比較瀏覽器 Agent 時，將所有嘗試的成本除以通過驗證的獨立任務數。重試和失敗都算成本，重試後通過仍只算一項完成。這樣才能比較單次便宜卻常重試的方案。
先設定通過條件
只讀任務要比對來源欄位。寫入任務要重新讀取目標紀錄和新值。可參考首次任務檢查表及瀏覽器 CLI 教學。確認結果可以獨立驗證。
我們使用 Codex CLI 0.166.0，請求模型標籤 gpt-6.1-sol，搭配 Tabbit CLI 1.22.6.0 讀取本機只讀頁面。通過須有 HTTP 200，工具輸出和最終回答都包含標題與兩個即時產生的編號。任務 B 首次故意回傳 503，恢復頁面後用同一組編號重試。
| 任務與嘗試 | 輸入 token | 快取輸入 | 輸出 token | 結果 |
|---|---|---|---|---|
| A · 1 | 49,710 | 24,576 | 62 | 200，通過 |
| B · 1 | 50,120 | 37,376 | 56 | 503，失敗 |
| B · 2 | 50,288 | 24,832 | 61 | 200，通過 |
三次耗時 13.56、17.04、11.96 秒，是自動流程的經過時間。每次均有一項指定工具呼叫，離開碼皆為零。兩個任務最後通過，嘗試三次。刻意注入的故障只用來說明重試入帳。
用量與單價分開記錄
快取為輸入的子集時，公式是 ((輸入 − 快取) × 普通費率 + 快取 × 快取費率 + 輸出 × 輸出費率) ÷ 1,000,000，費率以每百萬 token 計。檢查自己的帳單和供應商分類，避免重複計價。OpenAI 快取說明 · 模型價格 · CLI 基準
以下把示例美元費率套在觀察到的用量，金額不是實付費用。
| 項目 | 假設 | 三次合計 |
|---|---|---|
| 模型 | 每百萬普通 $2、快取 $0.20、輸出 $12 | $0.1461728 |
| 瀏覽器與工具 | 每次 $0.01 | $0.03 |
| 人工複核 | 共 30 秒，時薪 $30 | $0.25 |
| 每成功任務 | 總額除以 2 | $0.2130864 |
這組費率下，失敗的模型成本為 $0.0336352。實際做預算時，按同一批次分攤訂閱，另記人員處理時間，避免把等待都算作人工。
固定批次條件再比較
固定輸入、權限、重試上限和通過條件。列出嘗試數、任務數、通過數、失敗原因及總成本。沒有成功時，比率未定義。假設每個任務只嘗試一次且無其他費用，每次 $0.03、通過率 60% 相當於每成功任務 $0.05。每次 $0.04、通過率 90% 則約 $0.0444。
在記錄中保留工具回傳長度和截圖次數。MCP 與 CLI 比較展示接入方式的輸入差異，瀏覽器自動化說明如何分開規則檢查和模型判斷。需要登入時也測會話恢復。連線既有瀏覽器 · 下載 Tabbit
常見問題
如何計算每項成功任務的成本？
加總同一批次所有嘗試的模型、瀏覽器工具和人工作業成本，再除以通過結果驗證的獨立任務數。
失敗和重試要計入嗎？
要。兩者的用量計入分子。同一任務重試成功後，只算一項完成。
快取 token 怎麼計算？
先確認快取是否算在輸入總量。若包含，就先扣除快取，再分別套用普通輸入和快取費率。
如果沒有任務成功呢？
列出總費用、已嘗試的任務數和零項通過。此批次的每成功任務成本未定義。
離開碼為零可以當成功嗎？
離開碼只代表用戶端按自身規則結束。實驗有一次離開碼為零，頁面仍傳回 HTTP 503。