上一篇《Claude 撞限这天，我烧了 $137》的结尾我写了句话：省 token 不是目的，省下来的要烧给值得的地方。
今天周日，打开额度看板：Kimi 的周额度还有 25 小时到期，才用了 78%。也就是说，接下来一天多，要么把这两成多烧出价值，要么看着它作废。
顺便纠正一个我之前的误读：看板上另一个叫「月账期」的数字，核对下来其实是加油包的用量，不是订阅本身的月度额度；总额度用到多少，看板上反而看不到。那 ¥25 的加油包，我觉得以后都可以不买了——撞限之后该怎么花这笔钱，上次已经交过学费了。
以前这种时候，额度的归宿基本是多聊几句闲天，到点清零。这次我换了个烧法：全部烧给 Deep Research。
到傍晚回收：5 份深度调研报告，前后开了 6 个 Agent 窗口，光报告里标注了次数的独立检索就超过 300 次。调研的具体内容这篇不讲——那是我自己的作业。只讲怎么用、用在哪、花了多少。
一、为什么闲额度最适合烧给 Deep Research #
先说判断：Deep Research 是「额度密集型」消费，而且是少数能留下资产的消费。
聊天是零售——一轮对话几十到几百次 token 交换，聊完就散了。DR 是批发——一次调研背后几十上百次检索、阅读、交叉引用，最后沉淀成一份带出处、能入库、能被以后反复调用的报告。同样的额度，聊天换成的是几句话，DR 换成的是一份能改变决策的文档。
所以我的排序是：闲额度先给 DR，其次给批量处理的活（整理、迁移、格式转换这类），闲聊垫底——闲聊是唯一纯粹蒸发的用法。
更深一层：额度这种东西，重置就作废，省它没有任何利息。它的唯一兑现方式，是在过期前换成不会过期的东西。
二、我的三步用法：装 skill、做体检、派调研 #
今天的具体做法，三步。
第一步，装一个 deep-research skill。 各家 CLI 都能装，本质是把「怎么做一次合格调研」的流程固化下来：英文检索为主、中文成稿、来源编号、证据分级——不用每次重新叮嘱。装完发现个小坑：skill 里的路径是按 Linux 写的，在 Mac 上改了 76 处路径才跑通。
第二步，先做体检，再找题。 调研最忌讳的是调研自己已经知道答案的事。我让 Agent 拿 skill 把自己的知识库和素材库扫了一遍，做了一次体检：哪些领域已有成熟答案，哪些只有缺口。然后把「我确实没有答案的问题清单」拷出来——这就是调研的弹药。
第三步，建工单，派出去。 每个问题写成一张工单：背景、要回答的问题、验收标准。然后派给不同终端的 Agent 并行跑，多家模型同时上。我干的部分是选题和验收，中间的检索和成稿全是分身干的。
5 个题跑了一下午。内容我自己看，能说的是一句：其中一份报告拦下了一个我差点开工的错误方向——光这一条，今天的额度就值回来了。具体是什么方向，按下不表。
三、算账：今天烧了多少 #
老规矩，报账（傍晚 7 点看板快照，全天口径——所有派单的合计，单个调研花了多少钱还拆不出来，话只能说到这一层）：
- 全天账单 $50.97
- 单次调研的体量：我扫了一眼跑调研的几个终端——最大的一次用了 1400 万 token，其他几个两三百万到三四百万。一次 DR 的量级就是几百万 token，比直觉便宜
- 分模型：opus $19.68、k3 $17.62、sonnet $11.20、gpt-5.6 $2.47——贵的模型干统筹和成稿，便宜的干检索和粗加工
- 检索量：5 个调研里标注了次数的三份，合计 300+ 次独立英文检索
- 额度水位：早晨 78%（距到期 25 小时）→ 傍晚 95%。这批 DR 加上一些零散消耗，一天不到烧掉 17 个百分点——DR 消耗额度是真的快
粗算一笔：300 多次检索换成人工搜索阅读，一次 10 分钟，是 50 个小时；换成跟 AI 单线程聊天，一周也问不完。而一次 DR 的 token 量级不过几百万——批发和零售的差距，就在这儿。
还有一个选项值得单说：主额度紧张的时候，把 DR 挪给 DeepSeek 跑。它按量计价，单价是几家里最低的一档，缓存命中大约 1/30 价，跑这种检索密集型任务性价比最高，跑得也快。主订阅的额度留给统筹和成稿，粗活交给便宜的——还是算账的老逻辑：哪个岗位该用贵的模型，哪个岗位降配也不心疼。
四、一个吐槽：桌面端的 Deep Research 没了 #
最后说个今天确认的事，用 ChatGPT 做调研的朋友可能也发现了。
7 月 9 日，OpenAI 把 Codex 并进了 ChatGPT 桌面端，Chat、Work、Codex 三个 Tab 合一，旧版改名 ChatGPT Classic。合并完大家发现：新桌面端没有 Deep Research 入口了。官方论坛 8 月初就有人反馈，答复口径是 DR 在网页端和 Classic 里保留；更别扭的是，连在网页端开好的 DR 会话，拿到桌面端打开都会卡住。
所以现在做深度调研只能回网页端，多一道切换，挺麻烦的。
而且说句个人感受：现在各家跑的 DR，总感觉没有当年 o3 驱动的那版好用。这个怀念不全是无厘头——Deep Research 2025 年发布时，本来就是基于 o3 微调的模型。如果非要简单说，大概是现在的模型都在追求快，而 DR 恰恰是需要慢的活。
这也是我把调研搬进 CLI + skill 的另一个原因：**入口放在自己手里，不依赖某家客户端的心情。**桌面端有没有这个按钮，不影响我今天的 5 份报告准时入库。
下一步 #
今天这 5 份报告只是初稿。我的流程是两阶段：初稿回来我先确认方向框架，对的再进正式研究。下一轮调研的工单已经建好了。
另外还有个题先记着：每个终端都有一些好用的命令小技巧——比如切到思考更强的模型、几个能快速消耗 token 的小命令——也能起到加速把额度换成产出的作用。这些我汇总一下，之后单独写一篇。
省出来的额度不会变成钱，换成报告的才会。
相关文章 #
- 《Claude 撞限这天，我烧了 $137——好在 ¥11 的学费上次交过了》——上篇：省 token 不是目的，省是为了敢用
- 《Claude Code 账单：7 天 $333，这是我给 AI 员工发的工资单》——成本看板上线，哪个"员工"最贵
- 《AI 在干活，我在给它算账》——系列开篇：装调度台、定降配策略