- 综合排序
- 最热优先
- 最新优先
Token计量与费用归因体系设计
月初预算批了10万，月底账单来了20万。问财务：钱花哪了？财务说：只知道总额，不知道细节。问IT：哪个部门花的？IT说：账号太多了，分不清。问业务：花得值不值？业务说：大家都在用，但没人统计。 二、成本失控的根因分析根因一：计量颗粒度太粗传统IT成本计量以“实例”或“账号”为单位。但AI成本是以“Token”为单位的——每次调用消耗数百到数千Token，单价低、频次高、总量大。 没有精细化的Token计量，就无法回答“谁、什么时候、用什么模型、花了多少Token”。根因二：缺少多维度归因能力一个Token消耗背后涉及多个维度：哪个部门？市场部还是研发部？哪个项目？ 设计要点：要点一：统一计量口径不同模型的Token计价方式不同（有的按输入+输出分别计费，有的按总Token计费）。 计量系统需要：统一采集每次调用的输入Token数、输出Token数记录模型名称、调用时间、响应耗时保留原始请求和响应（用于审计和复盘）要点二：实时计量流采用流式计量架构：模型调用完成 → 异步写入计量队列计量消费者聚合数据
30910编辑于 2026-05-12Token 计量与费用归因体系的设计
大模型调用的成本有几个特殊性：· 按量计费，弹性大：一个写得差的 prompt 可能比写得好的多用 3 倍 token，成本差异完全不透明· 多项目共用 Key：研发、运营、客服都在用同一套 API 无法拆分到各业务线· 用量行为难预测：某个员工突然开始用 AI 批量处理数据，当月成本暴增，事后才发现· 模型价格不一致：GPT-4o 和 GPT-4o-mini 单价差 20 倍，但用户选择模型往往没有约束二、计量体系的设计 2.1 归因维度要做有意义的费用报告，至少需要以下几个归因维度：计量记录（每次 LLM 调用）：{ 'timestamp': '2026-03-15T10:23:45Z', 'model': ' token 比，比值异常往往意味着 prompt 设计有问题四、降低成本的工程手段4.1 Prompt 压缩input token 是成本的大头。 ZGI（zgi.cn）的费用管控模块提供了从计量、归因到预算预警的完整体系，支持按部门独立预算管理。
75810编辑于 2026-03-26- 来自专栏全栈程序员必看
matlab空间计量模型AIC和SC,空间计量模型
第二列(value)是各个统计量的值，比如LM lag就是统计量等于0.238，服从自由度为1的卡方分部。下面的差不多。 第三列(Prob)应该是对应的P value。
81940编辑于 2022-11-01 - 来自专栏PyStaData
计量笔记 ｜ 异方差
1.2 异方差的后果 存在异方差的情况下： 估计量无偏：用 OLS 估计所得参数估计量 仍具有无偏性，即 。 ---- 【问题】为什么 LM 统计量是 呢? 在大样本中， 与检验整个方程显著性的 F 统计量渐近等价。 计算 F 统计量或者 LM 统计量并计算 p 值。（前者使用 分布，后者使用 分布）。如果这个 p 值很小，即低于选定的显著性水平，那么就拒绝同方差性的原假设。 )，即在完成估计后所计算的后续统计量。 使用 OLS 时，变量 lnpl 的 p 值为 0.13，在 10% 的水平上也不显著; 使用 WLS 后，该变量的 p 值变为 0.002，在 1% 的水平上显著不为 0。
7.8K20发布于 2021-03-05 - 来自专栏从零开始学自动化测试
python接口自动化10-token登录
一、登录返回token 1.如下图的这个登录，无cookies ? 2.但是登录成功后有返回token 二、请求头带token 1.登录成功后继续操作其它页面，发现post请求的请求头，都会带token参数 ? 2.这种请求其实比cookie更简单，直接把登录后的token放到头部就行 三、token关联 1.用脚本实现登录，获取token参数，获取后传参到请求头就可以了 2.如果登录有验证码，前面的脚本登录步骤就省略了 ()["token"] # 这是登录后发的一个post请求 post_url = "http://xxx" # 添加token到请求头 header["token"] = token # 如果这个post 传token的方式也有几种，有的传在头部，有的在url里。
1.9K40发布于 2018-04-08 - 来自专栏代码简单说
