每到换价窗口，后台就会被同一类问题刷屏：「现在大模型 API 到底多少钱？」「哪家降了？」「我账单为啥比预估高这么多？」
>
但把几十家官网价格页拉平对着看，你会发现一件反直觉的事：单价根本不是省钱的重点。 同一个模型换个计费口径、换个渠道，账单能差出一倍。这篇就把「计价」和「省钱」两件事一次讲清楚。
一、先搞懂：大模型 API 到底"怎么计价"
「每百万 token 多少钱」这个数，单独看几乎没有意义。真正决定月底账单的，是这四件事：
① 输入 / 输出分开计价。
几乎所有平台都是输入便宜、输出贵，常见是 3–4 倍差距（极端如 Kimi k3：输入 20、输出 100，差 5 倍）。而很多应用的输出里，JSON、结构化字段、推理过程占比很高——账单大头往往在输出，不在你以为的输入。
② 缓存命中，是今年最大的变量。
系统提示词、知识库、固定人设这类稳定前缀命中缓存后，价格常常只有原价的 1%–10%。以 DeepSeek 的 flash 系列为例，缓存命中约 0.02 元、未命中约 1 元（每百万 token，以官网为准）——差不多 50 倍。长文本、固定 prompt 场景，不想缓存，就先别谈省钱。
③ 任务分层。
一次「分类 + 抽取」的调用，和一次「1M 文档长推理」，成本结构完全不同。把简单任务一直挂在旗舰档上，是账单失控最常见的原因。
④ 计费口径越来越花。
按 token、按次、按秒、按张、积分制、美元计价、峰谷价……同一个模型换个渠道可能就是另一套算法。不同口径直接比数字 = 白比。
所以「哪家便宜」这个问题本身就有问题。该问的是：「我的调用里，有多少是低档任务、缓存能不能命中、输出占比多高。」
二、10 月主流价格在什么水位（官方直连）
下面是我这轮核出来的价格区间（元 / 百万 token，输入 / 输出），按档位分，方便横着看：
轻量档（分类 / 抽取 / 短摘要 / 高并发）——已经卷到地板
智谱 GLM-4.7-Flash：免费
火山 doubao-seed-2.0-mini：0.2 / 2.0（缓存 0.04）
阿里 qwen3.7-flash：0.2 / 0.8
智谱 GLM-4.7-FlashX：0.5 / 3（缓存 0.1）
中档（通用对话 / 代码 / 中等推理）
DeepSeek deepseek-v4-flash：1 / 2（缓存 0.02）
火山 doubao-seed-1.8：0.8 / 2.0–8.0（缓存 0.16）
DeepSeek deepseek-v4-pro：3 / 6（缓存 0.025）
百度 ERNIE 5.1（≤32K）：4 / 18
旗舰 / 1M 长上下文档——稳在高位，差距在拉大
智谱 GLM-5.2（1M）：8 / 28（缓存 2）
阿里 qwen3.8-max：12 / 36
Kimi kimi-k3（1M 上下文）：20 / 100（缓存 2）
一句话读表：轻量档输入压到 0.2 一线，旗舰档输入 8–20+、输出最高破百。 同一批「主力模型」，最高档和最低档输入价能差 60 倍以上。这就是为什么「分层」比「换模型」更省钱。
三、哪里能省？5 条能落地的
省钱的空间，基本都在这 5 个地方：
1. 任务分层，把"贵活儿"挑出来。 用一周日志统计调用占比——简单任务（分类/抽取/短摘要）通常占 6–7 成，却有一大半挂在旗舰档上。迁到轻量档后，同样输出，这部分成本能降到原来的 1/5–1/10。
2. 该缓存的全部缓存。 系统提示词、人设、知识库前缀固定下来，命中缓存后成本降到 1%–10%，几乎不用改业务逻辑，投入产出比最高。
3. 给主模型配「同档备用 + 轻量兜底」。 关键链路直连、非关键走聚合，再包一层熔断 + 重试 + 降级。降级兜底不是成本项，是省钱项——它让你敢把便宜模型用在更多地方。
4. 比价用「同口径表」。 同模型、同档位、输入输出分列、缓存单列、口径备注。照着「哪家最便宜」的结论抄，十有八九踩坑。
5. 别忽略"多账号"的隐性税。 4–5 家各开一个账号、各一笔最低充值、各一张账单和一种币种，加上「换 key 太麻烦所以不敢切模型」——这些开销最后都摊进成本。
四、一个入口的思路
第 5 条落到具体做法上，就是用一个 OpenAI 兼容的聚合入口打底，关键链路再直连。
（这里以 GH-AI（=冠汇AI）为例说明这类工具。）它是一个 OpenAI 兼容的 Token AI 聚合平台——一个 Key、一个 /v1 入口，就能在 DeepSeek、通义千问、GLM、文心一言、Kimi、豆包、Llama 之间切换，改一个字符串就换模型，做多模型 A/B 和降级都不用重构调用层；控制台有按天用量统计，对账不用在几家后台之间来回跳。
需要讲清楚：它只是我举例的一类工具，不是唯一解。 你也能自己直连、自建网关（LiteLLM / One-API 之类），或选别的聚合服务。核心是「统一入口 + 任务分层 + 缓存 + 降级兜底」这套方法本身，工具可以换。
五、按场景一句话结论
个人 / 小团队做原型：从聚合起步，一个 Key 跑通，按量付费，轻量档和旗舰档分开用，别一上来对接 5 家。
单模型、量大、延迟敏感：主模型官网直连，但务必配一个跨渠道降级，别把稳定性押在一家身上。
长文档 / RAG / 知识库：先把缓存做起来，再谈降价——固定前缀命中缓存，往往比换模型省得多。
多模型 A/B、频繁切换：聚合入口 +（可选）自建网关，既有覆盖度又有掌控力。
一句话：10 月省钱的重点，不是「换一个更便宜的模型」，而是「把对的任务交给对的档位，把能缓存的都缓存，把能兜底的都兜底」。
合规与说明
文中价格整理自各厂商官网定价页与公开报价，截至 2026-10（as of Oct 2026）。各平台报价按季度 / 月底周期更新，以各厂商官网实时价格页为准。
账单占比、折扣为个人环境量级参考，非精确压测数据，请以你的实际调用结构自测为准。
Token 是 AI 用量的计量单位，不是虚拟货币。
利益相关：本文为个人观察分享，无品牌商业合作。