在 Amazon Bedrock 上优化单任务成本并证明智能体 ROI

AWS 提出以“单任务成本”而非“单 token 价格”衡量 Amazon Bedrock 上的模型开销，并给出计算真实模型成本的框架。文章拆解了 tokenizer 效率、输出冗余、智能体循环轮次和推理开销四项隐性成本驱动因素，示例中单价高 2 倍的模型因单轮完成、输出更短，单任务成本反而低 65%。同时给出用人工基线、留出实验和五维记分卡衡量智能体 ROI 的方法。