TRAE如何节省token额度教程(二)Token 节省技巧的10 个实战方法
TRAE如何节省token额度教程(二)Token 节省技巧的10 个实战方法 关键词：TRAE教程、Token成本优化、AI编程成本、上下文管理、AI Coding 提问技巧、AI IDE 使用技巧 一、先搞懂 Token 是怎么花掉的 一次 AI 对话的费用本质上可以理解为： 总费用 = 未命中缓存的输入 Token × 输入单价 + 输出 Token × 输出单价 + 缓存 Token × 缓存单价 （如有） Token 主要来自 3 个部分： 类型 来源 输入 Token 提问内容、历史对话、引用代码/文件 输出 Token AI返回内容、代码、工具调用 缓存 Token 长对话复用的上下文 关键结论 三、10 个 Token 节省实战技巧 技巧1：新开对话，比继续聊更省钱 长对话 = 隐形 Token 黑洞。 技巧10：任务匹配模型 不要所有任务都用最强模型。
23910编辑于 2026-06-16 - 来自专栏机器学习与统计学
【温习统计学】无偏估计量、相合估计量
无偏估计量，数学期望等于被估计的量的统计估计量。 设^θ(X1,X2,…,Xn)是θ的估计量，若E(^θ)=θ，对一切θ∈Θ，则称^θ为θ的无偏估计量，否则称为θ的有偏估计量。 估计量的一种大样本性质:当样本容量n充分大时,估计量可以以任意的精确程度逼近被估计参数的真值。设n＝T (X1,X2,…,Xn)是未知参数θ∈Θ的估计量,其中Θ是θ的值域。
6K30发布于 2019-04-10 - 来自专栏PyStaData
计量笔记 ｜ 拟合优度
*/ clear set obs 500 gen id = _n gen r2 = . gen y = int(10*runiform()) //生成被解释变量 forvalues i = 1/200 { gen x`i' = 10*runiform() //生成解释变量 } forvalues c = 1/200{ //逐步加入解释变量 if `c' == 1 { reg 自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的数据的个数，称为该统计量的自由度。通常为 。 比如，若存在两个变量 ，而 那么自由度为 1 。 计量经济学导论（第 5 版）[M]. 北京: 中国人民大学出版社. [2] 陈强, 2015. 计量经济学及 Stata 应用[M]. 经济计量学精要（第 4 版）[M]. 机械工业出版社. [4] 李·C·阿迪金斯, 卡特·希尔, 2015. 应用 Stata 学习计量经济学原理（第 4 版）[M]. 重庆：重庆大学出版社.
6.8K30发布于 2021-04-13 - 来自专栏CodeGuide | 程序员编码指南
QClaw干掉10亿Token，做出2个精致skills！
但因为使用的都是自己的Token，有点舍不得站起来蹬，感觉每一句话都在烧钱。相比较下OpenClaw同样一个事的消耗程度，是其他AIIDE（Trae.ai）的上百倍，那直接用其他的不也可以吗！？ 但不深度玩，不干它几亿Token，就不能体验到花钱的快乐！好在呀，好在QClaw每天一个登录的账号，赠送4000万Token。换5个微信（还得家里人多），就是2亿Token！ 几十亿Token下去后，我的体验是；它能干活，能想一个你的员工一样，控制这台电脑干活。包括，可以按照需求写代码，完成编译、构建、部署，打开浏览器验证功能逻辑，对于错误的编码可以继续完善。 先拿10亿Token，写2个Skills之后再说（先把腿接上）。——把你工作的方式，训练成技能，让AI懂你！接下来，小傅哥就分享下，用OpenClaw（QClaw）做的一些事。 只要有Token就想让AI继续搞。软件工程交付，需要的不只是代码，还包括完整的理解代码，代码与产品PRD完全匹配，从而形成代码资产。
1.6K160编辑于 2026-03-30 - 来自专栏区块链入门
叶开：Token设计画布与10大设计模式
