比较两套浏览器 Agent 时，把所有尝试的成本除以通过核验的独立任务数。失败和重试的用量都要计入。同一任务经过重试才完成，也只算一个成功。这能比较单价低却经常重试的方案，以及每次更贵但完成率更高的方案。
先定义什么叫完成
只读任务要核对输出字段是否与原文一致。写入任务要回查目标记录及其新值。模型回复“完成”后，页面可能仍未打开或数据还没保存。可以按首次任务清单和浏览器 CLI 教程设置可以独立核对的结果。
我们用 Codex CLI 0.166.0（请求模型标签 gpt-6.1-sol）和 Tabbit CLI 1.22.6.0 读取本地只读页面。通过条件是工具实际看到 HTTP 200，工具输出与最终回答都包含页面标题和两个运行时生成的编号。任务 B 首次故意返回 HTTP 503。恢复页面后，用同一任务和同一组编号重试。
| 任务与尝试 | 输入 token | 缓存输入 | 输出 token | 页面判定 |
|---|---|---|---|---|
| A · 1 | 49,710 | 24,576 | 62 | 200，通过 |
| B · 1 | 50,120 | 37,376 | 56 | 503，失败 |
| B · 2 | 50,288 | 24,832 | 61 | 200，通过 |
三次尝试历时 13.56、17.04、11.96 秒。这是自动运行经过的时间，与人工操作时间分开。每次有一次指定工具调用，客户端退出码均为 0。最终三次尝试，两项任务通过。实验故意注入一次失败，用来说明恢复成本如何入账，不能用这两项推算线上成功率。
把用量和单价分开
当缓存包含在输入总量中，模型成本等于 ((输入 − 缓存) × 普通单价 + 缓存 × 缓存单价 + 输出 × 输出单价) ÷ 1,000,000，其中单价按百万 token。供应商还可能区分其他缓存类别，应按自己的账单或条款计费。可以参考 OpenAI 缓存说明。模型价格文章与 CLI 基准适用各自的模型和任务。
下面用假设的美元单价重算实测用量。表内金额用于预算示例，未从测试账户账单取得。
| 预算项 | 假设 | 三次合计 |
|---|---|---|
| 模型 | 每百万普通输入 $2、缓存 $0.20、输出 $12 | $0.1461728 |
| 浏览器工具 | 每次 $0.01 | $0.03 |
| 人工复核 | 共 30 秒，时薪 $30 | $0.25 |
| 每个通过任务 | 总额除以 2 | $0.2130864 |
按这个模型单价，失败尝试占 $0.0336352。忽略它，就少算了完成任务 B 的一段成本。真实预算需要将订阅或会话费用按同一批任务分摊，并把人工处理时间与自动耗时分别记录。
用同一批任务比较两种方案
把输入、权限、重试次数和通过标准固定。汇报尝试数、独立任务数、成功数、失败原因和总金额。零成功时，写出总成本并注明比率无定义。假设每项只尝试一次、没有其他费用，每次 $0.03 且通过率 60% 的方案约为每成功任务 $0.05。每次 $0.04 且通过率 90% 的方案约为 $0.0444。
在日志保留工具返回大小和截图次数。MCP 与 CLI 对照展示相同浏览器任务在不同接入路径下的输入变化，浏览器自动化说明如何把规则检查与模型决策拆开。依赖登录页时，要把恢复会话的成本一起测。连接现有浏览器 · 下载 Tabbit
常见问题
怎么算一次成功任务的成本？
把同一批任务所有尝试的模型、浏览器工具和人工成本相加，再除以通过结果核验的独立任务数。
失败和重试要计入吗？
要。它们的用量进分子。同一任务即使尝试多次，最后通过核验也只算一次成功。
缓存 token 怎么计费？
先确认缓存是否包含在输入总量里。若包含，先从普通输入扣掉缓存，再按对应费率分别计算。
没有任何成功任务时怎么算？
报告总花费、已尝试任务数和零个已核验任务。这批任务的单次成功成本没有定义。
客户端退出码为零算成功吗？
退出码说明客户端按自己的规则结束。仍要回查结果。实测有一次客户端退出码为零，页面却返回 HTTP 503。