面试被问“你怎么选模型”，先分清哪几个价格口径？

消息提到，Anthropic 发布 Claude Opus 5.5 约一小时后，OpenAI 发布了 GPT-6 Sol 和 GPT-6 Luna；其中 Luna 被作者称为 OpenAI 有史以来最便宜的模型之一，Opus 5.5 相比同系列降价 20%，缓存读取价格下降 60%。这类动态对准备面试 AI 产品岗的人有直接价值：它提醒你，回答选型问题时，价格口径本身就是考点。

同一句“这个模型便宜”，至少对应四种口径：标价、缓存价、促销价、常规价。面试里如果只报一个每百万 token 的数字，很容易被追问“那长对话呢”“涨价后呢”。更稳的做法是先说清口径，再谈取舍：低标价适合高频、短输入的任务；缓存价低则对重复上下文更友好。

长对话类AI产品的成本，为什么不能只看单次调用价？

作者指出，缓存读取降价对较长智能体对话意义重大，因为这类对话中 90% 以上的输入 token 按缓存 token 价格处理。这句话给产品经理的启发是：单次调用价和长对话成本，是两套账。

假设一个模拟场景：同样是客服助手，A 方案每轮都重发完整历史，B 方案把稳定上下文放进缓存。两者标价相同，实际账单可能差出数倍。面试时你可以这样表达：我会先问清缓存命中条件、计费方式和失效规则，再判断这个价格对目标场景是否成立。注意，这是思考方法，不是对某家厂商实际计费规则的断言，具体条款仍需向目标团队或官方文档核查。

面试时怎么问清团队真实的模型成本与选型依据？

把价格问题转成可核查的提问，比背数字更有说服力。可以准备这几类问题：当前主力模型是哪个、按什么口径计费、缓存命中率大概多少、如果常规价替代促销价预算怎么变、效果不达标时的回退方案是什么。 延伸阅读：产品面试通关指南：从需求分析到方案设计

素材里提到 GPT-5.6 计划 11 月涨价 25%、GPT-6 价格是促销价一半等信息，这些都属于“消息提到”的性质，不能当成长期行情。面试中更安全的说法是：我会把促销价和常规价分开测算，并确认涨价后的应对预案。

一个实际可做的小建议：面试前挑一个你熟悉的场景，用标价、缓存价、常规价三列各算一遍月成本，带着这张表去聊，比空谈“性价比”更能体现你的判断力。