记录 Token 共 4,047,104，包含缓存输入；分析与协调输入 Token 中 84.9% 为缓存读取。缓存读取仍是 Token，并非 Token 消除。独立复核的 86 份日志另记 499,967 个“tokens used”，但无输入、输出、缓存拆分，未混入上方服务商用量分类。

使用 2026 年 9 月 27 日核查的 DeepSeek 美元公开单价，对分析与协调 Token 组合重新计价。原运行记录模型别名“sonnet”，对应记录费用小计 $4.766。此处为价格表测算，不是 DeepSeek 实际执行、完整运行账单或质量对比。

公式：缓存读取 Token × 命中单价 +（未缓存输入 + 缓存写入 Token）× 未命中单价 + 输出 Token × 输出单价，再除以一百万。不含复核、硬件、导入与服务费用。实际运行的分词、推理长度、缓存行为、质量与时延均可能不同。

DeepSeek 官方 API 同样支持工具调用与结构化输出。公平对比应在相同数据上比较建木编排与明确配置的工具基线，而非假设普通模型不能使用工具。

只读核查检查事件序列、最终裁定修正、数据清单摘要和会话唯一性。用量仅累加会话顶层汇总，不重复累加内部迭代。38 项候选发现最终为 13 项已核验、2 项假设及 23 项驳回；这些是复核状态，不是独立评测准确率。34 个席位表示运行期间的不同角色，不是同时并发测量。

人工基线明确假设每个工作包都由人交办和复核：500 × 2 + 5 个项目关口 = 1,005 次流程操作，另有一次上下文交接。这是配置的人工作业量，不是 1,005 次强制安全审批，也不是所有竞品的必然要求。自动化 MAS 可以实现类似控制策略。

上下文计算：500 份精简结果 × 2,000 Token，加上指令、决策及工作状态预算 400,000 Token，共 1.4M 主控侧独立内容。1M 窗口预留 20% 余量，可用容量 800k；向上取整 1.4M ÷ 800k，得到 2 段。此简化预算不计重复传输，并假设交接摘要适配预留容量。工作角色模型流量另计；不能用场景中的 17.4 亿处理 Token 除以 1M 推算会话数。

1. 确认目标、资料范围与权限边界。
2. 确认分析计划与验收标准。
3. 扩展任务前检查代表性样本。
4. 处理重大矛盾与例外决策。
5. 接收最终依据包并授权交付。

引导模式将这些决策保留给人。示例自动策略预先定义范围内决策及验收规则，不绕过人的权限、不取消核验，也不承诺永不中断。

此处不赋予漂移概率：应在长任务与多次交接中测量约束保留、引用正确性、依赖遗漏与恢复情况。智能体更多或窗口更大，本身都不能证明这些比率。

Token 减少 = 1 − 1,740 / 42,000 = 95.857%。用时 = Token 总量 ÷ 有效每秒速率 ÷ 3,600 + 非模型关键路径用时预算。串行流程为 10 小时，MAS 为 12 小时，建木为 10.4 小时。32 槽位不再额外乘算，其效果已包含在汇总吞吐中。

串行基线包含文本重复读取、分析与复核；示例 MAS 增加共享上下文和复核消息。建木 17.4 亿预算假设使用选择性依据路由及脚本执行。这些预算是场景设定，并非分词日志或实测提取比例。采用优化检索或工具的系统可缩小差距；基线不代表任何具体模型厂商或 MAS 框架。