Token经济设计专家叶开，通过多年的企业实践经验总结而出的Token设计画布与10大设计模式，为企业提供最全面的实现参考。 而同时叶开也结合实践总结出了Token经济模式设计画布及10大设计模式。 Token模式、模板化Token模式以及实现Token模式的通用语言。 Token经济的10大设计模式 为了传统企业能够简单便捷的理解Token和Token的设计，叶开提炼了10类Token模式，这些模式可以帮助传统企业快速理解Token的变化和组合，并且可以作为模板来分析和套用自己企业相对应的 本文转载自《专访Token经济设计专家叶开：Token设计画布与10大设计模式》，版权属于原作者
1.1K40发布于 2018-08-10 - 来自专栏YoungGy
ISLR_t统计量
mean inference for comparing two independent means inference for comparing two paired means 回顾 之前讲了Z统计量 Z统计量的总体逻辑是：假设H0成立，建立群体均值的正态分布。正态分布的均值是总体均值，标准差是σ/n−−√\sigma /\sqrt{n}，σ\sigma一般用ss估计。
96850发布于 2018-01-02 - 来自专栏DearXuan的博客文章
算法基础-顺序统计量
顺序统计量 将长度为 n 的数组升序排序后，则第 i 个位置的数字是该数组的第 i 小的量，称之为第 i 顺序统计量 数组最小值是第1个顺序统计量，最大值是第n个顺序统计量，中位数(又称下中位数)是第⌊ (n+1)/2⌋个顺序统计量 ⌊n⌋ 表示对 n 向下取整，⌈n⌉表示对 n 向上取整 最大值和最小值 若想要寻找n个数字里的最大值或最小值，只需要进行(n-1)次比较 int min = a[0]; i += 2; } cout << "min:" << min << endl; cout << "max:" << max << endl; } 第i顺序统计量 如果想要找到数组里的第 i 顺序统计量，也就是第 i 小的数字，通常的办法是把整个数组排序，然后直接取出对应位置的数字。
1.1K60编辑于 2022-01-31 - 来自专栏技术学习笔记
因果推断常用计量方法
干预效应(Treatment Effect)：干预问题的基础是量化干预效应，常用的计量指标包括: (1). 分为30岁和40岁年龄组，每组都有服药和未服药的个体，观测数据如下[1]： 年龄 未服药（平均身体健康指数） 服药（平均身体健康指数） 健康状况差异（服药-未服药） 30岁 80 (6) 90 (2) 10 因此直接对整体计量时，相关关系与因果关系是相悖的。使用相关关系刻画因果关系时，应该控制混淆变量(例如按年龄段分组)，用来消除虚假的因果关系。 常用计量方法 随机对照试验 因果推断的一条黄金法则：随机对照试验(AB测试) 是确定因果关系最可靠的方法 [3]。 常用于计算复杂随机变量的方差、标准差等统计量，从而简化概率推断的计算过程。
1.6K34编辑于 2025-02-09 - 来自专栏大大的小数据
cluade现在有10万token了之二不错2023.6.5
1、5.15想测试cluade1万token，没有plus无疾而终，今天有plus了 https://mp.weixin.qq.com/s/4VxSI2xlc6bXpAd-L_a08A 2、 3、https 1641889853162995712 垃圾视频 https://www.zhihu.com/question/600571085/answer/3024626500 GPT4 对手 Claude 史诗升级，一次提取十万 token 还行 10、文章认为有哪些AI技术值得关注？为什么？ 点get到了 11、分别告诉我第1、2、3、4、5讲课程，都引用了哪些例子，解释了什么内容？
43720编辑于 2023-09-11 - 来自专栏生物信息与临床医学专栏
关于F统计量的澄清
一般而言，当F 统计量大于经验值10时，我们认为工具变量法估计值的偏倚大约是观察性研究的10%，因此F大于10这个标准在孟德尔随机化研究中广为使用。然而，这样的盲目使用不见得是合理的。 早在2011年，Stephen Burgess等学者就提出盲目且单一使用F统计量大于10来判断弱工具变量偏倚是不合理，为此他们利用哥本哈根队列（Copenhagen General Population 个子队列的平均F统计量。 从上表中我们不难看出，随着均分的子队列数目增加，观察性估计量比较稳定，2SLS和LIML的估计值和实际观察值越来越接近，但是每个子队列的平均F统计量在不断减少。 从上表中我们不难看出单纯依靠F统计量大于10来判断弱工具变量偏倚是不可靠的，当然我们这里并不是否认F统计量的作用，在实际研究中，F统计量越大，确实偏倚会小，但不能拿F大于10作为“金标准”。
