠性。 但当下，AI数据标注成本居高不下，成为制约AI产业进一步发展的关键因素。探寻创新解决思路，已迫在眉睫。 AI数据标注成本高主要体现在人力、时间和管理等方面。 而且随着AI应用深入各领域，对专业数据标注需求增长，像法律、金融等行业，需专业知识背景的标注员，人力成本进一步攀升。 时间成本也不容忽视。标注过程繁琐，尤其在处理大规模数据时，需要投入大量时间。 分布式众包模式存在数据安全与质量把控难题，专业平台模式则面临市场竞争与客户获取成本高等问题。 AI数据标注成本高的问题并非无解，通过技术创新、商业模式创新和人才培养管理创新，有望找到破局之路。 在这个过程中，需要企业、科研机构、高校等各方协同合作，共同推动AI数据标注行业的发展，为AI技术的广泛应用奠定坚实基础 。
44110编辑于 2025-03-17 DeepSeek-V4模型架构与成本分析
DeepSeek-V4以约1/6成本实现接近顶尖水平的智能Carl Franzen 发布 2026年4月24日，太平洋时间上午9:34 更新于 2026年4月24日，太平洋时间上午9:37巨鲸再次浮出水面 该模型现已上线AI代码共享社区Hugging Face，并通过该公司的API提供服务。前沿级AI被推入更低价格带DeepSeek-V4发布最直接的影响是经济层面的。 这种灵活性允许用户将计算投入与任务难度匹配，进一步提升成本效益。使用本地某中心NPU打破某厂商GPU垄断虽然模型权重是头条，但随其发布的软件栈对未来"主权AI"而言可能更为重要。 AI评估公司Vals AI指出，DeepSeek-V4现在是"Vibe代码基准上排名第一的开放权重模型，且优势明显"。该公司正迅速淘汰其旧架构。 该公司保持前沿AI模型开放的追求，对整个地球的潜在AI用户都是有益的，尤其是寻求以最低成本采用尖端技术的企业。FINISHED
1K10编辑于 2026-04-25- 来自专栏深蓝居
# AI Coding Agent Token成本优化指南（上）：成本结构、使用习惯与模型路由
CLI"] direction TB S1["取系统提示词"] --> S2["拼历史消息或摘要"] --> S3["附 Skill / Tool 定义"] --> S4[ 到这里，第一章真正想建立的心智模型可以浓缩成一句话： AI Coding Agent 的成本，本质上不是“你问了什么”，而是“系统为了回答你，重复搬运了多少上下文”。 2.1 一个 Session，一件事 很多人把 AI Agent 当成永不关闭的长会话：上午修 Bug，下午写文档，晚上聊架构，第二天接着来。 体验很顺，成本是灾难。 以 CodeBuddy 为例，SKILL.md 文件头部可以直接声明模型和上下文策略： --- context: fork model: deepseek-v4-pro --- model 字段指定该 [3] OpenAI，《使用 GPT-5.5 | OpenAI API》 https://developers.openai.ac.cn/api/docs/guides/latest-model [4]
22510编辑于 2026-06-09 - 来自专栏ATYUN订阅号
AI帮助预测大豆产量，降低预测成本
利用遥感数据（如卫星图像）的方法可能提供成本较低且有效的替代方案。” 该团队解释说，“通过使用转移学习提高数据有限地区预测性能的能力令人兴奋，因为这些地区特别受益于成本低，可靠的作物预测工具。” 研究人员将把这种方法的扩展到发展中国家的新区域。
60310发布于 2018-08-06 - 来自专栏《C++与 AI：个人经验分享合集》
《突破AI数据标注高成本枷锁，势在必行！》
在人工智能飞速发展的时代，数据标注作为AI模型训练的基石，重要性不言而喻。高质量的数据标注能让AI模型学习到准确的模式和特征，从而提升模型的准确性与可靠性。 但当下，AI数据标注成本居高不下，成为制约AI产业进一步发展的关键因素。探寻创新解决思路，已迫在眉睫。AI数据标注成本高主要体现在人力、时间和管理等方面。 而且随着AI应用深入各领域，对专业数据标注需求增长，像法律、金融等行业，需专业知识背景的标注员，人力成本进一步攀升。时间成本也不容忽视。标注过程繁琐，尤其在处理大规模数据时，需要投入大量时间。 分布式众包模式存在数据安全与质量把控难题，专业平台模式则面临市场竞争与客户获取成本高等问题。AI数据标注成本高的问题并非无解，通过技术创新、商业模式创新和人才培养管理创新，有望找到破局之路。 在这个过程中，需要企业、科研机构、高校等各方协同合作，共同推动AI数据标注行业的发展，为AI技术的广泛应用奠定坚实基础 。
50200编辑于 2025-03-16 - 来自专栏新智元
GPT-4终结人工标注！AI标注比人类标注效率高100倍，成本仅17
