多模態應用的成本結構：圖片比文字貴在哪

文字的成本很直覺，圖片不是。同樣一張圖，換個解析度或換個服務商，費用可能差好幾倍。

圖片如何計價

多數服務把圖片切成固定大小的區塊，每個區塊換算成一定數量的 token，再依尺寸計算總數。所以成本大致與像素面積成正比，而不是與檔案大小成正比。

# 概念示意：實際係數依服務商而異
tiles = ceil(w / 512) * ceil(h / 512)
tokens = base_tokens + tiles * tokens_per_tile

三個省錢的槓桿

1. 降解析度：面積減半，成本大致減半。先測最低可用解析度。
2. 裁切而非整張：只送需要的區域。
3. 快取：同一張圖的同一個問題不要重複送，用圖片雜湊當快取鍵。

批次處理的注意事項

• 一次送多張圖時，token 是累加的，很容易超過上下文上限。
• 大量處理前先算好單張成本再乘以總數，不要跑到一半才發現預算爆了。
• 失敗重試要有上限，圖片任務的重試成本比文字高得多。

把成本記到單一請求

日誌要記錄每次請求的圖片數量、總像素、實際 token 與費用。沒有這層資料，你只會看到帳單總額，卻不知道是哪個功能造成的。