fix(platform): 定价多因子校验+openai_compat模板生成器双缺陷(2026-09-06豆包pro配置实抓)

① apply_model_pricing「同一模型仅单因子」铁律与生产事实矛盾——token模型天然
多因子(输入/输出/缓存同方案,生产实证qwen3.8-max正常出账),豆包pro定价三次
被拒。改为因子族校验:token族(prompt/completion/uncache/cached_tokens)合并
一个方案;token族与按量族(duration/flat)禁混;prompt_tokens与uncache/cached
互斥(重复计价);同因子同维度多价拒绝。提取提示词factor枚举补uncache_tokens/
cached_tokens+缓存拆分规则(此前枚举缺缓存因子,助手只能硬塞导致混用误判)。
_build_pricing_yaml支持多因子:derived因子(uncache/cached)自动带derived表达式
定义,真实定价引擎验证:豆包pro三因子6/1.2/30计算精确匹配(0.000738/缓存场景0.01908)。

② _gen_templates openai_compat分支模板恒干跑失败:json.dumps包占位符生成
"{{temperature}}"——运行时ns(model/messages/extra/params/api_key/org_id)无
temperature,StrictUndefined干跑必崩→profiles恒空,运行时侥幸走内置模板。
且"messages":"{{messages}}"带引号渲染成repr字符串。改为对齐pipeline-llm
内置模板形态:model/messages|tojson无引号+extra白名单透传循环(传了才发)。
_dry_render_check补extra入ns(运行时注入,干跑缺它误报)。验证:干跑通过,
无extra/带extra/中文引号注入/指纹稳定四场景渲染全合法JSON。

pipeline_platform/platform_ability.py

@@ -365,7 +365,7 @@ _EXTRACT_PROMPT = """你是大模型 API 配置专家。通读下面这份模型
   "pricing": {
     "currency": "CNY|USD（文档标注的币种）",
     "items": [{"vendor_model_id": "对应模型ID",
-               "factor": "duration|flat|prompt_tokens|completion_tokens（计价因子：视频按秒=duration，按次=flat，token计价=对应token因子）",
+               "factor": "duration|flat|prompt_tokens|completion_tokens|uncache_tokens|cached_tokens（计价因子：视频按秒=duration，按次=flat；token计价：文档只给一个输入价=prompt_tokens；文档区分缓存命中价=非缓存输入用uncache_tokens+缓存命中用cached_tokens+输出completion_tokens——禁止用prompt_tokens配缓存价，会与uncache/cached重复计价）",
                "unit_price": 0.45,
                "unit": "秒|次|百万（文档标注的计价单位名）",
                "dimensions": {"resolution": "480P（影响价格档位的维度，按文档原文值；禁止放 model）"},
@@ -1286,10 +1286,17 @@ def _gen_templates(protocol: str, capability: str, spec: dict) -> dict:
     headers = _headers_from_spec(spec)
     notes = []
     if protocol == "openai_compat":
-        req = json.dumps({
+        # 2026-09-06 修复（豆包 pro 配置实抓）：旧模板用 json.dumps 包占位符——
-            "model": "{{model}}", "messages": "{{messages}}",
+        #   1. "messages": "{{messages}}" 带引号，渲染成 Python repr 字符串而非
-            "temperature": "{{temperature}}", "stream": False,
+        #      JSON 数组，上游必拒；
-        }, ensure_ascii=False)
+        #   2. "{{temperature}}" 运行时命名空间无此变量（inference._build_upstream_body
+        #      的 ns 是 model/messages/extra/params/api_key/org_id），StrictUndefined
+        #      干跑必崩 → 落库被拦，profiles 恒空，运行时侥幸走 _BUILTIN_REQUEST_TMPL。
+        # 正确形态对齐 pipeline-llm 内置模板：tojson 无引号 + extra 白名单透传循环
+        # （temperature/top_p/max_tokens 等调用方传了才发，不硬编码业务参数）。
+        req = ('{"model": {{ model|tojson }}, "messages": {{ messages|tojson }}'
+               '{% for k, v in extra.items() %}, "{{ k }}": {{ v|tojson }}'
+               '{% endfor %}, "stream": false}')
         resp = json.dumps({
             "content": "choices[0].message.content",
             "usage": {"prompt_tokens": "usage.prompt_tokens",
@@ -1610,6 +1617,9 @@ def _dry_render_check(req_tpl, capability, biz_params, media_params):
                         # StrictUndefined 下缺键会误报，二者行为不一致。
                         ('零媒体形态', dict(params_arr, **{mp: [] for mp in media_params or []}))):
         ns = {'model': 'dry-run-model', 'prompt': '干跑校验', 'messages': [],
+              # extra：运行时白名单透传参数（inference._build_upstream_body 注入，
+              # openai_compat 模板的 for 循环消费）——干跑缺它会误报 UndefinedError
+              'extra': {'temperature': 0.7},
               'params': params, 'api_key': 'sk-dry-run', 'org_id': '0',
               'request': None, 'json': json,
               'b64media2url': _stub, 'downloadfile2url': _stub}
@@ -1696,32 +1706,70 @@ async def _ensure_step_profile(sor, protocol, cap, vmid, step, spec):
 
