计费与畅算粒

CClaw 使用 畅算粒 作为用户可感知的统一资源计量单位。底层模型实际会按输入 Token、输出 Token、上下文长度和模型类型产生消耗，平台会将这些消耗映射为畅算粒，方便客户理解和管理。

核心概念

畅算粒

• 是什么：CClaw 平台统一的资源计量单位，用于展示、扣减和管理 AI 使用消耗。
• 什么时候消耗：发起模型请求、长上下文推理、生成较长输出、调用部分高能力模型时都会产生消耗。
• 影响因素：模型类型、输入内容长度、历史上下文长度、输出长度、推理强度和任务执行轮次。

Token

• 是什么：大模型处理文本时的底层计量单位，输入和输出都会计算。
• 和畅算粒的关系：Token 是底层计量，畅算粒是平台展示和结算口径。日常培训和客户沟通中优先使用畅算粒。

模型计价

CClaw 支持多个主流模型，部分模型存在上下文长度档位。通常来说：

• 长上下文模型适合持续对话、复杂资料分析和多阶段任务。
• 推理能力更强的模型适合 ERP 复杂逻辑、规则判断和多步骤分析。
• 短任务、简单整理、格式转换可以优先选择性价比更高的模型。

如需查看模型清单和价格，可前往 定价方案。

消耗控制建议

选择合适模型

• 长链路任务优先选择长上下文模型，避免频繁丢失上下文造成返工。
• 规则推理任务优先选择推理能力更稳定的模型。
• 批量任务先用小样本验证，再放量执行。

控制上下文

• 对话过长时，先让 CClaw 生成阶段摘要，再开启新会话继续执行。
• 不要在同一个会话中混杂多个无关任务。
• 上传文件前先确认文件是否必要，避免无关内容进入上下文。

控制输出

• 明确输出长度，例如“控制在 200 字内”。
• 明确输出结构，例如“按表格输出，字段为：问题、原因、建议”。
• 对重复任务沉淀为技能，减少每次重新解释背景的成本。

常见问题

为什么对话轮次越多，消耗越高？

模型每轮请求通常会携带部分历史上下文。轮次越多，单次请求包含的信息越多，输入和输出总量都可能上升，因此畅算粒消耗会逐步增加。

为什么同一个问题用不同模型消耗不同？

不同模型的能力、上下文长度和底层价格不同。相同输入在不同模型上会映射为不同消耗。

如何判断一个任务是否应该沉淀为技能？

如果一个任务反复执行、规则稳定、输入输出格式相对固定，就适合沉淀为技能。技能可以减少重复说明，提升执行稳定性，也有助于控制无效消耗。