截至10月28日的公开信息，DeepSeek 自研搜索接口上线，11月1日起按次收费、每1000次成功请求5元；同一批消息里，微软自研基座模型 MAI-Base-2 完成预训练，总参数2.8万亿、每次推理激活800亿、动用1.6万块 GB200 芯片训练38天，权重不开源、仅通过 Azure 授权给合作方。对做 AI 搜索可见度的团队来说，这两件事指向同一个变化：采样从“免费的手工活”变成了有单价、有平台清单的采购行为。
采样开始有单价了
先算一笔账。假设一个问句池有200条问句、覆盖6个平台、每周重复3次，一周的采样量就是3600次请求；如果全部走按次计费的接口，按每1000次5元计算，一周约18元，一个月约78元。金额不大，但它把采样从“想做多少做多少”变成了“要做多少先报预算”，性质完全不同。
再看不平衡的地方。真实项目里，平台调用量很少平均分布，主战场平台可能占七成以上。这意味着成本结构会跟着平台策略走：主战场扩容，成本线性上升；维持性平台砍掉，成本立刻下降。把采样成本按平台拆开列示，比给一个总数更有决策价值，因为它直接对应“哪个平台值得继续测”。
平台清单为什么要重排
自研模型改变了供给格局
微软 MAI-Base-2 按官方说法，在内部测试集上训练效率是 DeepSeek-V4-Pro-Base 的4.2到12.3倍，跑分压过对比的全部开源模型；与驱动 GPT-5.6 的模型相比，算力只花了约四分之一。但这些效率数字为微软自行估算、无第三方复核，模型仍在后期训练，权重、接口与发布日期均未公布，且确定不开源。
对监测口径的含义是：平台清单不能再按“模型是不是主流”来定，而要按“能不能稳定调用”来定。一个不开源、仅通过云服务授权、尚未公布接口的模型，短期内无法进入常规采样；反过来，已经开放搜索接口并按次计费的平台，才是可以纳入基线的那一类。清单要跟着可调用性走，而不是跟着热度走。
调用份额决定权重
OpenRouter 数据显示，上周中国模型周调用量86.74万亿 token，是美国的4.5倍，全球前五均为中国模型，已连续24周。这个结构说明实际使用集中在少数模型上。做可见度加权时，如果按平台数量平均分配采样，就会把大量预算花在用户很少的平台上，得到一份看起来很全面、实际没有决策价值的报告。
更合理的做法是按调用份额分配采样量：主战场平台保证每周固定重复次数，维持性平台降低频次但保留基准问句。这样既控制了成本，也保留了跨平台对比的能力。权重不是拍出来的，而是从可观测的调用结构里推出来的，这一点在预算收紧时尤其重要。
采样成本的三种配置
| 配置 | 问句池与频次 | 适用场景 |
|---|---|---|
| 基线档 | 200条问句、6平台、每周1次 | 新建基线，先跑通口径 |
| 监测档 | 200条问句、3个主战场平台、每周3次 | 常规周报与异常预警 |
| 归因档 | 60条核心问句、单平台、每日1次 | 活动期效果归因与竞品对比 |
三档配置的差别不在问句数量，而在重复次数与平台覆盖。基线档要的是面，宁可频次低也要把平台铺开；监测档要的是稳定性，平台收窄但频次提高；归因档要的是密度，问句收窄到核心集合，用每日采样去捕捉短期波动。把三档混用，成本会失控，结论也会互相矛盾。
还有一个容易被忽略的成本项：人工核验。按次计费只覆盖调用，回答原文的归类、引用来源的判定、错位样本的复核仍然要人做。问句池越大，人工成本越高，而且这部分成本不会随平台数量下降而下降。预算表里如果不单列这一项，很容易出现“接口费可控、人力超支”的情况。
把采样预算写进方案
方案里建议固定四列：问句池条数与类型分布、平台清单与权重依据、每周重复次数、以及单周调用量与预估费用。四列之外再加一列人工核验工时。五列齐全，采样方案才既能被财务审核，也能被业务方理解，不会在季度复盘时变成一笔说不清的开支。
需要说明证据边界。DeepSeek 搜索接口的收费口径为每1000次成功请求5元、自11月1日起执行，失败请求是否计费未在公开信息中说明；微软 MAI-Base-2 的参数与效率数据来自其自行披露，无第三方复核，权重与接口尚未公布；OpenRouter 的调用量数据为第三方统计，覆盖范围与去重规则未公开。上述成本测算为示例，不代表任何平台的实际报价。
常见问题
按次收费后，采样成本会很高吗？
取决于规模。200条问句、6平台、每周3次约3600次请求，按每1000次5元计算，一周约18元。真正的成本大头往往不是接口费，而是回答归类与引用来源判定的人工投入，这部分要单独列预算。
新模型上线就要加进平台清单吗？
不建议。判断标准是可调用性，不是热度。不开源、仅通过云服务授权、尚未公布接口的模型，短期内无法稳定采样；已开放搜索接口并能按次计费的平台，才适合纳入基线。清单跟着可调用性走更稳。
平台权重怎么定才不算拍脑袋？
按可观测的调用份额分配。OpenRouter 数据显示中国模型周调用量86.74万亿 token、为美国4.5倍，全球前五均为中国模型，说明使用高度集中。权重从这类结构里推出来，比按平台数量平均分配更接近真实曝光机会。
三档配置能混着用吗？
不建议混用。基线档求面、监测档求稳、归因档求密度，混用会让成本和结论同时失真。正确做法是三档分别出数，在汇总层做加权，而不是把不同频次、不同平台的样本直接合并计算。
