看清你的 LLM token 到底多少钱——覆盖每一家主流模型。

• 1输出 token 通常比输入贵 4–8 倍——压缩回复长度是最划算的省钱方式。
• 2Anthropic prompt cache 让重复输入便宜约 90%;OpenAI GPT-5 缓存输入也便宜约 90%。
• 3DeepSeek 非高峰时段(UTC 16:30–00:30)比高峰便宜约 10 倍——批量任务排进去。
• 4Gemini 2.5 Pro 在上下文超过 200K 后输入价翻倍——大上下文调用成本大约翻一番。

怎么把账单压下去

1. 1路由 / 分类用小模型——Haiku 4.5 / GPT-5 nano 比旗舰便宜 5–10 倍。
2. 2缓存重复前缀(系统提示词、工具 schema)——Anthropic 缓存读便宜约 90%。
3. 3显式设 max_tokens——输出是贵的,封顶防止回复失控。
4. 4非紧急任务排进 DeepSeek 非高峰(UTC 16:30–00:30),推理便宜约 10 倍。
5. 5砍长上下文——Gemini 2.5 Pro 输入在 200K 以上翻倍;不需要的全部分块丢掉。

为你的场景挑一个