Kubrick 成本模型 + Wan 2.2 GPU 基准

改任意输入框 → 所有计算过程里的数字和结果实时联动。无需联网、无需安装，双击即可打开。

1GPU 与云费率

H200 整机时薪 ?自有整机时薪 = 整机采购价 ÷ 折旧时数 + 电费 + 托管
例：8×H200 整机 ≈ $300K ÷ 3 年(24/7 ≈ 26000h) ≈ $11.4/h，加电费(~7-8kW × 电价)与托管 ≈ $12/h。
租用则填 spot 实际价（整机 ≈ $24/h）。 8 卡整机 $/hr — 填云账单实际值（自有≈$11/h，spot≈$24/h） $

每箱 GPU 数用于把整机价摊到单卡

RTX 4090 单卡时薪 ?自有单卡时薪 = 卡价 ÷ 折旧时数 + 电费
例：RTX 4090 ≈ $1800 ÷ 3 年(24/7 ≈ 26000h) ≈ $0.07/h，加电费(450W × 电价 × 散热PUE) ≈ $0.05/h，合计 ≈ $0.10/h。
租用则填 spot 实际价（≈ $0.40/h）。 $/hr — 自有≈$0.10，spot≈$0.40 $

GPU 利用率 % GPU 真正在跑任务的时间占比；空转成本摊到在跑的时间上

每集视频段数（= 分镜数）一集 2 分钟 ÷ 5 秒/段 = 24；每段对应一个分镜

每分镜分镜图数量每个分镜要生成的分镜图（关键帧）张数

毛利率 % ?报价 = 单位成本 ÷ (1 − 毛利率)
毛利率 = 利润 ÷ 报价（50% → 报价 = 2× 成本）。
这一个值控制第 4 节「单集报价」和第 5 节「报价」列。利润占报价的比例 · 驱动全表报价

2LLM token 成本

GMI gpt-5.4 输入 $ / 百万 token $

GMI gpt-5.4 输出 $ / 百万 token $

平均输入 token 单次分镜调用输入（系统提示 + RAG + 对话）

平均输出 token 单次分镜调用输出（分镜脚本 JSON）

LLM 调用次数 / 集每个分镜跑一次 LLM = 分镜数（24）

3单模型成本（一次调用）

模型	计费方式	可调输入	单次成本	计算过程	对标价格

4每集成本（一集 = 2 分钟 = 24 段）

下拉框可换模型组合 — 每集成本 = LLM×调用数 + (段数×图每分镜)×图像单价 + 段数×视频单价。图像/视频单价已按第 1 节「利用率」折算（÷利用率明细见第 3、5 节）。

场景	图像模型	视频模型	计算过程	单集成本	单集报价

5定价与成本（按组件）

每个组件的单位成本与报价。报价 = 单位成本 ÷ (1 − 毛利率) —— 毛利率在第 1 节调。