OpenRouter 实测：LLM 图像输入用低细节档反而更贵更差
OpenRouter 在 MMMU-Pro Vision 上对 OpenAI 和 Google 五个模型实测图像 detail 参数，发现推理模型用 low 细节反而更差更贵：gpt-5.5 low 比 auto 准确率低 13.8 个百分点（65.2% vs 79.0%），每题成本更高（5.1¢ vs 4.5¢），因为模型为弥补降采样图像多用了 1.6 倍推理 token。
推荐理由：实测显示低图像细节在推理模型上反而更贵更差，读者可据此调整图像输入和推理档位来控制成本。