版本化定价与 Project/Token Guard
成本治理不是一个总预算开关。Halro 按下面的顺序回答四个不同问题：
- Price Version：这次 Attempt 应按什么规则计价；
- Project：这个业务边界今天和此刻还能不能发请求；
- Token Guard：这次请求或近期行为是否超过固定阈值、偏离正常基线；
- Run 预算：一次完整业务执行的生命周期成本是否还有余额。
前三项适用于稳定版能力；Run 预算属于 v0.7 预览。它们共同生效，任一项拒绝都不能靠放宽另一项
绕过。
一、先建立可信价格
Section titled “一、先建立可信价格”每个 Deployment 在承接成本治理流量前，至少需要一个已经生效的 Price Version。核价时先固定 Provider、上游目标、Region、Tier、币种和价目生效时间；只看营销模型名容易把另一个区域、批量层级 或缓存价格套进来。
按上游合同选择计价项：
| 项 | 控制台单位 | 常见用途 |
|---|---|---|
| 输入 | USD / 1M tokens | 普通输入 Token |
| 缓存输入 | USD / 1M tokens | Provider 明确报告的缓存读取输入 |
| 输出 | USD / 1M tokens | 普通输出及 Provider 规则覆盖的推理 Token |
| 每请求固定 | USD / request | 媒体、Rerank、资源操作或合同固定费 |
不能确认价格时保持“未设置”，不要填零。只有确实无需付费时选择 free；它仍会生成 Price Version，
使“已知零成本”和“未知成本”保持可区分。
价格证据与复算
Section titled “价格证据与复算”在创建前记录来源类型和可复核说明。官方公开价、合同价、内部成本价和临时估算不是同一种保证； 管理员仍要确认模型、Region、Tier、缓存规则和计量单位匹配。确认页的示例金额用于发现百万 Token、 每请求固定费或小数位误填，不能替代独立复算。
每次 Attempt 在调用 Provider 前绑定当时的完整价格快照。之后创建新价格版本不会重算历史 Attempt， 因此月末看到旧请求沿用旧价是正确行为。
立即生效、计划生效与分时价位
Section titled “立即生效、计划生效与分时价位”- 立即生效的版本不能删除；后续调价通过创建更晚的新版本覆盖；
- 计划版本在生效前可以取消；新计划时间必须晚于所有尚未取消的计划版本；
- 已存在未来版本时，不能再插入一个更早的“立即生效”版本，应先取消阻挡版本或把新版本排到其后；
- 分时价位使用 Provider 自己的 IANA 时区，与 Project 的 Accounting 时区无关；跨午夜时段拆成两段；
- 时段未覆盖的时间使用版本的基础费率，不能把空档解释成免费。
恢复旧备份后，如果计划价格在停机期间已经越过生效时间，Deployment 会进入 pricing quarantine。 管理员核对时间线并确认恢复价格前，不应让它重新承接流量。
二、用 Project 建立确定性边界
Section titled “二、用 Project 建立确定性边界”Project 是预算、限流、可用模型和安全策略的共同归属。建议一个 Project 对应一个可以独立回答 “谁负责、预算多少、允许访问什么”的业务边界。
| 设置 | 保护的风险 | 设定方法 |
|---|---|---|
| Allowed Models | 调用错误环境或未批准模型 | 只选择该 Project 需要的公开 Route 别名 |
| Daily Budget | 自然日累计费用失控 | 按正常日均、峰值和停机策略设定，不把预算当告警 |
| RPM / TPM | 重试风暴或输入量突增 | 从真实峰值加有理由的余量，不设无界缓冲 |
| 最大并发 | 上游和本机资源被占满 | 与应用并发、Deployment 并发和 Provider 配额一起计算 |
| 输入/输出 Token 上限 | 单请求最坏费用过大 | 根据业务最长输入和可接受回答长度设定 |
| 请求大小/流时长 | 图片、长流占用资源 | 结合编码膨胀、客户端超时和 Gateway 总超时设定 |
| Allowed CIDRs | Key 被其他网络使用 | 限定到真实应用出口或受控网段 |
Daily Budget 按实例 Accounting 时区的自然日执行；它可能是 23、24 或 25 小时。时区变更在当前周期 结束后生效，不重算历史费用，也不改变 Price Version、Usage export 或审计记录使用的 UTC 时间。
