多模态生成产品（文本、图像、语音、视频）的成本结构差多少？怎么设计定价和成本控制？

先这样答

量级差异先摆出来。文本对话一次几毫到几分钱；图像生成一次几毛钱量级；语音合成的单位时长成本比图像低；视频生成按秒计费，一次几十秒的视频成本可以是图像的几十到几百倍。同一个「生成」动作，跨模态成本差三到六个数量级，产品的定价、免费额度、功能入口设计全部被这个差异塑造。

成本控制的手段分四类。任务分级：先便宜后昂贵，图像产品先出低分辨率草图确认再出高清，视频先出分镜预览再出成片，把昂贵算力花在用户确认过的意图上。缓存复用：相同或相似请求的结果缓存，模板化的生成物（固定风格的配图、常用音效）直接命中资产库，生成成本归零。异步队列：昂贵模态全部异步化，用户提交任务后离开，完成后通知，用排队平滑算力峰谷、提高 GPU 利用率。失败预算：重试次数封顶、降级链路（视频失败降级为图文），防止坏案例吃掉无限算力。

定价设计对应成本结构：免费额度给便宜模态，昂贵模态按次或订阅收费，企业侧按量阶梯计价。核心原则是让单位经济模型为正——每个用户的预期收入要覆盖其预期算力成本，营销补贴可以短期打破这个等式，但产品结构不能永久倒挂。

面试官会怎么追问

• 「先预览后成片具体怎么设计？」 预览用低参数量快速模型出低保真结果，用户确认意图后用完整模型出成片。关键是预览和成片的语义要一致，预览确认的是构图和意图，不是细节质量，要在产品文案里管理预期。
• 「缓存怎么处理个性化内容？」 缓存只适合公共部分：风格模板、背景素材、标准音效。个性化主体内容不缓存。架构上把生成物拆成模板层和实例层，模板层进 CDN，实例层实时生成。
• 「怎么发现成本异常？」 按模态、功能、用户分层埋点成本指标，监控单次成本分布，重试率、失败率、排队时长联动告警。某类请求的成本分位数突然抬升，通常是模型版本变更或攻击性滥用。

回答的坑

• 只说「控制成本」没有分层手段。分级、缓存、异步、预算四件套要能展开。
• 定价只抄竞品不推成本。答单位经济模型，展示从算力成本倒推定价的思路。