 _FACTOR_LABELS = {
     'duration': '时长', 'flat': '按次', 'prompt_tokens': '输入tokens',
-    'completion_tokens': '输出tokens',
+    'completion_tokens': '输出tokens', 'uncache_tokens': '非缓存输入tokens',
+    'cached_tokens': '缓存tokens',
 }
 
+# 缓存拆分因子（derived 自 usage 原始字段，定价引擎自动计算，见 pricing-data-format 技能）
+_DERIVED_FACTOR_SPECS = {
+    'uncache_tokens': {
+        'type': 'int', 'role': 'factor', 'label': '非缓存输入Token',
+        'derived': 'prompt_tokens - prompt_tokens_details.cached_tokens'},
+    'cached_tokens': {
+        'type': 'int', 'role': 'factor', 'label': '缓存Token',
+        'derived': 'prompt_tokens_details.cached_tokens'},
+}
 
-def _build_pricing_yaml(currency_items, dimensions_all, factor):
+# token 因子族：一个 token 模型的定价天然多因子（输入/输出/缓存同在一个方案）。
-    """生成定价 YAML（2026-09-05 用户定夺的新模式）：
+# 旧校验「同模型仅允许单一因子」与生产事实矛盾（qwen3.8-max 三因子同方案正常出账），
+# token 模型按此族合并为一个定价方案（2026-09-06 修复）。
+_TOKEN_FACTORS = ('prompt_tokens', 'completion_tokens', 'uncache_tokens', 'cached_tokens')
+
+# 同一因子多条价格且无维度区分 → 引擎会重复计价，必须拆方案（真混用的判据）
+def _check_factor_dup(mitems, factors):
+    seen = set()
+    for it in mitems:
+        f = it.get("factor") or "flat"
+        dims = json.dumps(it.get("dimensions") or {}, ensure_ascii=False, sort_keys=True)
+        k = (f, dims)
+        if k in seen:
+            return ("因子 %s 出现多条相同维度的价格（引擎会重复计价）——请核对文档，"
+                    "同因子多价必须用维度区分档位" % f)
+        seen.add(k)
+    return None
+
+
+def _build_pricing_yaml(currency_items, dimensions_all, factors):
+    """生成定价 YAML（2026-09-05 用户定夺的新模式；2026-09-06 支持多因子）：
 
