写明薪资的美国推理岗位里，一半起薪在 15 万到 20 万美元之间
2026 年 9 月 21 日，Metix AI Platform 上职位名称含 inference 或 model serving、写明美元年薪的美国岗位，按起薪分档。
51%
写明美元年薪的 61 个美国推理岗位里，31 个起薪在 15 万到 20 万美元之间。另外 325 个没有写明美元年薪。
薪资下限，按档起点，美元/年
起薪集中在 15 万到 20 万美元，超过 25 万的只有 10 个
写明美元
15 万以下 3，15 万到 20 万 31，20 万到 25 万 17，25 万到 30 万 8，30 万及以上 2
图中所见
美国标题含 inference 或 model serving 的 386 个在招岗位里，只有 61 个写明了美元年薪，占 16%。
这 61 个里，31 个的薪资下限在 15 万到 20 万美元之间，占一半；10 个在 25 万以上，低于 15 万的只有 3 个。
方法与局限
写出来的是底薪区间的下限，不含奖金和股票，不能当作总包。愿意写薪资的公司和不写的公司可能不一样，所以这不是整个市场的薪资分布。
来源：Metix AI Platform 岗位数据，2026-09-21。
查询us-inference-usd.json
{ "where": { "all": [ { "any": [ { "field": "title", "match": "inference" }, { "field": "title", "match": "model serving" }, { "field": "title", "match": "llm serving" } ] }, { "not": [ { "field": "title", "match": "causal" }, { "field": "title", "match": "statistical" } ] }, { "field": "location.country", "eq": "United States" }, { "field": "salary.currency", "eq": "USD" }, { "field": "salary.annual_min", "exists": true } ] }, "size": 1}
运行这个案例
三种方式，每一种都先告诉你要花多少。
1 API Credit 可以买 25 个搜索结果或 5 条完整记录；1 美元可以买 30 API Credits。
交给你的 agent 来跑
6 API Credits0.20 美元新账户赠送的 100 API Credits 够用
花费超过 10 API Credits 之前，agent 会先停下来问你。
你的 agent 按提示词一步步执行：先读规则，再计数，按提示词的要求检查定义，最后写出文件和图表。请使用能写文件的 agent，比如 Claude Code 或 Codex。
一次性配置key、连接和一次免费检查。如果你的 agent 已经接入 Metix AI Platform，可以跳过。
1获取 key
在 Metix AI Platform 上创建 key →新账户一次性赠送 100 API Credits，30 天内有效。在启动 agent 的终端里设置，或者把这一行写进 ~/.zshrc 或 ~/.bashrc，新开的终端也能用：
终端export METIX_KEY=metix_xxxxxxxx
2连接你的 agent
Claude Code
为所有项目注册 Metix AI Platform。在任意目录启动 claude，就能看到十个 metix 工具。
MCP 配置指南 →终端: "${METIX_KEY:?run step 1 first}" && claude mcp add --scope user --transport http metix \ https://mira-api.metix.ai/mcp \ --header "Authorization: Bearer $METIX_KEY"Codex
注册同一个服务。key 留在环境变量里，不写进配置文件。
MCP 配置指南 →终端codex mcp add metix \ --url https://mira-api.metix.ai/mcp \ --bearer-token-env-var METIX_KEY
Skills
四个 skill，教任何 agent 使用 Metix AI Platform 的接口和查询规则，适合不支持 MCP 的 agent。安装程序默认一项都不勾选：在每一项上按空格，再按回车。
Skills 安装说明 →终端npx skills add MetixAI-Official/metix-skills
其他 MCP
让客户端通过 streamable HTTP 连接这个地址，并带上这两个请求头；缺少 Accept 请求头时服务器会返回 406。较旧的客户端使用同一主机上的 /sse。
MCP 配置指南 →地址和请求头https://mira-api.metix.ai/mcp Authorization: Bearer <your key> Accept: application/json, text/event-stream
3检查配置
先问这一句。它只读取余额和字段列表，不做任何搜索，不花 API Credits：
发给 agent 的提示使用 Metix AI Platform：查询我的 key 状态并读取 contract，这两项都免费。然后告诉我我的 API Credit 余额和可以查询哪些数据集。不要做任何搜索。
4粘贴提示词
在一个空文件夹里启动 agent，再粘贴。它会把文件写在那里。
要回答的问题
用 Metix AI Platform 回答一个问题：美国推理岗位写出来的薪资下限是多少？只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。
01先读规则再查询
调用 GET /contract（免费），读薪资规则：对 salary.annual_min 做比较时，同一个 all 节点里必须用 eq 固定 salary.currency；金额是在同一币种内换算成年薪，不做跨币种换算。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 10 API Credits 之前先停下来问我。
02统计范围
美国在招岗位，标题匹配 "inference"、"model serving"、"llm serving" 中任意一个，排除匹配 "causal" 或 "statistical" 的标题，并且 salary.currency eq "USD"、salary.annual_min 存在。