新智元报道 编辑：编辑部 【新智元导读】这个开源工具，居然能用GPT-4代替人类去标注数据，效率比人类高了100倍，但成本只有1/7。 大模型满天飞的时代，AI行业最缺的是什么？ refuel称，用自动化的方式标注数据，相比于人工标注，效率最高可以提高100倍，而成本只有人工成本的1/7！ 就算按照使用成本最高的GPT-4来算，采用Autolabel标注的成本只有使用人工标注的1/7，而如果使用其他更便宜的模型，成本还能进一步降低 采用Autolabel+LLM的标注方式之后，标注效率更是大幅提升 开发者称，在比较简单的标注任务中采用便宜的模型，在困难的任务中采用GPT-4，将可以大大节省标注成本，同时几乎不影响标注的准确率。 如何用AI进行评论有害性标注 所以，不论是律所想要通过GPT-4来对法律文档进行分类，还是保险公司想要用私有模型对敏感的客户医疗数据进行分类或者筛查，都可以使用Autolabel进行高效地处理。
1.7K41编辑于 2023-09-19 - 来自专栏AI 大数据
DeepSeek 模型的成本效益深度解析：低成本、高性能的AI新选择
引言随着人工智能技术的迅猛发展，模型的性能和成本成为开发者关注的焦点。DeepSeek作为新兴的AI模型，以其高效的性能和低廉的成本引起了广泛关注。 相比传统模型，DeepSeek的单位token训练成本下降了78%，显著提升了成本效益。 这些措施使得DeepSeek的推理成本仅为行业平均水平的1/5，极大地降低了部署成本。模型维护成本在维护方面，DeepSeek通过自动化运维系统，减少了人工干预，提高了运维效率。 随着人工智能技术的不断发展，模型的成本效益将成为竞争的关键因素。未来，DeepSeek有望通过持续的技术创新和生态建设，进一步降低成本，提高性能，为更多企业和开发者提供高效、低成本的AI解决方案。 Here's who could win and lose from China's AI progress. - Business Insider
1.4K00编辑于 2025-03-19 Agnes AI + ArcReel + O4OpenAI：我搭了一套零成本的 AI 视频生成流水线
Agnes AI + ArcReel + O4OpenAI：我搭了一套零成本的 AI 视频生成流水线 最近在折腾一个事：能不能不花一分钱，把一段文字变成一支像样的短视频？ O4OpenAI：那个"翻译官" O4OpenAI 是整个链路的中间件，干的事很简单：把 Agnes AI 的 API 翻译成 OpenAI 兼容格式。 为什么要翻译？ ArcReel（视频生成工作台） 打个比方：Agnes AI 是发电厂，O4OpenAI 是变压器，ArcReel 是你家里的电器。 关于成本：Agnes AI 免费额度够日常玩，O4OpenAI 和 ArcReel 都是开源免费的，唯一成本就是跑服务的机器。Docker 部署的话，一台普通云服务器就行。 跑通之后，丢一段千字小说进去，等个十几分钟就能出视频，虽然离专业级还有距离，但作为零成本方案，已经相当能打了。 有兴趣的可以试试，有问题评论区聊。
1K10编辑于 2026-06-08- 来自专栏新智元
ARK Invest最新报告 ：AI训练成本下降了100倍，但训练最先进AI模型的成本惊人
新智元报道 来源：venturebeat 编辑：雅新 【新智元导读】方舟投资的最新一项报告指出，AI训练成本从2017年至2019年下降了100倍，但人工智能发展尚处于初期阶段。 两年间，AI训练成本下降了100倍 方舟评估委员会在其报告中发现，从1960年到2010年，按照摩尔定律，用于训练的AI算力翻了一番。 尽管一些专家认为，科技巨头无可匹敌的实验室有能力从事新的研究，但训练成本也是AI工作中不可避免的开支，不论是在企业、学术界还是其他领域。 AI发展尚处于初期阶段，训练最先进AI模型的成本依然惊人 方舟投资报告指出， 硬件和软件的突破使得AI训练成本下降。 ARK 分析师 James Wang 写道，「从AI训练成本下降的速度来看，人工智能发展还处于初期。」 摩尔定律的第一个十年里，晶体管数量每年翻一番。
1.2K40发布于 2020-06-09 任务分解与小模型如何降低AI成本
任务分解与小型语言模型如何让AI更经济生成式AI应用的广泛使用增加了对准确、经济高效的大型语言模型需求。 生成式AI的创造性和在不确定性下工作的能力使其适合此任务。 成本与复杂度的思维模型决定是否使用任务分解的一个有用思维模型是考虑应用程序的估计总拥有成本。随着用户群的增长，基础设施成本变得主导，而任务分解等优化方法可以降低TCO，尽管存在前期工程和科学成本。 使用多个、更小、精细调整的LLM进行任务分解为提高复杂AI应用的成本效率提供了一种有前景的方法，与使用单一大型前沿模型相比，可能提供显著的基础设施成本节约。 在成本、性能、简单性和保留AI创造性之间找到适当平衡将是释放这一有前景方法全部潜力的关键。
29010编辑于 2025-10-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号