应用每次请求仍应显式设置合理的输出上限。结果不明确时，Halro 可能按允许的最大输出做保守估算； Project 输出上限和请求字段共同决定这个最坏上界。
三、用 Token Guard 处理异常行为
Section titled “三、用 Token Guard 处理异常行为”Token Guard 绑定到 Project，但不代替 Project 的 RPM、TPM、并发或日预算。先在 安全策略 创建 策略并使用模拟功能检查样本，再绑定 Project。
固定阈值包括：
- 单请求 Token；
- 每分钟 Token 和成本；
- 并发；
- 错误率及其最小样本数；
- 每分钟唯一来源 IP。
动作分三档：
| 动作 | 作用 | 推荐阶段 |
|---|---|---|
observe | 初始固定阈值命中只记录；价格或策略版本变化后的成本复核仍可能失败关闭 | 建立正常基线，并观察复核拒绝 |
alert | 初始固定阈值命中会记录并投递告警；价格或策略版本变化后的成本复核仍可能失败关闭 | 验证阈值、告警链路和复核拒绝处置 |
temporary_block | 满足违规次数后临时封禁 | 误报和解除流程均已验收后 |
临时封禁还要设置触发前违规次数、封禁 TTL 和冷却时间。管理员可以在 Project 页面手动解除，但解除 不是修复根因；应先确认是流量异常、客户端重试、Key 泄漏还是阈值不合理。
EWMA 用于发现相对历史基线的异常。先保证绝对 RPM、TPM、单请求 Token 和成本阈值存在，再开启 EWMA，并为热身、评估窗口、最小样本和冷却留出真实流量。当前 EWMA 只做相对检测和告警，不能把它 当作自动封禁边界。
四、需要业务执行边界时再加 Run 预算
Section titled “四、需要业务执行边界时再加 Run 预算”v0.7 Run 预算限制一次完整业务执行，而 Project 日预算限制整个业务边界。一次 Run 内的客户端请求、
Provider retry 和 fallback 都消耗同一 Run 余额；同一 Work Unit 重新执行时创建新 Run。
Halro 在 Provider I/O 前原子检查 Project 日预算和 Run 的 committed + reserved + pending。Run 余额
不足时不会自动关闭 Run；应用可以改成仍在余额内的请求，或按业务策略关闭。未知价格无法进行 Run
预算准入，即使实例允许普通请求在未知价格下继续，附加到 Run 的请求仍会拒绝。
完整生命周期和 Key Scope 见接入运行治理。
五、按阶段上线
Section titled “五、按阶段上线”- 核价：由 FinOps 或合同责任人确认目标身份、单位、缓存规则和生效时间；
- Project 硬边界：先设置 Allowed Models、输出上限、预算、RPM、TPM 和并发；
- 观察：Token Guard 使用
observe，覆盖正常峰谷和发布日，同时验证价格或策略变化触发的 成本复核拒绝； - 告警：切到
alert，验证收件人、去重、失败重试、处置时限和复核拒绝路径； - 临时封禁：只对高置信固定阈值启用，并演练自动恢复和管理员解除；
- Run 预算：在真实业务试点确认 Work Unit/Run 边界后启用，不从 HTTP 请求粒度机械推导。
六、验收矩阵
Section titled “六、验收矩阵”| 场景 | 预期结果 |
|---|---|
| Deployment 没有生效价格 | 在 Provider I/O 前拒绝，不显示成 $0.00 |
明确 free | Attempt 成本为已知零，并保留 free 价格快照 |
| 创建新价格版本 | 新 Attempt 使用新快照，旧 Attempt 金额不变 |
| 计划版本尚未到时 | 当前版本继续生效；到点后新请求使用计划版本 |
| Project 日预算不足 | 请求在 Provider I/O 前拒绝，盲目重试无效 |
Token Guard 为 observe | 初始固定阈值命中只记录；若 Attempt 成本上升或策略版本改变，复核仍可返回 token_guard_blocked |
| 临时封禁触发 | 后续请求明确拒绝；TTL 或管理员处置后恢复 |
| Run 余额不足 | Project 仍可能有余额，但该 Run 请求被拒绝 |
| Provider Usage 缺失或结果不明确 | Attempt 标记估算或未知，不按零成本处理 |
验收后在 用量与调用 展开 Attempt，核对 Provider 报告 Token、价格快照、输入/输出/固定费用、
estimated 标记和最终金额。跨功能的重试与预算组合见
最佳实践案例三。