3.2K21编辑于 2022-08-21 - 来自专栏机器之心
微软新出热乎论文：Transformer扩展到10亿token
机器之心报道 机器之心编辑部 已经扩展到了10亿token，未来能否将整个互联网作为一个序列处理？ 在微软最新的一项研究中，他们这次直接将 Transformer 扩展到 10 亿 token。这为建模非常长的序列开辟了新的可能性，例如将整个语料库甚至整个互联网视为一个序列。 https://github.com/microsoft/unilm/tree/master 具体而言，该研究提出了 LONGNET，这是一种 Transformer 变体，可以将序列长度扩展到超过 10 然而，这些方法尚未将 Transformer 扩展到 10 亿 token 的规模（参见图 1）。 下表为不同计算方法的计算复杂度比较。N 为序列长度，d 为隐藏维数。 方法 该研究的解决方案 LONGNET 成功地将序列长度扩展到 10 亿个 token。
50120编辑于 2023-08-07 - 来自专栏用户8955222的专栏
计量模型 | 前定变量#时间FE
最近在某年会的学术汇报上看到一篇DID实证论文，不过作者构建的计量模型比较特别。这篇文章的基本财务数据来自工企数据库，但却用于评估2017年实施的某项政策的政策效应。
1.2K20发布于 2021-11-10 - 来自专栏新智元
next-token被淘汰！Meta实测「多token」训练方法，推理提速3倍，性能大涨10%+
多token预测 标准语言模型通过执行一个「下一个token预测」任务来对大型文本语料库进行学习，任务目标是最小化交叉熵损失，其中模型需要最大化「在给定之前token序列历史的条件下，预测下一个token z，然后再把该表征送入到n个独立的头网络，以并行的方式预测每一个未来token 多token预测的交叉熵损失可以分解为两部分：在给定token序列下的潜表征，以及在该潜表征条件下，预测n个未来token 实验结果显示，使用4个未来token进行训练时，在HumanEval和MBPP的所有pass at 1, 10和100指标上均超越了其他对比模型：MBPP的改进分别为+3.8%, +2.1%和+3.2% 微调多token预测器 在机器学习领域，预训练模型通过多token预测损失函数进行训练，相较于传统的单token预测模型，该方法在后续的微调阶段展现出了更好的性能。 在自然语言上的多token预测 研究人员训练了参数量为7B的模型，并使用了三种不同的预测损失方法：预测4token、2-token以及单个token，并在6个标准的自然语言处理（NLP）基准测试中进行了性能评估
87810编辑于 2024-06-05 - 来自专栏YoungGy
统计简单学_常用统计量
连续型数据特征 数据特征值的应用 经验法则 盒须图 连续型数据特征 集中趋势 平均数 中位数(群体η\eta，样本X̃ \tilde{X}) 众数 选择：当群体中有离群值时，使用中位数或者众数，
92540发布于 2019-05-27 - 来自专栏GiantPandaCV
解析 Token to Token Vision Transformer
最后看下T2T，通过Token to Token结构（下文会讲），它在浅层的时候也能建模出结构信息，同时也避免了极值的出现。 Token To Token结构 ? 这样会逐渐减少token的数量，但随之而来token的长度会增加很多（因为多个tokens连接在一个token），因此后续模型也降低了维度数目，以平衡计算量。 2, 3], [4, 5, 6], [7, 8, 9]], [[10 [ 2., 3., 5., 6.], [ 4., 5., 7., 8.], [ 5., 6., 8., 9.], [10 整体架构 T2T架构如上图所示，先经过2次Tokens to Token操作，最后给token加入用于图像分类的cls token，并给上位置编码（position embedding)，送入到Backbone
8.1K10发布于 2021-03-11
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