     - 不放 model 过滤：一个定价方案只服务一个模型；定价相同的多个模型共享
       同一 ppid（不是往定价里加 model 维度）
     - 不用 filters 子结构：维度直接平铺在定价项（引擎对非保留键做 AND 匹配）
     - fields 需定义每个维度（role: filter），否则引擎报「在fields中没有定义」
+    - factors 为列表：token 模型天然多因子（输入/输出/缓存同在一个方案，
+      生产实证 qwen3.8-max），每条 pricing 用各自的 factor；derived 因子
+      （uncache_tokens/cached_tokens）必须在 fields 定义 derived 表达式，
+      引擎计算衍生字段依赖此定义（pricing-data-format 技能 §2）
     """
     fields = {
         'price_factors': {'type': 'string', 'role': 'factor', 'label': '计价因子'},
         'unit_prices': {'type': 'float', 'role': 'factor', 'label': '单位定价'},
         'unit': {'type': 'string', 'role': 'factor', 'label': '计价单位'},
     }
-    if factor not in fields:
+    for factor in factors:
+        if factor in fields:
+            continue
+        if factor in _DERIVED_FACTOR_SPECS:
+            fields[factor] = dict(_DERIVED_FACTOR_SPECS[factor])
+        else:
             fields[factor] = {'type': 'float', 'role': 'factor',
                               'label': _FACTOR_LABELS.get(factor, factor)}
     for dim in sorted(dimensions_all):
         fields[dim] = {'type': 'string', 'role': 'filter', 'label': dim}
     pricings = []
     for it in currency_items:
-        item = {'price_factors': factor, 'unit_prices': it['unit_price'],
+        item = {'price_factors': it.get('factor') or 'flat',
-                'unit': it['unit']}
+                'unit_prices': it['unit_price'], 'unit': it['unit']}
         for dk, dv in sorted((it.get('dimensions') or {}).items()):
             item[dk] = dv
         pricings.append(item)
@@ -1796,15 +1844,41 @@ async def _h_apply_model_pricing(sor, params, ctx):
         model_id = getattr(recs[0], "id", "")
         old_ppid = getattr(recs[0], "ppid", "") or ""
         factors = sorted(set((it.get("factor") or "flat") for it in mitems))
-        if len(factors) != 1:
+        # 因子族校验（2026-09-06 修复）：token 模型天然多因子（输入/输出/缓存
+        # 同在一个方案，生产实证 qwen3.8-max ppid=TNJnx_Nw1HGDOtDIFji-w 三因子
+        # 正常出账）——旧「单因子」铁律把所有 token 定价判死，工具校验与生产
+        # 事实矛盾。真混用的判据改为两条：
+        #   1. token 族与非 token 族（duration/flat 等）不可混在一个方案
+        #   2. 同一因子多条价格且维度相同 → 引擎重复计价
+        non_token = sorted(set(factors) - set(_TOKEN_FACTORS))
+        token_hit = sorted(set(factors) & set(_TOKEN_FACTORS))
+        if non_token and token_hit:
             results.append({"model": vmid, "ok": False,
-                            "error": "同一模型混用多个计价因子 %s——请拆分为多个定价方案" % factors})
+                            "error": "token 因子 %s 与按量因子 %s 混在一个模型——"
+                                     "计费单位不同，请拆分为多个定价方案" % (token_hit, non_token)})
             continue
-        factor = factors[0]
+        if len(non_token) > 1:
+            results.append({"model": vmid, "ok": False,
+                            "error": "同一模型混用多个按量计价因子 %s——请拆分为多个定价方案" % non_token})
+            continue
+        # 缓存拆分与整体输入价互斥：prompt_tokens 计全部输入，uncache_tokens 只计
+        # 非缓存部分——同方案并存会对缓存命中 tokens 重复计价（2026-09-06）
+        if 'prompt_tokens' in factors and ('uncache_tokens' in factors or 'cached_tokens' in factors):
+            results.append({"model": vmid, "ok": False,
+                            "error": "prompt_tokens 与 uncache_tokens/cached_tokens 同方案——"
+                                     "缓存命中部分会被重复计价。文档区分缓存价时只用 "
+                                     "uncache_tokens+cached_tokens+completion_tokens；"
+                                     "不区分时只用 prompt_tokens+completion_tokens"})
+            continue
+        dup_err = _check_factor_dup(mitems, factors)
+        if dup_err:
+            results.append({"model": vmid, "ok": False, "error": dup_err})
+            continue
+        factor = ",".join(factors)   # 方案命名/回报展示用
         dims_all = set()
         for it in mitems:
             dims_all.update((it.get("dimensions") or {}).keys())
-        yaml_str = _build_pricing_yaml(mitems, dims_all, factor)
+        yaml_str = _build_pricing_yaml(mitems, dims_all, factors)
         # 引擎试算护栏：渲染一遍确认合法 YAML + fields 完整（不落库先验证）
         try:
             parsed = yaml.safe_load(yaml_str)