03分母也要算
去掉薪资条件，用同样的标题条件算一次美国总数，让读者知道有多大比例的岗位写了薪资。
04不读记录也能分档
分别数 salary.annual_min 不低于 150000、200000、250000、300000 的岗位，相邻两个数相减就是每一档。六次计数，6 API Credits。
05核对
各档相加必须等于写明薪资的总数；对不上就停下来说明。
06清洗
不合并重复发布，直接说明。
07分组
15 万以下、15 万到 20 万、20 万到 25 万、25 万到 30 万、30 万及以上。
08输出
写出 data/bands.json，带 "unit": "jobs"、快照日期、写明薪资的数量、美国总数和每一档。运行前后各调用一次 GET /auth/key/status，余额差就是花费。
09图表
按档位顺序画竖条，最大的一档高亮，大数字旁边写出写明薪资的岗位占比。标题写结论。
10局限
写出来的是底薪区间的下限，不含奖金和股票。愿意公开薪资的公司可能和不公开的不一样。样本很小。
你会得到
聚合文件和图表，一段说明抽检发现了什么、改了什么，以及这次运行花了多少 API Credits（取自运行前后的余额）。
如果调用返回 402 insufficient_quota，说明 key 有效，只是余额用完了。
复现数字
6 API Credits0.20 美元新账户赠送的 100 API Credits 够用
一个只用 Python 标准库的小脚本，把已提交的查询按计数发出去，写出这个页面所用的聚合文件。需要 Python，并在终端里设置好 METIX_KEY（见 agent 路径的第 1 步），也可以让你的 agent 替你运行这几行。
curl -fsSL https://platform.metix.ai/casebook/source/us-inference-pay-2026.tar.gz | tar xz
cd us-inference-pay-2026
: "${METIX_KEY:?set METIX_KEY first}" && python3 cases/us-inference-pay-2026/fetch.py你会得到
data/*.json 和 data/receipt.json。运行 git diff cases/us-inference-pay-2026/data 看哪些数字变了：除去快照之后数据本身的变化，数字应该一致。
改成你的问题
花费取决于你的版本读取多少。在提示词第 1 步里写上你自己的上限。
提示词就是这个案例本身。改掉下表里的部分，你的 agent 就会回答你的问题，用同样的检查和同样的花费记录方式。
运行前先问清楚
- 看哪些岗位，哪个国家、哪种币种？
- 看区间下限、上限，还是两者都看？
- 档位的边界怎么定？
用 Metix AI Platform 回答一个问题：美国推理岗位写出来的薪资下限是多少？只通过公开的 Platform 访问（REST 地址 https://mira-api.metix.ai、MCP 服务或 metix-skills），密钥从 METIX_KEY 读取，任何时候都不要打印密钥。 1. 先读规则再查询。调用 GET /contract（免费），读薪资规则：对 salary.annual_min 做比较时，同一个 all 节点里必须用 eq 固定 salary.currency；金额是在同一币种内换算成年薪，不做跨币种换算。开始和结束时各调用一次 GET /auth/key/status（免费）查余额，总花费超过 10 API Credits 之前先停下来问我。 2. 统计范围。美国在招岗位，标题匹配 "inference"、"model serving"、"llm serving" 中任意一个，排除匹配 "causal" 或 "statistical" 的标题，并且 salary.currency eq "USD"、salary.annual_min 存在。 3. 分母也要算。去掉薪资条件，用同样的标题条件算一次美国总数，让读者知道有多大比例的岗位写了薪资。 4. 不读记录也能分档。分别数 salary.annual_min 不低于 150000、200000、250000、300000 的岗位，相邻两个数相减就是每一档。六次计数，6 API Credits。 5. 核对。各档相加必须等于写明薪资的总数；对不上就停下来说明。 6. 清洗。不合并重复发布，直接说明。 7. 分组。15 万以下、15 万到 20 万、20 万到 25 万、25 万到 30 万、30 万及以上。 8. 输出。写出 data/bands.json，带 "unit": "jobs"、快照日期、写明薪资的数量、美国总数和每一档。运行前后各调用一次 GET /auth/key/status，余额差就是花费。 9. 图表。按档位顺序画竖条，最大的一档高亮，大数字旁边写出写明薪资的岗位占比。标题写结论。 10. 局限。写出来的是底薪区间的下限，不含奖金和股票。愿意公开薪资的公司可能和不公开的不一样。样本很小。
方法与局限
统计范围怎么定义、怎么计数和抽检，以及这些数字不能说明什么。
统计范围
2026 年 9 月 21 日 Metix AI Platform 上的美国在招岗位，标题匹配 "inference"、"model serving" 或 "llm serving"，排除 "causal" 和 "statistical"，并且写明了美元年薪（salary.currency 为 USD，salary.annual_min 存在）。和旧金山湾区那张卡片用的是同一组标题条件。
分档
先数写明薪资的岗位总数，再数 salary.annual_min 不低于 15 万、20 万、25 万、30 万美元的各有多少，相邻两个数相减就是每一档。Platform 按同一币种把时薪、月薪换算成年薪。
计数
六次计数，每次 1 API Credit，不读取岗位。重复发布没有合并。条件在 queries/。
局限
样本小（61 个），只代表写了薪资的岗位。这是快照当天的截面。
最近一次复现
上一次复现花了多少，取自运行前后 Metix AI Platform 记录的余额。
- 运行日期
- 2026-09-21
- 调用次数
- 6
- 搜索结果
- 6
- 读取记录
- 0
- API Credits
- 6
搜索结果是搜索返回的 ID 数，每次计数查询算一个，完整搜索按命中数算。记录是完整读取的岗位或档案：这个案例一条都没读。
做这个案例另外花了大约 11 API Credits：agent 做的抽检、试探性查询，以及被公开复现取代的早先运行。你不需要再花这部分。