先划线，再谈省钱。
工作点是一组冻结后的数：模型版本、输入输出长度、并发、调度参数、质量门。改一个，就要重扫。扫的时候从低并发往上走。每一档记下 TTFT p95、ITL p95、失败率、每千次请求的钱。扫之前把 SLO 写成一句能值班的话，例如「成功请求的 TTFT p95 ≤ 2.0 秒，超时算失败」。没有这句，表上的 0.31 元会赢。
下面这张表是教学用的。卡、价、模型都是假的。SLO 先写成：成功请求的 TTFT p95 不超过 2.0 秒。失败和超时算进分母，不要先把慢的删掉再取 P95。
并发 1：p95 0.4 秒，每千次 2.40 元。很稳，很贵。卡在等。并发 4：0.8 秒，0.80 元。并发 8：1.4 秒，0.48 元，还在线内。并发 16：4.2 秒，0.31 元。最便宜。线破了。客服电话的成本不在这 0.17 元的差价里。
有人会说再加卡。加卡是另一条扫描。先承认 16 这一档不能上。上 8，留一点余量。余量不是浪费，是长请求进来时短请求还能喘气。KV 顶满的 16，看起来每张卡都很值，一条 8k 就能把队列推过 2 秒。工作点写进配置，就要写进告警：并发一越过 8，先限流，再谈加卡。限流是保护 P95，不是惩罚用户。
破线的代价可以估。假设一天 8 万次短请求，其中 5% 超过 4 秒，就是 4000 次有人盯着屏幕发呆。坐席若因此转人工，一次人工 90 秒，4000 次是 100 小时。0.17 元的差价在这里不够买回那 100 小时。工作点写进值班手册时，把这条账也写上：破线不是「略慢」，是把人从自动挡打回人工。
挑点的顺序固定。质量门没过的档，直接划掉。SLO 没过的档，划掉。剩下的里面再比钱。不要用「平均更便宜」把 16 救回来。平均值不接电话。扫表要留原始分位，不要先删慢请求再算 P95。删了，16 会看起来能上。工作点选定之后，写进配置和告警，周一改并发要当一次发布，不是随手拧旋钮。拧过又忘了写，夜里的 P95 会替你记。
想用扫表练手，可选玩具（合成，不能当现场成绩）：operating-point-lab