• 同样的需求,花费可能差十倍
  • 大部分钱花在「用错了模型」和「重发了不必要的上下文」
  • 下面按收益从大到小排

先选对模型

这是影响最大的一项。分类、抽取、改写这类任务用旗舰模型,成本高一个数量级,效果差异却很小。

任务建议模型档位
分类、打标签最小档
信息抽取小档到中档
改写、润色中档
复杂推理、代码重构旗舰档

不确定时,先用小模型跑一批样本,人工看准确率是否够用。够就不用换大的。

把上下文压下来

输入 token 是主要成本来源之一,尤其在多轮对话里。每一轮都重发全部历史,第 10 轮的成本是第 1 轮的十倍。

  • 截断过长的历史,只保留最近几轮
  • 摘要压缩早期对话,用摘要替代原文
  • 能放进系统提示的固定内容,不要每轮重复
  • 检索增强时只取最相关的两三条,不是把所有文档都塞进去

用上缓存

固定不变的长前缀,重复请求时能命中缓存,输入侧按折扣计价。

  • OpenAI 结构自动命中,只要前缀一致
  • Claude 需要用 cache_control 显式标记
  • Gemini 有隐式与显式两种,长文档适合显式

把固定内容放在最前面,变化的内容放在最后,命中率才高。

卡住输出长度

不设 max_tokens 时,偶发的超长输出会显著推高成本。给每类任务设一个合理上限,比如摘要类设 500,问答类设 1000。

控制并发

并发过高触发 429,重试又产生额外请求。用信号量把并发压在 5 到 10,配合指数退避重试。

异步任务先出样片

视频生成最贵。多数视频模型支持草稿模式:先出 480p 样片确认构图,满意后再出正式片。这样一次失败不会烧掉正式片的钱。

图像也类似,先用低分辨率档位试提示词,效果对了再出高分辨率。

失败要退款

图像、视频、音频这类异步任务失败时会自动退款。所以参数校验错误并不可怕,可怕的是「提交成功但结果不可用」。

提交前用审核接口过一遍提示词,能减少无效任务。

批量任务集中跑

缓存有有效期。把同类请求集中在一个时间窗内跑完,命中率最高。分散在一整天里跑,每次都要重新建立缓存。

成本监控

定期用用量接口按模型聚合,看哪类请求花得最多:

curl 'https://api.oairoute.com/v1/dashboard/billing/usage?start_date=2026-10-01&end_date=2026-10-07&group_by=model' \
  -H "Authorization: Bearer YOUR_OAIRoute_KEY"

通常会发现 80% 的花费集中在 20% 的请求上。找到那部分,优化才有意义。